一种改进的模糊调节神经网络及其应用

针对具有相同激励函数的隐层神经元非线性表达能力较差的情况,提出了一种改进的模糊调节神经网络,并利用遗传算法进行训练。该模糊调节神经网络包括模糊神经网络和三层前馈神经网络2部分,通过模糊神经网络间接调整前馈神经网络隐层激励函数参数,并用遗传算法同时对模糊调节神经网络的权值和模糊神经网络参数进行训练,从而增强了网络的表达能力。将模糊调节神经网络用于非线性量化因子模糊控制器参数的整定仿真结果表明,改进的神经网络比传统的神经网络拥有更大的自由度,具有更强的非线性表现能力,从而使非线性量化因子模糊控制系统具有更好的控制性能。     

模糊PID双层参数整定及其在固化炉中的应用

提出了一种模糊PID(proportion integration differentiation)控制器的双层参数整定方法。将模糊PID控制器的参数整定分为比例因子的整定与模糊隶属度函数参数整定2部分。推导出模糊PID控制器的解析模型,该解析模型包括线性部分和非线性补偿2个部分。整定的过程中,把模糊PID控制器解析模型的非线性补偿看作过程扰动,由线性部分和被控对象的二阶纯时滞模型,基于系统的增益裕度关系,导出模糊PID控制器的比例因子。再基于粒子群优化算法(PSO,particle swarm optimization)对三角隶属度函数进行优化,使控制器进一步适应被控对象的动态特性。仿真结果表明了研究方法的有效性以及应用在芯片固化炉的温度控制过程中,提升温度控制的效果。     

微水电模糊频率控制器的设计与仿真

针对目前微水电稳压稳频控制的缺陷,提出了模糊控制和PID控制相结合的参数自适应模糊PID控制器,并对其进行了仿真,结果表明,参数自适应模糊PID控制器响应速度快、调节精度高、稳态性能好,能有效提高用户电能质量。通过仿真结果分析了量化因子的整定原则,对微水电稳频控制具有一定的现实指导意义。     

模糊PID控制在水位控制中的应用与仿真

水位控制系统具有非线性、非最小相位、时滞和强耦合,难以建立精确的数学模型。本文在分析常规PID控制器局限性的基础上,运用模糊逻辑,借鉴三冲量控制方法,将模糊规则整定PID参数的控制方法引入锅炉水位控制中,设计出一种模糊PID控制器,对PID三个参数在线整定。仿真研究和在实验室的实际应用表明,模糊PID控制器特性比常规PID控制器更优良,能有效地改善控制效果。     

基于模糊算法的PID参数自整定电机调速仿真研究

针对传统直流双闭环调速,不能有效克服非线性因素,不能满足对高精度、高性能等场合的要求,本文提出采用模糊PID参数自整定控制策略用于直流电机调速控制系统,从而实现PID参数实时整定。根据一个电机参数模型在Matlab/Simulink中搭建仿真模型,仿真结果表明模糊PID参数自整定控制器比传统PID控制器具有好的控制精度和鲁棒性,并提高了电机动静态性能。仿真结果与理论研究相符,验证了方案设计的合理性,实现了对被控对象的最佳控制。     

粒子群优化模糊PID的塔式起重机定位和防摆研究

针对塔式起重机控制系统是一个大时滞性、时变及非线性的控制系统,无法建立准确数学模型,难以进行精确控制的问题,设计了模糊PID控制器,通过模糊推理对PID的参数进行在线调整,但由于专家经验具有局限性、盲目性以及模糊控制内不确定因子过多,导致控制性能较差。因此,本文采用粒子群算法对量化因子和比例因子先在离线状态下进行迭代优化后,快速整定模糊PID参数,然后通过MATLAB对控制系统进行仿真分析。仿真结果表明,该方法明显提升了负载的运输效率,有效抑制了塔式起重机负载摆角,并实现了塔式起重机快速准确定位,具有较强的鲁棒性。     

基于FPAA的模糊控制参数整定PID控制器的设计

针对PID控制器的增益系数难以实现最优整定的问题,本文通过分析模糊控制器的解析结构得到模糊控制器与PID控制器参数之间的解析关系,采用常规模糊控制器的正规化因子间接整定PID控制器的增益系数,避免了建立系统的精确数学模型.采用这种新型参数整定方法在FPAA开发软件AnadigmDesigner2中完成PID控制器的设计并验证其性能.仿真和实验结果表明:基于FPAA设计出的模糊PID控制器适应强、跟踪迅速、控制性能良好并且表现出很强的鲁棒性.     

模糊免疫参数自整定PID控制系统设计及仿真

为了提高模糊PID控制器的控制性能,将模糊参数自整定与免疫进化算法相结合,设计了一种模糊免疫参数自整定PID控制系统。该控制系统首先利用模糊规则,在线调整控制系统的kp,ki,kd,利用免疫机理修正非线性函数f,然后利用免疫修正环节进一步调整PID控制系统的参数。数字仿真结果表明,新的模糊免疫参数自整定PID控制系统具有稳定性好、响应速度快等特点,具有很高的应用价值。     

模糊控制器的PID描述及量化因子整定

以二维模糊控制器为例 ,对模糊控制器的输入、输出关系引入PID描述函数。通过类比 ,凸现二维模糊控制器位置输出时的PD特征和增量输出时的PI特征 ,从而揭示模糊控制器的本质是PID参数的模糊自适应校正作用。正是这一模糊校正过程 ,使模糊控制器获得了普通PID控制器所不具备的优良控制品质。据此 ,可借用PID工程整定方法 ,得到实用性较强的模糊控制器量化因子的DY综合整定法     

一种无刷直流电机模糊PI控制器设计

为克服传统的PI控制器参数整定方法在无刷直流电机控制中存在精度低、抗干扰能力弱等的不足,本文提出了一种基于PSO-GSA算法的模糊PI控制器设计方法。PSO-GSA算法融合了PSO算法的全局开发能力和GSA算法的局部探索性能,具有更加优异的最优值搜索能力。将PSO-GSA算法用于优化模糊PI控制器的量化因子和比例因子,实现了模糊控制对PI控制器的实时、高精度调节。仿真和实验表明,该方法可以使得无刷直流电机控制有较好的稳定性和鲁棒性,电机转速控制的精度有显著提高。     

比例因子的选择对模糊控制器鲁棒性的影响

分析了比例因子与系统性能的关系,通过仿真实验研究了比例因子对模糊控制器鲁棒性的影响．实验结果表明,合理选择模糊控制器的比例因子能保证在被控对象的参数变化较大的情况下满足设计要求．在此基础上,提出了模糊控制器的设计和调整的指导性方法．     

比例因子对模糊控制器动态性能的影响

影响模糊控制器动态性能的因素有多方面 ,如模糊控制规则、模糊推理和模糊判决方法等 ,其中比例因子 (量化因子 )对其动态性能有较大的影响 为了探讨各因子的影响 ,通过Matlab仿真语言对由二阶被控对象构成的模糊控制系统进行了仿真研究 方法是预先选定一组理想的参数 (包括被控对象参数和比例因子 ) ,分别改变比例因子 ,观察系统在阶跃信号作用下的响应 最后根据实验结果得出 :三个比例因子对模糊控制器动态性能的影响各不相同 同时提出了模糊控制器设计过程中比例因子的选择原则及注意事项     

模糊PID参数的相平面法整定策略

模糊PID作为一种非线性控制器,具有算法简单、易于理解、方便实施等优点。然而,目前模糊PID控制器仍缺乏规范的整定方法,控制性能不能得到保证。本文提出一种基于相平面法的模糊PID整定方法,详细叙述了PID系数模糊规则库的设计过程,并通过Matlab仿真验证了该方法的有效性。     

基于MRFAC的感应电机控制器设计

结合感应电机这一非线性控制对象,设计了感应电机的模型参考模糊自适应速度控制器。该控制器具有传统模型参考自适应控制构架,传统模型参考自适应控制系统中的反馈控制器和常规自适应机构分别由主模糊控制器、模糊自适应机构替代,模糊逆模型结合自适应调整算法构成的模糊自适应机构对主控制器参数进行实时调整,以达到快速适应对象参数和状态变化的目的。基于模块化建模工具Matlab/Simulink建立感应电机控制系统模型,仿真结果表明该控制器运行平稳,具有良好的动、静态性能。     

模糊控制系统的解析结构与鲁棒性分析

根据实际工业过程对鲁棒性的要求，以解析形式分析说明了模糊控制器是一类变参数的比例积分（PI）控制器，并且由于其模糊特性，在工况发生变化时该控制器能够自调整PI的比例参数，得到较好的控制效果．将该模糊控制器与传统比例积分微分（PID）控制器进行比较，仿真结果验证了其有效性．     

基于Matlab的模糊PID调速系统的设计与仿真

针对异步电动机调速系统的非线性和结构参数易变等特点,将模糊控制和PID控制的简便性、灵活性结合起来,设计了模糊PID调速系统的双闭环模糊控制仿真模型,建立了基于Matlab Simulink的系统仿真模型,并对模型进行了多方面性能的仿真研究。仿真结果表明,该模糊控制系统仿真模型具有良好的给定适应性、鲁棒性;并且提高了非线性系统的动、静态特性,使系统获得了较好的性能。     

智能调整型模糊控制器的研究

在分析了不同的量化，比例因子对系统控制特性影响的基础上，提出了一种量化、比例因子智能调整式模糊控制器的算法，其中的上级模糊智能调整器能够根据系统的响应在线调整下级模糊控制器中的偏差、偏差变化率的量化因子的控制量的比例因子，下级模糊控制器利用这些因子并结合常规查表模糊控制算法完成对系统的实时控制。     

基于模糊推理的免疫PID控制方法的直线电机速度控制

提出一种基于模糊推理的免疫PID控制器,以模糊推理方法构造免疫PID器中的非线性映射函数,使其具有很好的非线性控制性能.将免疫PID控制器进行直线电机速度控制仿真,仿真结果表明,较之传统PID控制方法,基于模糊推理的免疫PID控制方法响应速度更快,超调量更小,且具有更强的抗干扰性能.     

基于模糊推理器的多变量系统控制

针对一类输出量不可直接测量但可以通过其它物理量来获得的多变量非线性系统的控制问题,提出了一种基于模糊推理器的控制方法。这一方法将传统复杂系统的黑箱控制器分解为一般控制器和模糊推理器,其中模糊推理器主要完成相对复杂的测量信号到控制信号的转换,而一般控制器则主要完成系统执行机构的动态性能优化问题。该方法大大简化了这一类控制系统的设计和实现,同时又充分利用了模糊推理和传统控制方法的优点,具有很强的实用性。目前已成功应用于某单位的炮弹装填控制系统的设计中,并取得了良好的效果。