无人机三轴稳定云台的模糊PID控制

以无人机三轴稳定云台的内框作为研究对象,将自适应卡尔曼滤波算法与模糊PID控制算法相结合,提出了一种基于自适应卡尔曼滤波的模糊PID控制算法.经过Matlab仿真实验表明,相对于经典PID控制算法和模糊PID控制算法而言,该算法在无人机三轴稳定云台的控制上,不仅响应速度快、精度高,而且对控制干扰噪声和测量噪声也起到了较好的抑制作用     

随机非线性系统的在线修正参数预测滤波PID控制

针对一类随机NARMAX模型,分析了其可采用PID控制的约束条件.提出采用辅助模型的可克服算法病态的遗忘因子递推最小二乘算法对被控对象进行参数估计,利用动态切平面逼近的预测算法对系统输出进行预测,基于一具有预测控制性能的增量型预测滤波PID控制算法,根据可克服算法病态的直接极小化指标函数自适应控制算法和Robbins-Monro算法,给出了具有在线修正PID控制参数和加快PID控制参数收敛速度的随机NARMAX模型的自适应预测滤波PID控制算法.仿真研究表明:因给出的PID控制算法具有预测控制性能和在线修正参数性能,故系统具有较好的控制品质.     

确定性多变量非线性系统的在线修正参数预测滤波PID控制

针对确定性多变量NARMAX模型,分析了其可采用PID控制的约束条件。提出一种增量型预测滤波解耦PID控制算法,基于递推参数估计算法对系统模型进行参数估计,采用逐步迭代预报算法进行预测,结合一种可克服算法病态的直接极小化指标函数的自适应控制算法和Robbins-Monro算法,给出了确定性多变量NARMAX模型的具有在线修正参数的预测滤波PID控制算法,因指标函数中含有输出的预测值,故算法具有加快PID控制参数收敛到有效值速度的性能。仿真研究表明,因为所提出的PID算法具有在线修正参数和预测控制的性能,故系统具有较好的控制品质。     

直接极小化指标函数的自适应PID控制

基于Ljung提出的按直接使某一显式指标函数极小化的自适应控制算法,结合离散增量型PID算法和随机牛顿法,给出了两种自适应PID控制算法.在算法2的指标函数中加入控制量增量的约束项,使算法2具有柔化控制量变化、减少对系统执行机构冲击的性能.仿真表明:算法2具有加快PID算法参数收敛的性能.     

恒压供水系统模糊PID控制策略研究

恒压供水系统模型为带有滞后环节的一阶惯性系统,系统参数会随着外部环境影响而变化,因此常规PID控制算法达不到很好的控制效果.针对这种情况,采用模糊PID控制算法,通过在PID算法的前端引入模糊控制算法,实时在线调节PID算法中的比例系数、积分系数和微分系数.MATLAB仿真结果表明,与常规PID控制算法相比,采用模糊PID控制算法具有响应速度快、超调量低、稳定性好的优点.     

基于QPSO的PID神经网络控制算法及其仿真

PID神经元网络控制算法具有较好的动态和稳态性能、很强的解耦能力和抗干扰能力,适用于非线性多变量耦合系统的解耦控制。在对PID神经元网络控制算法研究的基础上,提出了基于量子粒子群权值修正多变量PID神经元网络控制算法。仿真实验结果表明,该算法解耦控制效果好,具有较强的抗干扰能力。     

改进PID算法在气动位置伺服控制系统中的应用

本文采用传统的PID控制方法对气动位置控制系统进行了研究. 该方法不要求对被控对象建立数学模型,而是通过调整比例、积分、微分三个参数对系统进行控制. 针对传统PID算法中存在的不足,对传统PID控制器加以改进,提出变速积分PID控制算法,并采用变速积分PID控制算法对位置定位控制进行了实验研究.     

模糊自整定PID航向控制算法优化及其性能评判

针对PID航向控制算法初始值选择的合理性对控制器性能所起的重要作用,文章通过建立PID航向控制算法的Kp、Ki和Kd初始值计算模型,实现对模糊自整定PID航向控制算法的优化;基于智能化SIHC仿真研究平台,全面测试了优化的航向控制算法性能,并利用改进的航向跟踪及保持性能评判算法定量评判了航向控制算法的性能。测试结果表明,优化后的模糊自整定PID航向控制算法具备自动根据环境条件和船舶操纵特性确定PID初始值的能力,算法的实用性及适应性得到提升。     

基于神经网络的PID参数自整定控制及其Matlab仿真研究

将神经网络自适应PID算法与传统的PID控制算法进行比较分析,通过仿真实验,验证神经网络自适应PID控制算法在总体上优于传统的PID控制算法.该方法有利于系统控制效果的提高,并且受环境的影响较小,在一定程度上弥补了传统PID控制的不足.     

基于T-S模型的局部通风机风量模糊预测控制算法

针对目前比例-积分-微分(PID)控制、模糊控制以及模糊自适应PID控制方法在局部通风机风量控制系统中的不足,提出一种基于T-S模型的局部通风机风量模糊预测控制算法。首先建立了局部通风机系统的T-S模糊模型,并进行拟合度验证实验,然后提出基于T-S模型的模糊预测控制算法局部通风机风量控制策略,并对算法进行了实验验证。结果显示,局部通风系统中,该控制算法相对于PID控制、模糊控制以及模糊自适应PID控制具有更好的控制效果,并且该算法能够根据瓦斯的历史浓度做出先见性的控制。