基于电加热炉温度系统的自适应模糊PID-Smith控制方法研究

针对电加热炉温度控制系统,研究了自适应模糊PID-Smith控制方法.该控制方法利用Smith预估算法克服纯滞后,利用模糊控制来提高系统的鲁棒性,利用PID控制来提高稳态精度.通过Matlab仿真研究,表明该控制器具有良好的稳定性和鲁棒性,对于大时间滞后的电加热炉温控系统是一种实用而简便的控制方法.     

原料气加热炉出口温度检测控制

本文以原料气加热炉为被控对象,通过对电加热炉对象特性的分析来建立加热炉数学模型,提出了一套计算机系统控制方案。给出了控制系统相应的硬件配置及网络拓扑结构以及控制方案。实现了加热炉炉温的自适应PID智能控制。     

热处理电阻炉炉温的自适应模糊PID控制

热处理电阻炉温度控制具有大的滞后性、非线性、难以获得准确数学模型的特点。目前热处理炉温度控制系统中常采用的PID控制器难以进一步提高温度控制系统的控制精度,无法与PC机进行通信,难以实现对热处理数据的管理。基于模糊控制无需精确数学模型和PID控制的良好稳态控制特性,本文选用单片机结合模糊PID控制策略对热处理加热炉进行了控制,减小了系统的调节时间,提高了温度控制精度。     

基于Matlab/Simulink的锅炉汽包水位控制建模仿真

设计了一种新型的锅炉汽包水位模糊PID控制器,分析了锅炉汽包水位控制系统的数学模型和模糊PID控制器的结构、工作原理和作用,并运用Matlab/Simulink对模糊PID控制器和常规控制器分别在锅炉汽包水位控制中进行仿真.结果表明,模糊PID控制器设计合理,控制效果良好,具有更好的控制特性.     

无刷直流电动机模糊控制系统仿真研究

无刷直流电动机是一种非线性的控制系统,传统的控制方法很难实现对它的精确控制。模糊控制不依赖被控对象精确的数学模型,可根据操作者或专家的经验,实现对系统的控制。本文设计模糊控制器和自适应模糊PID控制器,并进行了仿真研究,仿真结果表明提高了系统的控制精度。     

一种PID控制与模糊控制相结合的智能温度控制系统

根据某加热炉的控制要求,设计出一种PID控制与模糊控制相结合的智能控制系统。采用Fuzzy-PID复合控制算法,具有模糊控制灵活、响应快、适应性强等优点,又具有PID控制精度高的特点。该系统采用PLC作为控制系统的核心,通过对偏差的智能化处理,以及引入最大最小限幅值,智能分段控制等概念,实现对数学模型不确定的控制对象的满意控制,使系统具有可靠性高、使用寿命长等适合实际工业现场的特性。     

基于模糊PID控制的点胶单螺杆泵流量控制方法研究

建立了单螺杆点胶泵流量控制系统数学模型,采用了一种模糊PID控制器以提高系统控制性能,并基于实际系统和Mamdani模糊推理算法确定偏差e,偏差变化ec,输出量K_p,K_i,K_d的论域变量范围、语言值、隶属度函数、模糊控制规则表,搭建了模糊PID控制器。使用MATLAB/Simulink软件对所搭建的系统控制器进行仿真实验,并通过对比传统PID控制与模糊PID控制的系统阶跃响应图,得出模糊PID控制器的效果最佳,并且具有调节时间快、超调量小、抗干扰强的优点,一定程度上提高了单螺杆泵流量控制系统的稳定性。     

PID参数自整定模糊控制器的应用

针对电加热炉大惯性、纯滞后、参数时变的非线性对象的控制的特点,以及常规PID控制参数不易调节的特点,提出了一种PID参数自整定模糊控制方法,设计了PID参数自整定模糊控制器,并在炉温控制系统中应用。实验结果表明:PID参数自整定模糊控制消除了系统的稳态误差,没有超调和振荡,鲁棒性较强,而且简单易行,具有一定的实用价值。     

采煤机自动调高系统的模糊PID控制仿真

针对采煤机自动调高控制系统的控制性能问题,提出采用模糊控制器与PID控制器相结合的方法,建立电液比例控制系统的数学模型,在MATLAB和AMESim环境下建立其控制系统及液压系统联合仿真模型并进行仿真分析.研究结果表明:采用模糊PID控制的调高系统在快速性、稳定性、抗干扰能力等方面均有明显提高,所以采用模糊PID控制对采煤机进行自动调高更为合适.     

磁悬浮系统的模糊PID控制器设计

基于GML1001磁悬浮实验装置设计了一个模糊PID控制器.该控制器利用传统的PID控制器和模糊控制器相结合形成,能根据系统偏差的大小、方向以及变化趋势等特征,依据模糊规则库做出模糊推理,能自动调整PID参数,可达到更加满意的控制效果.利用设计的模糊自适应PID控制器,对磁悬浮控制系统中钢球的悬浮位置实现了精确的控制.实验结果表明,模糊自适应PID控制器可以使磁悬浮控制系统拥有较好的稳态和动态性能.     

铝粉雾化炉铝液温度模糊-PID复合控制

铝粉氮气雾化生产过程中，保持雾化炉铝液温度的稳定非常重要，但铝粉雾化炉是一个非线性、大滞后、不确定性系统，采用常规PID控制器很难保证控制效果．为此针对雾化炉的铝液温度变化特性，结合模糊控制器和PID控制器的特点，设计了一种模糊-PID复合控制器．利用加权因子，将模糊控制器的输出和PID控制器的输出加权综合，使得控制器在误差较大时，主要由模糊控制器起作用，而在误差较小时主要由PID控制器起作用．模糊-PID复合控制器既保持了PID控制的稳定误差小、稳定性好的优点，又具有模糊控制自适应和调节速度快的特点，能够很好地保持铝液温度的稳定，在现场应用中取得了较好的控制效果．     

碳纤维激光石墨化炉温度控制系统的优化设计

碳纤维激光石墨化加热具有热源集中、升温迅速的特点，石墨化炉的温度控制系统主要采用传统PID控制器，存在惯性大、超调严重等缺点，并且PID控制器的3个参数(比例系数k_p、积分系数k_i和微分系数k_d)固定且主要依据经验获取。对于没有精确数学模型的PID控制系统，可以采用模糊控制对控制策略进行优化，但是模糊算法中模糊规则表的制定依旧主要源于经验所得，无法保证当前规则为最佳规则组合。针对上述问题，提出一种基于遗传算法的优化策略，对模糊规则表寻找全局最优解；借助MATLAB和Simulink环境进行编程仿真，结果表明，基于遗传算法的模糊PID控制效果在整体上优于传统PID控制和模糊PID控制，其响应时间短，控制精度高，无超调量，可用于碳纤维激光石墨化炉的温度控制系统设计。     

电动客车电动助力转向回正控制策略

以增强电动客车电动助力转向系统(EPS)的回正性能为目标,提出了模糊自整定PID回正控制策略.以转向盘转角传感器和转向盘转速传感器获取的转角和转速信号为控制信号,采用模糊自整定PID方法进行回正控制,输出回正控制电压,使助力电机将转向盘迅速带到中位.综合模糊控制和PID控制的双重优点,设计了模糊PID控制器,根据所设计...     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

复合智能控制型电力系统稳定器的研究

提出了一种基于模糊-比例积分微分(Fuzzy-PID)控制的电力系统稳定器(PSS),它综合了模糊和比例积分微分控制方式各自的优点,使电力系统稳定器既具有模糊控制简单有效的非线性控制作用,又具有比例和积分控制的快速性和跟踪能力.以单机无穷大系统为例作了研究与模拟,实现了Fuzzy-PID复合控制,其结果显示,提高了电力系统的稳定性和动态品质.     

加工过程的智能模糊控制研究

研究加工过程的三种模糊控制技术：直接模糊控制、FLC＋PID综合模糊控制和分级智能模糊控制，结果表明FLC＋PID和分级智能模糊控制能更有效地控制加工过程，然而FLC＋PID的控制性能在很大程度上受PID参数的影响，而分级智能模糊控制具有更好的适应性。     

模糊神经网络在电阻炉温度控制系统中应用

针对电阻炉具有时变,分布参数的非线性特性,将模糊神经网络控制应用于电阻炉温度控制系统.该控制器自适应能力强,利用系统偏差和神经网络辨识模型的输出对模糊神经网络控制器的参数通过一种改进的BP算法进行在线调节,达到对电阻炉温度的实时控制.仿真结果表明模糊神经网络控制器具有良好的控制效果,优于一般PID控制.     

玻璃熔窑温度的智能PID控制算法与实现

讨论了玻璃熔窑的结构及其特点，提出适合玻璃熔窑温度控制的模型和智能算法，详细研究了模糊PID控制器在温度控制中的应用。仿真结果表明该方案是合理和有效的。     

An Intelligent Adaptive Fuzzy PID Controller Based on Multimodel Control Approach

A novel intelligent adaptive fuzzy PHD controller based on multimodel control approach is presented in this paper.It can improve the system performance of the dynamic time- varying system at various operating conditions.The fuzzy PHD controller is implemented by combining a fuzzy PI with a fuzzy PD controller in a parallel structure. The parameters of the fuzzy PHD controller are linked, via analytical derivation, to the gains of the linear PID controller. The sum of error square is used as performance criterion to locate the model that best reresents the process among the multiple models, The desired control output to drive the process along the desired path is generated only by modifying the output scale factots GU_I and GU_D of the fuzzy PID controller, Among the prescribed models, the control signal of the nearestmmodel to the system is applied. The system can be driven to its original trajectory because of the robustness of the fuzzy PID controller, Computer simulation results show that the adaptiv