基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

一种新型智能温室温度控制系统的算法设计与仿真研究

为了更好地实现对温室温度的控制,文章提出了一种模糊神经网络PID控制算法,该算法可以有效地解决普通PID控制器依赖于对象数学模型的不足,可实现控制系统的在线自适应调整,可满足实时控制的要求,仿真结果表明：基于模糊神经网络的PID控制器具有良好的自学习和自适应性,动态性能好,具有一定的应用价值和推广价值。     

基于神经网络PID控制的聚合温控负荷优化调度

本文设计了基于BP神经网络的温控负荷控制系统,实现了智能电网中的需求侧频率调节辅助服务。针对控制系统中的控制器部分,设计了基于神经网络的PID控制器,通过BP算法对控制器的3个参数进行实时在线优化调整,并利用温控负荷的温度设定值调节策略,减小了聚合温控负荷的跟踪误差,改善了系统的性能,提升了频率调节服务质量。仿真结果表明,所设计的神经网络PID控制器可以有效地提高频率调节信号的跟踪精度。     

模糊神经免疫自适应PID在恒张力控制系统中的应用

应用免疫反馈系统原理和模糊神经网络控制理论,在传统PID控制基础上设计出一种模糊神经免疫自适应PID控制器,阐述了该控制器的特点、控制规律和整定方法.控制器参数P、I和D分别由模糊神经免疫反馈系统和模糊神经网络控制器在线修正.进行了恒张力控制系统的动态仿真,并与数字PID和模糊PID控制进行了比较.仿真结果表明,模糊神经免疫自适应PID控制器响应速度快、控制输出稳定、抗干扰能力强和鲁棒性好,较传统PID和模糊PID控制器具有更好的动、静态特性.     

采用改进模糊PID控制的串联机械手追踪误差研究

针对串联机械手运动角位移跟踪误差较大问题,提出了改进模糊PID控制方法。创建串联机械手简图模型,给出机械手动力学方程式,设计了模糊PID控制系统。引用粒子群算法并对其进行改进,采用改进粒子群算法优化模糊PID控制器,将改进模糊PID控制器用于控制串联机械手角位移变化。采用Matlab软件对串联机械手角位移跟踪误差进行仿真验证,并且与传统PID控制器和模糊PID控制器仿真结果形成对比。仿真结果显示,串联机械手采用PID控制器和模糊PID控制器,其角位移跟踪误差较大,而采用改进模糊PID控制器,角位移跟踪误差较小。串联机械手采用改进模糊PID控制器,可以提高控制系统的稳定性,削弱机械手的抖动现象。     

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.     

锅炉汽包水位控制系统的设计——模糊自整定PID控制器设计

本文主要介绍了模糊控制的基本思想及模糊控制系统的基本结构,以锅炉汽包水位控制系统为例,设计模糊自整定PID控制器,与传统PID控制器相结合,实现实时控制中PID参数的在线整定。     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

自适应模糊PID控制器的设计及基于MATLAB的计算机仿真

将模糊控制器和PID控制器结合在一起,利用模糊逻辑控制实现了PID控制器参数在线自调整,进一步完善了PID控制器的性能,提高了系统的控制精度.并把MATLAB中的FuzzyToolbox和SIMULINK有机结合起来,方便的实现了该自适应模糊PID控制系统的计算机仿真,拓宽了FuzzyToolbox和SIMULINK的应用范围.     

基于单神经元PID控制器的闭环控制系统

目的 解决传统PID控制器对时变系统控制能力不强的弊病。方法 利用神经网络理论与传统PID控制理论相结合。结果 设计了一种单神经元PID控制器，将其应用于被控制对象是快时变和慢时变的两类闭环控制系统。结论 实验证明这种单神经元PID控制器通过在线边学习边控制的方式，实现了实时控制。     

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。     

多级思维进化寻优的模糊PID控制器设计

为了提高模糊PID控制器的适应性，首先对模糊PID控制器进行简化处理，简化后的PID被控参数与量化因子、比例因子和解析规则相结合，构成多参数寻优的模糊PID控制器，同时采用多级“思维进化算法“对参数进行分组分阶段交替寻优，以适应各种环境的变化。仿真结果表明，MEA—模糊PID控制系统的结构合理，解决了模糊控制中参数优化问题，取得了良好的控制效果；同时在保证控制效果的情况下，大大简化了模糊PID控制器的设计。     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

基于遗传算法优化的模糊PID控制研究及其仿真

提出了一种基于遗传算法优化的模糊PID控制系统：采用遗传算法优化模糊控制中的隶属函数和控制规则,进一步完善了模糊PID控制器的性能,提高了系统的控制精度。并对优化后的模糊控制器进行了Matlab仿真研究,结果表明：经过优化后的控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值。     

模糊神经网络自适应PID控制在烟叶复烤系统中的应用

烟叶复烤过程具有时滞、不确定、非线性特性,仅利用常规P ID控制不能使复烤过程的各项性能指标满足要求.本文提出了一种模糊神经网络自适应P ID控制器,该控制器即具有模糊控制简单和有效的非线性控制作用,又具有神经网络学习和自适应能力和P ID的广泛适应性.仿真结果表明,该控制器能对烟叶复烤过程进行有效控制.     

径向基神经网络和模糊PID控制器在矿井输送机中的应用

矿井输送机运行过程中,由于被控对象具有时变、非线性等因素,传统自适应PID控制算法难以满足控制要求．针对这一问题,采用径向基神经网络和模糊控制策略优化PID控制器参数,从而对矿井输送机进行控制。在MATLAB上进行试验仿真实验结果表明,这种PID控制器在矿井输送机中起到了很好的效果,     

基于PSO优化算法的模糊PID励磁控制器设计

针对优化发电机励磁控制器控制问题,研究模糊理论及人工智能控制方法,建立数学模型分析励磁控制器,找到将粒子群算法与模糊PID相整合的励磁控制途径,并设计了适用于低压水轮发电机的励磁控制器.粒子群优化算法优化控制系统的初始参数,模糊PID完成对系统的动态控制.仿真结果表明,改进的控制器算法相比传统PID控制和模糊控制PID,响应速度较快(上升时间少于1s),超调量小(超调量少于5%).能够满足控制器快速、准确和稳定的要求,是一种先进的控制方法.     

Optimal Fuzzy PID Controller with Adjustable Factors and Its Application to Intelligent Artificial Legs

A new kind of optimal fuzzy PID controller is proposed, which contains two parts. One is an on-line fuzzy inference mechanism and another is a conventional PID controller. In the fuzzy inference mecha-nism, three adjustable factors χp, χi, and χd are introduced. Their function is to further modify and op-timize the result of the fuzzy inference to make the controller have the optimal control effect on a given ob-ject. The optimal values of these factors are determined based on the ITAE criterion and the flexible poly-hedron search algorithm of Nelder and Mead. This PID controller has been used to control a D.C. motor of the intelligent artificial leg designed by the authors. The result of computer simulation indicates that the design of this controller is very effective and can be widely used to control different kinds of objects and processes.