基于模糊PID的质子交换膜燃料电池输出电压控制

为了保持质子交换膜燃料电池(PEMFC)的输出电压稳定,该文提出了一种电压动态控制模型.设计了一种自适应模糊比例积分微分(PID)控制器.通过3个模糊控制器实时地整定PID控制器参数.当电池负载发生变化时,通过调节氢气流速控制PEMFC电堆的输出电压.仿真结果表明,所建模型能较好地反映PEMFC的动态性能.与PID控制器相比,自适应模糊PID控制器可以使电池的输出电压快速平滑地过渡到设定值.     

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

多模型自适应PID解耦控制器

对于一类非线性、强耦合、离散时间系统,提出了基于多模型的多变量自适应PID解耦控制策略,取消了系统平衡点参数已知的条件.控制策略包括一个完全自适应PID解耦控制器,一个参数重赋值自适应PID解耦控制器,多个参数固定PID解耦控制器和一个切换机制.理论分析表明,通过合理地选择切换函数,自适应PID控制器保证系统BIBO稳定,参数重赋值自适应PID控制器和参数固定PID控制器改善系统性能.     

无刷直流电机的变论域模糊自适应PID控制系统设计

为了改善无刷直流电机的调速性能,针对普通模糊PID速度控制器的缺陷,研究了基于变论域思想的自适应模糊PID控制器及其在BLDCM控制系统中的应用.在Matlab仿真平台下,建立了BLDCM的模型,构建了BLDCM的电流、转速双闭环控制系统,其中转速环采用了变论域自适应模糊PID控制器,电流环采用普通PID控制器.仿真结果表明,与常规PID控制器和普通模糊PID相比,采用变论域自适应模糊PID控制器的优势在于:转速输出无超调、响应速度快、控制精度高,具有较强的鲁棒性和自适应能力.     

基于线性化误差模型的自适应控制系统设计

本文提出了一种基于线性化误差模型的自适应控制系统。该控制系统首先为非线性过程建立一个ARX模型与一个基于神经模糊系统的线性化误差模型组成的合成模型,然后再引入单神经元控制器,利用线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。最后,将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并和传统的PID控制器进行比较。仿真结果表明,这种基于线性化误差模型的自适应控制和PID控制器相比,具有更快的响应速度。     

云调节增益自适应单神经元PID的应用

提出了一种单神经元自适应PID控制器,并给出了控制结构模型。首先探讨了单神经元自适应PID控制学习算法,进而通过分析单神经元PID控制算法与系统动态响应及超调量的关系,利用云模型控制器修改神经元控制器的比例系数K,并根据系统误差在线实时修改控制系数,提高了系统响应性能。仿真结果表明,增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强的控制器。     

云调节增益自适应单神经元PID的应用

提出了一种单神经元自适应PID控制器，并给出了控制结构模型。首先探讨了单神经元自适应PID控制学习算法，进而通过分析单神经元PID控制算法与系统动态响应及超调量的关系，利用云模型控制器修改神经元控制器的比例系数K，并根据系统误差在线实时修改控制系数，提高了系统响应性能。仿真结果表明，增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强的控制器。     

电子节气门的自适应前馈-反馈复合控制器设计

针对具有复位弹簧和摩擦本征非线性特性的电子节气门系统,设计了一种自适应前馈-反馈复合控制器,以实现节气门的高精度位置跟踪控制。复合控制器由前馈控制器、非线性自适应补偿器和PID反馈控制器组成,是基于Lyapunov稳定性理论和自适应Backstepping技术推导获得的。因此,所设计的控制器既具有PID控制只使用输出位置检测信号反馈的优点,又避免了控制非线性系统时传统PID增益参数确定的标定与试凑。控制器的有效性通过仿真给出了验证。     

无刷直流电机自适应模糊PID控制及仿真

针对iECar永磁无刷直流电机转速PID控制精度低、控制不稳定和响应滞后等缺点,介绍了一种具有智能性质的自适应模糊PID控制器设计思路,提出了一种模糊控制器量化因子与比例因子整定的新方法。通过模糊推理方法实时调整PID控制器的比例、积分、微分3个参数,以实现电机转速输出的有效控制。最后,在Matlab/Simulink环境下构建了iECar无刷直流电机转速自适应模糊PID控制模型。仿真结果表明,自适应模糊PID控制效果较传统PID控制有明显的改善,显示了该控制器良好的鲁棒性、稳定性和动态响应特性。     

基于模糊自适应整定PID的水下焊缝跟踪

针对水下焊接过程中焊缝跟踪控制的难点问题,设计了一种用于水下焊缝跟踪的模糊自适应整定PID(比例-积分-微分)控制器,采用模糊控制器充当调节器,在线调整PID控制器的3个参数,利用PID作为控制器,实现控制量的输出;讨论了该控制器的设计方法,并在相应模型的基础上进行了带扰动的控制模拟.仿真结果表明,该模糊自适应整定PID控制器的动态响应快、超调量小、稳态精度高、抗干扰能力强,能够满足水下焊缝跟踪的要求.     

基于改进灰色预测模型的自适应PID控制算法

针对大滞后系统提出一种基于改进灰色预测模型的自适应PID控制,采用优化背景值和初始条件的改进GM(1,1)模型作为预测模型,用预测结果代替被控对象测量值,克服了大滞后系统控制效果不能及时反馈的不足,并将二次型性能指标引入到PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了自适应PID的最优控制。仿真结果证明,该方法对大滞后系统具有较好的适应性和鲁棒性。     

基于神经网络的PID参数自整定与实时控制

将Bang-Bang控制与神经网络自适应控制相结合，利用神经元的学习功能构成了一种自适应PID控制器，控制器在Bang-Bang控制阶段进行系统辨识，利用系统参数整定PID控制参数，作为神经网络权系数的初值，其结构简单，工作稳定，鲁棒性强，实时控制结果表明，这类神经网络自适应控制器可有效地用于一类电加热炉系统的温度控制，使得系统具有快速响应性和良好的抗干扰性。     

基于新型PID神经网络的自适应控制系统研究

提出一种新的PID型神经网络的自适应控制系统,该控制系统采用对角递归神经网络辨识对象的正向模型,采用一种新型神经网络控制器产生控制量,与常规PID控制不同的是,该控制量不再是误差信号的比例、积分和微分量的简单线性组合,而是这些信号的一种非线性组合,从而可以有效地解决常规PID控制器存在的快速性和超调量之间的矛盾.仿真实验表明,这种新型控制系统具有较强的自适应性和鲁棒性.     

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。     

An Adaptive Model and Algorithm for an Electrohydraulic Position Servo System in Auto Gauge Control for Aluminum Hot Tandem Mill

The electrohydraulic servo position control system (HPC) is the core of an auto gap control for a modern fourhigh continuous hot strip mill. The actuators are loaded with considerable external disturbances, rolling forces, and the system stiffness and position accuracy will become hypersensitive to the leakage and the compressibility of the oil. Many efforts have being made to increase the position accuracies. The conventional resources are proportion integral differential (PID) controller. But the PID controller is faint for a considerable external disturbance. In this paper, by introducing the adaptive control strategy of model reference the reciprocities of the system structure with the loads were analyzed. With the Lyapunov energy function, an adaptive control algorithm applied to improve the system accuracy was formulated. The system simulations and the selection of parameters of the model were also discussed. The simulations show the static state errors at 0.02%. Finally, the industrial experimental result was given.     

自适应PID控制在风力发电机试验系统的应用

将模糊自适应的控制模型与常规PID控制算法相结合,设计一种自适应模糊PID控制器,利用这种控制器的控制参数在线调整功能,以适应被控过程的参数时变性,并将其应用于风力发电机试验系统电源组的控制系统,来改善试验系统电源组的控制性能.结果表明,控制器参数易于整定,且具有较好的自适应性.应用自适应模糊PID控制的风力发电机试验系统电源组的控制系统能够适应被控对象在较大范围内的变化,具有较强的自适应性和优良的控制性能.     

基于气动人工肌肉的混合位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一个带有自适应模糊小脑模型（Cerebellar Model Articulation Controller,CMAC）在线逼近的离散趋近律滑模混合控制器.该混合控制器中离散趋近律滑模策略产生控制器的输出;自适应模糊CMAC用以逼近气动人工肌肉系统中的不确定项.CMAC网络权值的在线学习调整保证了自适应模糊CMAC的逼近性能.对离散抗饱和PID控制器（DASPID）与自适应模糊CMAC离散滑模混合控制器（HybridC）的位置跟踪控制性能进行了对比实验.实验结果表明,HybridC较之DASPID有更好的位置跟踪控制性能.当期望参考输入为正弦信号时,DASPID的最大位置跟踪误差为±15 mm;而HybridC的最大位置跟踪误差仅为±07 mm,平均位置跟踪误差大约仅为±02 mm.并且,离散滑模所固有的抖振现象得到了有效的抑制.     

模糊自适应PID在焦炉控制中的仿真

针对焦炉温度大惯性、纯滞后、非线性和时变性等特点,结合PID和模糊控制两者的优点,提出了一种模糊自适应PID控制方法.对模糊自适应PID算法进行了理论分析,对焦炉生产的简化模型做了仿真研究.结果表明,采用模糊自适应PID控制,系统的调节时间缩短,响应速度加快,抗干扰能力和适应参数变化的能力都优于常规PID控制,具有更好的动态特性和稳定性,有效减少了炉温的波动.