基于遗传神经网络的自整定PID控制器

提出了一种基于遗传算法和神经网络的自整定PID控制器的设计方法。该控制器主要由三个部分组成。第一部分利用遗传算法搜索出一组准优的PID参数，作为PID控制器参数的初值，第二部分利用神经网络具有逼近任意非线形函数的能力，在线调整PID参数，以确保系统的响应具有最优的动态和稳态性能，第三部分是传统的PID控制器，直接对被控对象闭环控制。计算机仿真结果表明，这种控制算法鲁棒性强，响应速度快，可用于控制不同的对象和过程。     

欠阻尼对象的最优PID控制器参数整定方法

研究了带有纯延迟的欠阻尼对象最优PID控制器的参数整定及性能鲁棒性评价问题。首先依据频域判据，确定保证闭环系统稳定的PID控制器参数域，然后采用全局寻优的遗传算法，获得ITAE指标最优的PID控制器参数。采用蒙特卡罗随机实验方法，对模型参数在有界范围内摄动时的性能鲁棒性进行了定量的比较和评价。仿真结果表明，本文方法具有良好的动态性能，在对象参数摄动时与极点配置方法和幅值相位裕量方法相比具有较好的性能鲁棒性。     

一种混合PID控制器的设计

传统PID方法的在数难以精确整定，故其控制精度也难以得到保证.本文提出了一种混合PID控制器的设计方法，它是采用神经网络作为补偿器，与传统的PID一起来对被控对象进行综合控制。仿真研究结果表明该方法较传统PID有更好的控制效果。     

基于PID结构的解耦控制器

针对广义学习模型提出了基于PID结构的零极点配置解耦控制算法.广义学习模型由一个线性时变子模型和一个非线性学习模型组成,其中线性时变子模型的参数采用最小二乘方法进行辨识,非线性学习模型由RBF神经元网络近似.通过引入补偿多项式,使得闭环系统的零极点可任意配置,极大的改善了闭环系统的动态性能.在进行控制器参数选择时,PID结构部分参数可根据常规PID控制器选取,零极点配置部分参数可根据系统期望零极点选取.最后,通过对电弧炉电极调节系统的仿真,验证了控制器的有效性.     

基于动态神经网络的PID参数整定与实时控制

提出了一种基于对角回归神经网络的PID控制器结构,给出了PID参数在线自整定的学习控制算法。为检验控制效果同时还使用了静态BP网络来整定PID参数,并在Matlab环境下,分别建立了基于对角回归神经网络和BP网络的液位实时控制系统。实际的控制效果说明,基于动态网络的PID控制器工作稳定,具有较好的鲁棒性。     

基于MBDE和参数稳定域的PI/PID控制器参数整定

提出了一种应用改进二进制差分进化算法(MBDE,modified binary differential evolution algorithm)对PI/PID控制器参数进行优化整定的方法。基于参数稳定域理论,预先确定保证闭环系统稳定的PI/PID控制器参数的约束范围。根据实际问题的需要,结合相应的性能指标,设计恰当的复合性能准则作为优化算法的优化目标,并采用MBDE智能优化算法对优化目标进行优化,从而得到PI/PID控制器的最优参数。将该方法分别应用于针对某循环流化床床温和一个非最小相位系统的PI/PID控制器的参数整定。仿真结果表明,通过上述方法设计的PI/PID控制器,跟传统方法相比,实现方式简单灵活,可以满足闭环系统动态性能的特殊需求。     

控制系统PID参数整定软件包CSLab

介绍了控制系统PID参数整定软件包CSLab。该软件包是以Matlab5．3为平台开发的，针对于单变量控制系统，采用了多种PID参数整定方法。具有丰富的控制系统仿真、分析计算和设计功能，并且建立了开放性的结构，具有高度的可扩展性，可以把新的参数整定方法扩充进来，同时还为用户提供了其它复杂控制结构，使得用户可以根据需要进行控制系统的设计。     

飞行航迹解耦控制器设计

许多经典的飞行控制系统中,基本飞行控制器纵向和横侧向解耦,可以通过控制飞机的姿态达到跟随参考飞行航迹的目的。对于采用该系统的飞机,当执行航迹跟随任务时,需要设计一种新的解耦控制算法,该算法根据最优参考航迹,将飞机航迹控制指令转化为飞行控制系统所需要的解耦姿态控制指令。给出了由该算法构成的解耦控制器结构,并将其与飞行航迹控制器以及基本姿态控制器结合,共同完成航迹跟随任务。最后通过仿真实验,验证了算法的有效性。     

参数自整定2自由度PID全神经元实现的仿真研究

2自由度PID控制器参数整定是一个复杂而又困难的问题，本文采用全神经元方法实现了2自由度PID控制。通过权值自学习解决了参数自动整定这一难题，只要选择适当的神经元权值系数，就可以是系统的抗干扰能力和跟踪给定的能力同时达到最佳，并使系统具有自适应能力和较强的 鲁棒性。     

分数阶控制器参数整定策略研究

对分数维的分数阶系统的研究吸引了越来越多的研究者。分数阶PIλDμ控制器是整数阶PID控制器的一般形式,较整数阶PID控制器具有优越性,但对其整定方法的研究还很少。基于改进的随机搜索方法,实现了分数阶控制器包括积分次数、微分次数五个参数的优化整定,获得了良好的整定效果。仿真实验证明了提出的整定策略的有效性。同时通过比较说明在被控系统有非线形环节的情况下采取分数阶PIλDμ控制器往往能获得更好的控制效果。     

基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。     

电加热锅炉系统神经网络PID解耦控制器

以多输入多输出系统电加热锅炉为被控对象 ,基于神经网络 PID控制 ,提出了一种可用于带有耦合时延的多输入多输出系统的比例、积分和微分参数自整定的多输入多输出神经网络 PID解耦控制器 ,可以实现多变量系统的解耦 ,定值跟踪控制 ,并使系统具有很好的动态及稳态性能.     

基于负载扰动解耦的磁浮列车非线性控制器设计

悬浮系统控制技术是磁浮列车的关键技术之一.首先建立悬浮系统的非线性模型.针对磁浮列车模型参数变化主要来自负载扰动,结合非线性系统解耦控制方法,设计一种基于负载扰动解耦的非线性控制器,并根据控制器的要求设计了质量观测器,实现控制器的输出与负载扰动解耦.仿真结果表明,解耦控制器能够消除了负载扰动对悬浮系统的影响,具有很好的适应性和鲁棒性.     

一种新型的模糊PID控制器

文中将PID控制器在工程整定方法的基础上，对PID参数作归一化处理，然后通过模糊控制规则和模糊推理确定对PID的参数进行调节，提出了一种新型的模糊PID算法，从而使PID控制器具有适应非线性、时变，不确定性等复杂难控对象的能力。最后利用某火力发电厂过热气温为对象对该算法进行了仿真研究。结果表明该算法使用可靠、精度高，而且具有较强的抗干扰能力和鲁棒性。     

基于免疫蛙跳算法的梯级水库群优化调度

针对混洗蛙跳算法存在的问题,结合克隆选择算法和混洗蛙跳算法各自优势,提出了一种免疫蛙跳算法(ISFLA),并将其应用于梯级水库群优化调度中. ISFLA将克隆选择算法嵌入到混洗蛙跳算法框架中,对整个群体循环进行分组进化与混合,在混合之后构造子群体执行克隆选择操作, 以提高算法的局部搜索能力.通过实际工程验证了该算法的可行性与高效性,从而为梯级水库群发电调度问题的求解提供了一种新的途径.     

A ε-indicator-based shuffled frog leaping algorithm for many-objective optimization problems

Many-objective optimization problems take challenges to multi-objective evolutionary algorithms. A number of non-dominated solutions in population cause a difficult selection towards the Pareto front. To tackle this issue, a series of indicatorbased multi-objective evolutionary algorithms(MOEAs) have been proposed to guide the evolution progress and shown promising performance. This paper proposes an indicator-based manyobjective evolutionary algorithm called ε-indicator-based shuffled frog leap...     

基于广义预测的非线性解耦PID控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络的非线性多变量PID解耦控制方法。该控制器是由常规PID控制器与解耦补偿器、未建模动态前馈补偿器组成,而PID参数的整定是通过广义预测的方法实现的。同时给出了该控制方法的闭环系统的稳定性和收敛性分析。最后通过仿真实例验证了所提方法的有效性和可行性。