基于MATLAB的模糊PID控制系统的仿真设计

本文介绍了模糊PID控制器的设计,并利用MATLAB/Simulink对一个二阶系统控制进行仿真。仿真结果表明:模糊PID控制技术明显改善了控制系统的动态性能,易于实现,便于工程应用。     

基于BP神经网络的机械臂模糊自适应PID控制

机械臂属于强耦合多变量的典型非线性系统,常规的控制策略难以取得满意的控制效果.采用基于BP神经网络的模糊自适应PID控制策略,解决了原有PID控制的参数自适应能力弱、鲁棒性较差的问题.该方法采用BP神经网络动态调整PID控制器参数,使之能够随时满足控制精度的需要,改善系统的控制性能.仿真实验结果表明:所提的控制策策略实现简单,同时具有较高的控制精度.     

模糊自适应整定PID控制及其仿真

将模糊控制器与PID控制器结合在一起，利用模糊控制推理方法实现对PID参数的在线自整定，进行MATLAB／SIMULINK仿真，仿真结果表明，该控制器明显地改善了控制系统的动态性能，易于实现，便于工程应用。     

基于时变T-S模型的自适应控制及其在养老保险系统中的应用

模糊控制算法已经广泛应用于商业和工业领域.讨论了基于时变系统T-S模糊模型的自适应控制方法,及其在养老保险信息系统中的应用.推广了一种基于参数辨识的自适应控制技术,这种自适应控制技术可以在控制过程中在线地调节系统的参数与结构,不断提高其适应能力.通过实际应用案例表明,提出的基于T-S模型的自适应控制技术在时变系统中是成功的.     

基于模糊PID的无人直升机解耦控制研究

针对具有非线性强、多变量耦合的无人直升机,设计了一种基于模糊逻辑PID控制方法,应用于姿态解耦,并且运用混沌优化理论对控制参数进行寻优.经仿真表明,这种方法控制效果好,鲁棒性强,易于工程实现.     

Smith自适应模糊PID控制算法的研究及仿真

针对常规PID控制器在控制具有时变、大滞后等特性的实际被控对象效果不理想的问题,综合Smith预估控制和自适应模糊PID控制的优点,提出了一种新的控制器-Smith自适应模糊PID控制器．介绍了组成原理,分析了在控制时变、大滞后对象时的优点,给出了该控制器的具体设计方法．仿真结果表明,所设计的控制系统超调量小、调节时间短、响应速度快、动、稳态性能好,适用于参数变化的大时滞工业过程．     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.     

基于MATLAB仿真的数控工作台PID控制器设计

普通机床改装数控工作台,准确设定控制参数,不仅可以保证数控系统工作的稳定性,而且可以满足数控加工对工作台快速响应的精确度要求。模糊PID控制系统在数控工作台的控制过程中不仅具有稳定、快速、准确的优点,而且具有模糊控制器原有控制优势,满足机床数控工作台改装的性能要求。     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

基于模糊PID控制的汽车巡航控制系统的仿真与设计

汽车巡航控制系统具有强非线性、时变不确定性,并受到外界扰动、复杂的运行工况等影响,采用传统PID控制很难取得满意的效果.介绍了一种基于模糊PID控制算法的汽车巡航控制系统,并给出了系统的仿真结果和此系统基于DSP的硬件及软件设计.     

基于自适应模糊PID的石墨烯制备控制系统

石墨烯制备的电解过程具有非线性和不确定性,使用传统的比例积分微分（proportion integration differentiation,PID）控制算法难以精确掌控制备过程中的电解电流以及电解液离子浓度,导致在电解法制备石墨烯过程中,易出现团聚和剥离不均匀的问题,据此设计了一种自适应模糊PID算法并建立相应的数学模型,利用该模型可以更好地控制石墨烯制备的工艺精度。使用MATLAB进行自适应模糊PID算法和传统PID算法的对比仿真,并针对仿真结果进行分析讨论。自适应模糊PID算法的响应时间、抗干扰能力和稳定性等性能相较于传统PID算法都要更加优秀,更加符合石墨烯制备控制系统要求。     

T-S模糊控制系统的稳定性研究

针对非线性系统的T-S(Takagi-Siugeno,T-S)模糊控制模型,在分析模糊控制系统稳定性的基础上提出了系统新的稳定性条件和分析方法,减小了以往稳定性判定方法的局限性,增加了稳定性条件的信息,从而保证了判稳条件的宽松.     

交流传动神经网络自适应规划控制系统的设计与仿真

将Hopfield神经网络应用于交流传动系统的自适应控制,通过神经网络来规划交流调速系统的速度控制器动态输出,使速度控制器对某些参数变化具有良好的鲁棒性.对于不可控的负载转矩,加入参数自动跟踪神经网络,构成具有参数在线跟踪功能的双神经网络自适应规划控制模式,进一步提高系统的性能.仿真结果表明,该系统具有良好的动态性能.     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

基于模糊PID算法的同步发电机励磁控制器设计与仿真研究

同步发电机励磁控制器是同步发电机控制系统的核心.传统PID控制理论在同步发电机励磁控制上的应用已经非常成熟.但是,这种控制方式存在着定参数、线性控制规律、适应性差的缺点.针对这些问题,采用模糊PID的控制算法,根据输出变化量和变化率在同步发电机运行过程中实现实时调整,起到动态调整PID参数的作用,使系统的动态和静态运行性能得到改善,并使系统具有较强的适应能力,提高控制效果.     

基于动态逆模糊神经网络的准滑模控制

针对不确定非线性系统,提出了基于动态逆模糊神经网络的准滑模控制,控制量可直接由一个模糊神经网络的前向推理得到.仿真表明了方法的有效性.     

模糊神经网络优化的研究

模糊神经网络具有强大的自学习和自整定功能,然而,随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.