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。     

智能PID控制在电石炉电极调节系统中的应用

针对三相电极电流耦合的电石炉系统,设计出一种智能PID控制器。该控制器首先采用实数编码的遗传算法优化PID控制器的参数,得到一组参数的最优值。然后以此最优值作为PID参数的初始值,结合积分分离的原则设计出一种模糊解耦推理规则对PID参数进行实时整定,以确保系统的响应具有最优的动态和稳态性能。对比仿真试验的结果表明,与常规的PID控制器相比,这种智能PID控制器用于电石炉控制系统可达到良好的动、静态性能和鲁棒性。     

一类非脆弱μ综合鲁棒飞行控制设计与仿真研究

为了解决在被控对象和控制器同时摄动时飞行控制系统的设计问题,提出了非脆弱μ综合鲁棒控制系统设计方法。通过数学模型的转换,将控制器的摄动转化为被控对象的摄动,解决了一类常规的鲁棒飞行控制性能设计不能保证控制器摄动时系统具有较好性能的问题。以某推力矢量飞机侧向运动为例,对其进行了非脆弱μ综合设计并做了数字仿真。仿真结果表明,本文提出的方法具有良好的鲁棒性和可行性。     

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。     

一类控制器摄动系统的H∞强鲁棒控制

为了解决在被控对象和控制器同时摄动时控制系统的设计问题,提出了一般控制系统的强鲁棒性能概念。通过数学模型转换,将控制器的摄动转化为被控对象的摄动。给出了一类可采用H∞混合灵敏度求解强鲁棒控制器的一种设计方法。提高了在被控对象和控制器同时摄动时系统的性能。研究了不确定性权函数和性能权函数权函数的选取。考虑到SISO系统的特点,给出了求解强鲁棒PI控制器的简单算法,设计了强鲁棒控制的PI控制器参数。通过仿真示例验证了设计方法的有效性和可行性。     

基于单纯形法的神经元PID控制器学习参数优化

利用单纯形法优化神经元PID控制器的学习速率和神经元比例系数，一种走动态优化法，每次学习使用的学习参数由单纯形优化器在之前的学习过程中进行预测。为此，定义了一种新的目标函数，实现了学习参数的良好预测。另一种是离线优化法，这是一种全局优化法，使用单纯形优化器只需一步优化，得到最优学习参数。针对不同的初始学习参数和被控对象，经过大量的仿真实验，表明单纯形神经元PID控制器具有很好的动态性能和稳态性能，增强了系统的适应性和鲁棒性，降低了学习参数选择的盲目性和对经验的高度依赖性。     

神经网络在转台控制系统设计中的应用

针对三轴飞行仿真转台中环电液伺服系统的非线性、参数时变性以及转台的快速性要求，给出了一种具有并行结构的单个神经元PID模型参考自适应控制方法。其中环利用神经网络逼近被控对象，控制器采用单个神经元PID。仿真结果表明该方法满足系统快速性的要求，并具有较好的鲁棒性。     

一类热工过程分布参数模型的PID控制仿真研究

分布参数系统普遍存在于热工过程中,PID是普遍采用的控制方法,因此有必要研究分布参数对象的PID控制问题。一般的PID控制器设计方法需要将分布参数模型简化为集总参数模型并降阶,这样就引入了模型误差;基于遗传算法的PID控制器优化设计方法(GAOPT)不受模型限制,可以直接基于分布参数模型进行控制器设计。利用GAOPT方法设计了一类分布参数模型的PID控制器。仿真结果表明,GAOPT方法比常规方法可以获得在超调量、调节时间、ITAE和性能鲁棒性等指标上都较优的控制效果;同时,基于分布参数模型的控制器比基于近似模型的控制器的控制效果有明显改善。     

大型轮式工程车辆转向系统的神经网络PID控制

根据大型轮式工程车辆转向系统的对象特点和操纵方式，提出采用基于RBF神经网络控制器来改进常规PID控制器实现系统控制性能。该控制系统结构中，RBF神经网络辨识器(RBFNNI)实现对被控对象的Jacobian矩阵信息的辨识，神经网络控制器(NNC)是基于RBF神经网络实现的单神经元的PID控制器。在对算法进行改进的基础上设计了神经网络结构，并进行了被控对象的仿真分析。实际结果表明该控制方法具有较好的实用性和鲁棒性，可以用于多操纵模式工程车辆转向系统的控制。     

基于GA与CSA-RBF神经网络辨识的自适应PID控制器

提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程.     

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。     

免疫响应反馈理论在水轮机调节系统中的应用

免疫响应反馈理论是维持生物体免疫平衡的关键,T细胞在不同的免疫阶段所具有的促进和抑制功能,保证了系统的快速响应和足够的稳定性。针对水轮机调节系统具有高度非线性、时变不确定、非最小相位等特点,通过免疫系统与控制系统的类比,借鉴免疫响应调节机理,利用免疫PID控制器来控制水轮机调节系统,并对该系统进行了仿真研究,仿真结果表明当工况变化和存在扰动时免疫PID控制器能有效的改善水轮机调节系统的动态性能,增强其鲁棒性和抗强干扰的能力。     

基于伪并行SPEA2算法的多目标鲁棒PID优化设计

现有的PID参数优化方法往往难以同时兼顾系统对快速性、稳定性与鲁棒性的要求,本文针对这一缺陷,提出了一种多目标PID优化设计方法--在满足系统的鲁棒性的前提下,以超调量、上升时间和调整时间最小作为多目标优化的子目标,并将强度Pareto进化算法(SPEA2)与并行遗传算法(PGA)相结合对其求解.该算法求得的Pareto最优解分布均匀、收敛速度快、寻优能力强,决策者可根据实际系统的要求在Pareto解集中选择最终的满意解,这为快速性、稳定性与鲁棒性的权衡分析提供了有效的工具.仿真结果表明设计方法的有效性和优越性.     

一种改进的基于优化的PID参数整定方法

提出了一种改进的鲁棒PID整定方法,该方法通过使开环传递函数的奈奎斯特曲线与实轴交点的绝对值最小化,来求取各个PID参数。由于该方法的稳定裕量是通过取明确依赖于频率的模型来获得,从而避免了陷入保守性。仿真结果表明,使用提出的控制器整定方法,在命令输入和负载干扰发生阶跃变化时,控制系统都有很好的动态响应,同时在系统参数发生变化或存在未建模动态时,也能保证系统的稳定鲁棒性。     

基于模糊PID的直/气复合再入控制方法研究

升力式高超声速再入飞行器气动力、气动热耦合环境复杂,不确定性和干扰较大,一般采用直接力/气动力的复合控制方式。针对飞行环境特点和不同控制机理构成的复合控制模式,提出了一种基于模糊PID的直接力/气动力复合控制方法,该方法通过对气动力控制与直接力控制两个子系统分别设计模糊PID控制器,并设计了一种复合控制方案。最后针对某型升力式高超声速再入飞行器的纵向姿态复合控制进行了仿真验证,仿真中综合考虑了气动参数的误差、测量误差、大气干扰与大气环境的不确定性。仿真结果表明,所设计的模糊PID控制器较传统的PID控制器具有更好的控制性能,更强的鲁棒性和自适应能力。     

基于自适应遗传算法的多目标PID优化设计

提出一种基于自适应遗传算法的多目标PID优化设计方法。采用染色体实数编码和具有自适应交叉概率和变异概率的遗传算法对PID参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度。通过在适应度函数中引入表示超调量、上升时间和稳态误差的指标项,并对指标项适当加权,可使优化后的PID调节器的综合性能达到满意程度。仿真结果表明,该PID调节器的性能优于常规方法获得的PID调节器。     

Design of PID controller with incomplete derivation based on differential evolution algorithm

To determine the optimal or near optimal parameters of PID controller with incomplete derivation, a novel design method based on differential evolution （DE） algorithm is presented. The controller is called DE-PID controller. To overcome the disadvantages of the integral performance criteria in the frequency domain such as IAE, ISE, and ITSE, a new performance criterion in the time domain is proposed. The optimization procedures employing the DE algorithm to search the optimal or near optimal PID controller parameters of a control system are demonstrated in detail. Three typical control systems are chosen to test and evaluate the adaptation and robustness of the proposed DE-PID controller. The simulation results show that the proposed approach has superior features of easy implementation, stable convergence characteristic, and good computational efficiency. Compared with the ZN, GA, and ASA, the proposed design method is indeed more efficient and robust in improving the step response of a control system.     

改进型PID参数神经网络自学习的船舶操纵控制器

船舶操纵的模型参数具有非线性、慢时变特性、船舶操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用改进型BP神经网络实现PID参数自整定的控制方法，此法能根据船舶动态特性的变化，自动重新整定PID参数，从而改善了操纵性能和鲁棒性。     

基于迭代学习控制的PID控制器设计

针对传统的经验PID整定方法,提出了一种新的PID参数整定算法。该算法首先利用PD型迭代学习控制来进行期望轨迹的跟踪控制,然后根据迭代学习控制的输入输出数据序列,通过强跟踪滤波器来进行参数辨识,可获得对应于期望轨迹的优化的PID控制参数。给出了迭代学习控制的收敛条件,以及如何利用强跟踪滤波器来进行参数辨识。仿真和实验结果表明,采用该算法设计PID控制器,被控系统可以获得较佳的动态性能和较强的鲁棒性。     

基于鲁棒整定的球磨机系统多变量PID控制

基于内模控制原理，导出一种多变量系统的PID控制器参数整定新方法，可直接获得控制器的比例项、积分项、微分项系数以及考虑到微分项可实现性的实际微分环节的时间常数。该整定方法应用于严重多变量耦合的电厂制粉系统球磨机控制的仿真研究，结果表明：所整定的PID控制系统具有良好的调节品质，在系统特性变化的情况下具有很强的鲁棒性。