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。     

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。     

基于BP神经网络PID参数自整定的研究

PID控制是迄今为止在过程控制中应用最为广泛的控制方法。但在实际应用中，其参数整定仍未得到较好的解决。本文把神经网络技术应用在PID控制中，充分利用神经网络具有非线性函数逼近能力，构造神经网络PID自整定控制器，并通过仿真试验，取得较好的结果。     

一类二自由度PID控制的神经元实现研究

给出一种从不完全二自由度PID控制P—I—PD算法派生出的神经元PID控制器的实现方法，利用MATLAB／SIMULINK仿真软件对该控制器在燧道式炉中的应用进行仿真研究。仿真结果表明，神经元P—I—PD控制不但具有二自由度PID控制的优点，而且还具有神经元自适应控制的特点，系统具有较好的跟随性、抗干扰性和较强的鲁棒性。     

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。     

电站仿真器PID控制参数的模糊整定

在归纳总结目前使用较广泛的一些控制系统参数整定方法的基础上,通过对热工过程对象特性的研究,提出一种基于模式识别的模糊整定方法,以此在电站控制系统中的汽温控制等回路上进行了仿真整定试验,并将其应用于东北电力局６００ＭＷ电站仿真器的控制系统参数整定,效果良好,证明了本文提出的整定方法的可行性     

基于遗传算法的车辆ABS在线整定PID控制及仿真

分析了ABS(防抱制动系统)PID控制方法的原理。提出了基于遗传算法的在线ABS PID控制方法。为了使控制器具有更高的搜索效率以满足ABS的实时性要求,改进了遗传算法的遗传算子,使复制与交叉操作并列存在,使用具有选择性的交叉操作,并改变变异操作的随机性,使其成为受控的随机操作。使系统能根据车辆的运行条件实时整定PID控制参数。仿真结果表明,基于遗传算法的在线ABSPID控制方法能有效抑制超调,控制ABS跟踪路面条件变化。     

基于神经网络自整定PID控制策略及其仿真

提出了在RBF网络辨识Jacobian阵基础上，将BP网络引入PID控制参数在线整定的算法，算法可以实现PID控制参数的自动在线整定和优化；给出了在Matlab平台上实现算法的步骤；并通过实例仿真进一步证明了算法的可行性和优越性。     

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。     

基于模糊逻辑的二自由度PID调节器参数整定

传统二自由度PID(比例 积分 微分 )调节器中二自由度化系数α、β、γ ,根据经验值一次性选定 ,这样虽然能满足一般控制系统的控制要求 ,但是难以克服系统参数摄动或外界扰动对系统造成的影响。针对这一问题 ,提出了一种模糊自整定方法。该方法将模糊分类、模糊推理、特征量辨识等控制算法结合起来 ,自动整定二自由度化系数使系统响应达到期望的性能指标。仿真结果表明该方法是有效的     

两类模糊PID控制器的等价性分析

变论域与变分布模糊PID控制器是两类不同的自适应模糊控制器 ,分别通过调整转换因子与隶属函数分布对模糊控制器的性能进行调节。利用模糊控制器结构分析方法对这两类模糊PID控制器的本质进行了深入分析。通过分析可以得出结论 ,在一定条件下这两类模糊PID控制器在性能调节方面是等价的。此结论将对这两种模糊PID控制器的应用提供参考     

改进单神经元PID控制器在伺服系统中的应用

单神经元PID以其计算量小,结构简单的优点被广泛应用。对基于单个神经元的直接PID控制算法进行改进,改进算法中采用不同的学习速率和权值调整方法,更好的体现了PID控制器中比例、积分、微分环节的作用。通过对典型的转台动态伺服系统仿真表明,改进算法比一般的单神经元PID算法控制效果好,抗干扰性好。     

基于混沌的白适应模糊PID参数寻优研究

针对自适应模糊PID控制器提出了一种基于混沌变量的优化算法.首先,利用混沌运动的遍历性特性,基于混沌优化方法进行PID控制器设计.在系统稳定的条件下,通过粗调和精确搜索可以找到具有最小参数的最佳控制器.这些参数被用来作为自适应模糊PID控制器的最佳参数.然后,按照自适应模糊控制方法,控制律及其参数可以被确定.仿真实验结果显示,该方法能够达到所要求的指标,其有效性得到了证明.     

基于混沌PID参数寻优的伺服系统控制方法研究

利用混沌运动遍历性和随机性的特点,对PID控制器进行参数寻优。在满足系统稳定前提条件下,通过利用混沌运动的粗寻优和细寻优,最终可以找到性能指标最小的一组参数。把这组参数就作为PID控制器的主要参数。仿真结果证明此方法可以快速稳定地实现PID参数寻优整定,而且所得参数的控制效果与传统参数整定方法相比在响应时间、超调量等方面效果更好。     

基于动态RBF神经网络在线辨识的单神经元PID控制

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法。采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。     

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PSO算法及在PID参数整定中应用研究

针对粒子群优化算法(PSO)存在早熟和局部收敛的问题,提出了一种带变异算子的改进粒子群优化算法(IPSOM),该算法在搜索中以一定变异概率对选中的粒子进行变异,同时对飞离搜索区域的粒子用新产生的粒子取代,以克服粒子群优化算法易陷入局部最优解的缺陷。用一典型的Rastigrin复杂函数对新算法进行测试,结果表明改进的算法较之粒子群优化算法(PSO)和常规遗传算法(SGA)不但提高了全局寻优能力,而且有效避免了早熟收敛问题。在此基础上将这种改进算法应用于高阶带时滞对象的PID控制器设计中进行仿真研究,结果表明了所提出算法的有效性和所设计控制器的优越性。