热超声倒装芯片运动平台的模糊PID控制

针对自行设计的步进电机结合传动装置构成的热超声倒装芯片运动平台，建立了含摩擦等扰动因素的系统非线性数学模型。针对这一非线性数学模型，研究了传统PID控制和模糊PID控制的控制性能。结果表明，传统PID控制难以达到理想的性能，而模糊PID控制能显著地改善定位精度和运行速度。     

基于神经网络的高速无人艇模糊PID控制

针对采用喷水推进器的高速无人艇具有强非线性,传统控制手段难以快速精确控制的问题,提出以神经网络作为辨识器,并采用模糊控制器对其进行控制的方法。运用MATLAB软件建立系统模型,并进行模糊PID控制器设计,通过对系统仿真,结果证明运用神经网络和模糊PID控制器能够精确实时地实现无人艇控制。     

模糊控制在聚合反应釜中的应用及仿真研究

根据聚合反应釜的大惯性，大滞后特性，用传统的PID控制，模糊PID控制、分段模型控制和史密斯－模糊控制进行仿真研究，最后得到理想的史密斯－模糊控制方法。     

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。     

基于模糊PID控制的导引头角跟踪系统

根据导引头角跟踪系统的工作原理建立了数学模型,并针对这套系统设计了一种模糊PID的控制方法,从而改善了整个系统的控制效果。仿真结果表明,模糊PID控制器在稳定时间、稳态精度上均比传统PID控制器有较大的改进。     

基于模糊/PID控制的渠道运行系统设计和仿真

将传统控制方法与模糊控制理论相结合,利用MATLAB模糊逻辑工具箱设计了一种模糊/PID控制器,用于渠道运行系统的控制,并利用SIMULINK建立了渠道运行的仿真模型,实现了对系统的仿真.结果表明,模糊/PID控制集PID控制与模糊控制的优点于一体,使系统在保持良好的稳态性能的同时,又获得了良好的动态性能.     

基于模糊自适应PID的伺服系统控制

以飞行仿真转台伺服系统为研究对象,设计了一种带比例因子的模糊自适应PID控制器,通过误差和误差变化率在线模糊推理并调整比例因子和PID控制器的修正值.通过引入积分分离控制方法,在保证系统动态性能的前提下,一定程度上克服了模糊控制方法无法消除静差的缺点,也满足转台控制的实时性要求.仿真实验结果表明,该方法与传统PID控制相比,能够有效提高转台伺服系统的动态性能和鲁棒稳定性.     

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。     

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。     

模糊控制技术在自动着舰控制系统中的应用

纵向引导控制律是舰载飞机自动着舰控制系统的核心。舰载飞机着舰环境存在极大的随机性,舰尾流和航母运动不断变化,传统PID纵向引导控制器因其控制器参数固定不变而缺乏灵活性和精确性。在传统的舰载飞机自动着舰PID控制器中引入模糊控制模块,构造模糊PID控制器,并依据飞行控制工程专家的经验构建模糊规则,可实现根据系统状况对控制器的参数进行在线最优调节。与传统PID控制器相比,可极大地提高舰载飞机着舰飞行轨迹精度,也一定程度改善了着舰飞行控制系统的鲁棒性。以F/A-18A为例进行自动着舰飞行仿真,结果表明应用模糊控制技术可以减小着舰误差,提高着舰品质。     

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。     

人工免疫控制器在二元精馏塔控制中的仿真研究

生物免疫系统是一种在复杂干扰和不确定性的环境中具有很强的鲁棒性和自适应性的控制系统。依据生物多抗原多抗体协调免疫机理,以文献[11]中的双因子免疫控制器为基础,提出了抗体交叉免疫耦合控制策略,并以此为基础设计了MIMO人工免疫控制器。以典型的二元精馏塔为被控对象,给出了MIMO人工免疫控制器具体实现方法。用仿真方法研究了MIMO人工免疫控制器的控制效果,并与传统的优化PID控制器做了比较。结果表明这种MIMO人工免疫控制器较传统优化的PID控制器性能优越。     

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。     

分数阶PIλDμ控制器的仿真研究

PID控制是过程控制中应用最为广泛的一种控制方法，分数阶PI^λD^μ控制是常规的整数阶PID控制的推广与发展。本文对通过在复平面映射后的根轨迹对分数阶PI^λD^μ控制器的控制特性、参数的整定等进行了研究，研究表明PI^λD^μ控制器控制参数和阶次的改变都能改变控制质量，而且控制器对其本身参数和系统参数的变化并不敏感，PI^λD^μ控制器具有更灵活的结构和更强的鲁棒性。     

基于Sugeno推理自调整模糊Smith-PID控制器仿真研究

针对工业控制中大惯性、纯滞后、参数时变非线性受控对象难于控制问题,提出一种新型控制器,利用Smith预估器补偿受控过程纯滞后作用,基于Sugeno推理模糊控制器自调整PID参数.给出控制器结构及其控制策略,并将其应用于加热炉温度控制系统中,与常规PID控制器和Smith预估补偿PID控制器比较.仿真结果表明,该控制器各项性能均好于其它两种控制器,具有动态调节性能好、稳态精度高、抗干扰性强和鲁棒巨好的特点.     

基于积分反步法的四旋翼滑模轨迹跟踪算法

针对四旋翼无人机轨迹跟踪过程易受外界未知干扰而引起跟踪误差的问题,设计了基于积分反步法的滑模位置控制器。在该控制系统中,位置回路采用滑模积分反步法(sliding mode integral backstepping, IBS-SMC)非线性控制方法,姿态回路采用经典比例积分微分(proportion integration differentiation,PID)控制方法。通过仿真对PID、线性二次型调节器、IBS-SMC进行了比较。仿真结果表明与传统方法相比,IBS-SMC法具有更好的抗干扰能力与控制精度。最后通过飞行实验,检验了控制算法可行性。实验结果表明,所设计的IBS-SMC是一种符合工程实际的控制方法。     

基于动态模糊神经网络的飞行仿真模拟转台控制

给出了一种新型的动态模糊神经网络及其详细的推理过程和参数迭代算法，并应用于高精度飞行仿真模拟转台控制，控制方法结合了神经网络、模糊推理和动态反馈控制的优点，结构简单、收敛速度快、实时性好。实际控制效果表明该控制方法比PID 前馈控制具有更好的控制性能，并且具有更强的抗干扰能力和鲁棒性。     

MATTER-ELEMENT MODELING OF PARALLEL STRUCTURE AND APPLICATION ABOUT EXTENSION PID CONTROL SYSTEM

This article describes in detail a new method via the extension predictable algorithm of the matter-element model of parallel structure tuning the parameters of the extension PID controller. In comparison with fuzzy and extension PID controllers, the proposed extension PID predictable controller shows higher control gains when system states are away from equilibrium, and retains a lower profile of control signals at the same time. Consequently, better control performance is achieved. Through the proposed tuning formula, the weighting factors of an extension-logic predictable controller can be systematically selected according to the control plant. An experimental example through industrial field data and site engineers＇ experience demonstrates the superior performance of the proposed controller over the fuzzy controller.