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。     

一种PID型模糊神经网络控制器

为了使一种基于两维控制规则基的PID型模糊控制器具有参数在线学习功能，提出了一种包含一个自回归神经元的五层模糊神经网络，并根据梯度下降法，给出了它各权值的修正算法，该网络可以在反馈控制系统中作为一个自学习控制器来使用，最后，根据有关定理，给出并证明了该网络各层权值学习速率的收敛准则。     

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。     

磨矿过程参数自整定PID解耦控制器的设计

根据磨矿过程的数学模型,提出一种改进混合蛙跳算法优化的PID控制器对磨矿过程进行解耦控制。解耦后形成两个单输入单输出通道,使得磨机给矿的速率直接控制磨机排矿率,泵池给水的速率直接控制磨机粒度。一种新的蛙跳规则被提曲用来增强SFLA的局部搜索能力,该规则主要通过模拟青蛙的感知和运动的不确定性来动态随机地调整青蛙的局部搜索...     

一种改进的鲁棒分散PID控制器的设计

针对复杂的多变量化工过程控制,通过对有效传递函数方法的改进,得到了一种鲁棒性较高的多变量分散PID控制器设计方法METF(改进的有效传递函数法).在有效传递函数方法的基础上,首先导出了多变量FOPFD(一阶加纯滞后)和SOPTD(二阶加纯滞后)对象的传递函数到状态空间表达式的-种转换通式:再由多变量PID控制系统的结构的统一性,推导出整个系统的闭环状态空间表达式,便于求职各种综合崜能指标,并在此基础上对PID整定公式中的幅值裕度进行多目标NLJ寻优:最后利用完整性判据鉴定参数整定结果.仿真实例证实了改进方法的有效性,鲁棒性和通用性.     

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。     

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。     

一种自校正PID控制器设计与仿真研究

介绍了一种基于改进Ziegler-Nichols参数整定方法的自校正PID控制器。给出系统的ARX模型,引入带遗忘因子的最小二乘实时参数估计算法和增量式PID控制算法;给出改进的Ziegler-Nichols整定方法,建立临界增益和临界振荡周期与系统参数之间的关系式。以其在变风量空调系统的变频风机—管道静压控制回路中的应用为例,进行MATLAB仿真。仿真结果显示,自校正PID控制系统能够实时估计被控对象的参数,实时整定控制器参数,适应被控过程的变化,具有较强的实时参数估计和自校正能力。     

基于自组织调整因子的模糊PID控制器设计

实际工业过程往往是非线性、时变性、其结构参数不确定的系统。提出一种基于自组织调整因子的模糊PID控制器：采用归一化加速度参量来反映系统响应的快慢,引入变论域思想,构建模糊PID控制器的自组织调整机构。该机构根据系统输入输出误差,以归一化加速度参量在线辨识系统运行的不同阶段,动态调整模糊PID控制器的量化因子和比例因子,以改变模糊PID控制器输入输出变量与模糊子集的映射关系,使论域产生伸缩变化,以调节控制器的微分、积分控制作用。仿真结果表明：该自适应模糊PID控制器具有较大的动态调节范围,其动静态性能、鲁棒性、抗干扰能力均优于PID和常规模糊PID控制器。     

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     

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。     

基于遗传算法对PID控制飞行器射程优化

最大射程是飞行器地面发射试验的重要指标,综合控制与优化算法可对其进行系统设计.首先,根据飞行器动力学方程进行品质分析,确定用短周期参数进行最大射程设计;其次,设定时域目标参数,采用根轨迹方法实现关键时刻飞行器PID控制器调参;然后,以仿真参数为基础,采用遗传算法优化飞行器俯仰角指令;最后,根据综合设计的仿真结果,分析出不同飞行阶段最显著干扰产生的作用,为飞行器动力学性能分析奠定基础.     

分流模型PID与鲁棒补偿的复合控制策略

提出了一种基于分流模型PID与鲁棒补偿的复合控制策略，这种控制器具有非线性滤波、增益自调整、鲁棒性好等优良特性。由于分流模型的输出是稳定、光滑且有界，可以构造一类具有输出光滑、有界并且增益自调整的PID控制器，其可设计一类安全控制系统．将分流模型PID与鲁棒补偿控制相结合，有效地解决了参数不确定情况下的一类非线性系统的鲁棒控制问题。通过倒立摆控制系统的仿真研究，验证了控制策略的有效性。     

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。     

典型模糊PID控制器的插值算法及参数优化

推导出了输入采用正规模糊集、三角形、全交迭的隶属度函数;推理输出采用PID形式的典型模糊PID控制器的插值解析表达式,揭示了其本质特征,为实际应用提供了一种快速精确的控制算法。基于该插值解析表达式,研究了利用遗传算法对这一类模糊控制器进行参数优化的方法。最后通过仿真实例验证了本文方法的有效性。     

单纯形法优化PID参数的新途径

本文探讨了一种优化PID参数的新途径,即直接作单纯形各顶点所对应的PID控制器的单位阶跃响应曲线,以此曲线的优劣来代替解析目标函数的值,作为寻优的标准。把该方法用于一加热炉的主控制器设计,结果令人满意。     

基于阶跃跟踪响应的PID控制器性能评价与调节

对阶跃跟踪扰动下的PID控制器性能评价与调节方法进行了研究。首先给出一种由系统闭环阶跃响应数据辨识过程阶跃响应系数的方法。基于辨识得到的过程阶跃响应系数,给出了求取PID/PI控制系统最佳控制性能(SSE指标意义下)和最佳控制器参数的方法。最后给出了对PID/PI控制器阶跃跟踪性能进行评价和调节的流程。仿真实验验证了方法的有效性。