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。     

基于MBDE和参数稳定域的PI/PID控制器参数整定

提出了一种应用改进二进制差分进化算法(MBDE,modified binary differential evolution algorithm)对PI/PID控制器参数进行优化整定的方法。基于参数稳定域理论,预先确定保证闭环系统稳定的PI/PID控制器参数的约束范围。根据实际问题的需要,结合相应的性能指标,设计恰当的复合性能准则作为优化算法的优化目标,并采用MBDE智能优化算法对优化目标进行优化,从而得到PI/PID控制器的最优参数。将该方法分别应用于针对某循环流化床床温和一个非最小相位系统的PI/PID控制器的参数整定。仿真结果表明,通过上述方法设计的PI/PID控制器,跟传统方法相比,实现方式简单灵活,可以满足闭环系统动态性能的特殊需求。     

基于广义预测的非线性解耦PID控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络的非线性多变量PID解耦控制方法。该控制器是由常规PID控制器与解耦补偿器、未建模动态前馈补偿器组成,而PID参数的整定是通过广义预测的方法实现的。同时给出了该控制方法的闭环系统的稳定性和收敛性分析。最后通过仿真实例验证了所提方法的有效性和可行性。     

一类多输入多输出系统的预测PID控制算法仿真

研究了一类参教未知的多变量系统的广义预测PID参数整定问题。基于广义预测控制(GPC)的思想和γGPC与PID的相互关系，提出了一种新的离散多变量系统PID参数整定方法，其中性能指标包含了稳态误差加权项。PID参数通过γGPC与PID的相互关系递推计算得到。仿真例子说明了该方法的有效性和可行性。     

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。     

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。     

基于群体智能免疫算法的PID自整定

传统的PID整定方法得到的结果通常不是最优参数,很多学者采用遗传算法和模拟退火方法来解决这个问题.针对遗传算法很容易陷入局部最优值和模拟退火算法收敛速度慢这些缺点,融合了粒子群算法和人工免疫机理的优点,提出了一种基于群体智能的免疫算法,对典型二阶对象进行PID控制器参数优化整定.仿真结果证明了提出的算法有效可行.     

分数阶PID控制器参数的自适应设计

分数阶比例-积分-微分(proportional-integral-derivative,PID)控制器是整数阶PID控制器在复数域的推广,通过引入两个可调参数λ和μ使得控制器参数整定范围变大,但使得参数设计变得更加复杂。针对分数阶PID控制器的特点,提出了一种参数自适应的改进型差分进化算法整定方法,在目标函数的选取上,针对传统时间与绝对误差乘积准则对超调量控制不足,引入误差与控制信号加权,分别对整数阶和分数阶被控模型进行理论分析和数值仿真,仿真结果证明了该控制器参数设计方法的有效性和准确性。     

基于Monte-Carlo实验的NRC参数整定规律研究

基于Monte-Carlo实验研究了非线性鲁棒控制器(NRC)参数整定的规律。介绍了针对单变量非线性对象的NRC控制器设计方法,提出了一种以Monte-Carlo实验原理为基础的NRC参数整定规律研究方法。该方法以ITAE值和系统超调量为控制器性能指标,主要分析NRC参数取值变化对控制系统鲁棒性的影响。以若干典型单变量非线性对象为例进行仿真研究,并在大量仿真试验结果的基础上,总结出NRC控制器参数整定的规律。     

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。     

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     

一类非线性系统的多故障检测方法研究

针对一类非线性系统,提出了一种基于最优滤波的多故障检测观测器设计方法。引入神经网络逼近系统非线性部分,由Lyapunov稳定性理论设计神经网络权值调整规则.采用对等空间方法设计最优滤波矩阵滤除干扰故障噪声,从而对目标故障进行检测和跟踪。仿真结果验证了该方法的正确性和可行性。     

Robust tuning method for modified smith predictor

A robust tuning method for ο^Astroem＇s two-degree of Freedom Modified Smith Predictor （MSP） is proposed, and it can achieve the fast setpoint and load disturbance responses independently. The tuning rules may meet the requirements within a certain delay margin according to the robustness theory. The simulation results illustrate that the tuning method is efficient compared with other controllers. Finally, the MSP controller is applied to the 15L batch fermentation system for controlling the temperature in bioreactor, and the experiment results further verify that the robust tuning rules may achieve good performance.     

Adaptive Robust Dead-Zone Compensation Control of Electro-Hydraulic Servo Systems with Load Disturbance Rejection

A backstepping method based adaptive robust dead-zone compensation controller is proposed for the electro-hydraulic servo systems(EHSSs) with unknown dead-zone and uncertain system parameters.Variable load is seen as a sum of a constant and a variable part.The constant part is regarded as a parameter of the system to be estimated real time.The variable part together with the friction are seen as disturbance so that a robust term in the controller can be adopted to reject them.Compared with the traditional dead-zone compensation method,a dead-zone compensator is incorporated in the EHSS without constructing a dead-zone inverse.Combining backstepping method,an adaptive robust controller(ARC) with dead-zone compensation is formed.An easy-to-use ARC tuning method is also proposed after a further analysis of the ARC structure.Simulations show that the proposed method has a splendid tracking performance,all the uncertain parameters can be estimated,and the disturbance has been rejected while the dead-zone term is well estimated and compensated.     

汽轮机调速系统模糊免疫PID控制的混沌优化策略

针对汽轮机调速系统中存在的时滞、惯性、死区和饱和等非线性环节,采用模糊控制理论,结合免疫反馈机理,设计了基于变尺度混沌优化策略的模糊免疫PID控制系统。将其应用于汽轮机调速系统的参数设计,避免了设计过程中大量的参数调试工作,同时也使系统获得最佳的控制性能。仿真结果表明,此方法对目标函数的优化结果更加有效。     

基于二维模型的保性能离散重复控制系统设计

对于线性离散系统,给出了一种基于离散二维模型的保性能重复控制设计方法。首先为了提高系统的稳定性引入了状态反馈;用离散二维系统的状态反馈来描述重复控制律;然后,使用保性能重复控制设计方法来确保控制系统性能指标不超过某个性能上界。和现有方法的区别是,通过调节性能指标值泛函中相关权重,能够方便地对控制和学习行为进行独立调节。最后通过仿真验证了该方法能取得满意的跟踪性能。     

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.     

非线性系统自适应逆设计及应用

对于一类存在输入未建模动态的非线性系统,提出了一种基于RBF神经网络的自适应逆补偿器设计方法。首先应用两个神经网络设计了补偿器,一个用来估计输入未建模动态,另一个用来作为未建模动态的自适应逆补偿器。该设计放宽了对未建模动态的一些苛刻的要求,如相对度为零,满足小增益条件等。仅要求D(u)逆稳和连续光滑。然后应用反演设计技术设计了控制器,并应用Lyapunov稳定性理论推导出神经网络权重向量的调节律,同时证明了闭环系统的渐进稳定性。最后给出的BTT导弹纵向控制系统设计仿真实例证明了该设计方法的有效性。