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。     

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。     

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。     

改进遗传算法在CFB锅炉热工过程建模中的应用

针对循环流化床(CFB)锅炉热工被控对象的特点及遗传算法存在的问题,提出一种用于热工过程建模的改进遗传算法,此算法引入模糊集理论,实现交叉概率和变异概率的模糊自整定,有效抑制了算法早熟,提高了算法的全局搜索能力.利用阶跃响应法获得现场特性曲线,基于模糊遗传算法得到典型负荷处的传递函数,将建模结果用于现场控制器的设计.对主汽温系统现场控制器进行内模控制整定,并进行了仿真研究和实际应用,结果表明该方案有较好的鲁棒性和抗干扰能力.     

基于频域的PI控制器整定方法研究及仿真

提出了一种基于频域的PI控制器参数整定方法。以典型的一阶惯性加滞后系统为被控对象,综合考虑系统设定值响应和扰动响应,以ISE为性能指标,结合求解幅值裕度和相位裕度的简化公式,利用Nelder-Mead单纯形优化方法搜索给定幅值裕度下的最优相位裕度,整定PI控制器参数;通过与几种整定方法对比,验证了该整定方法使得制系统具有良好的控制效果和较强的鲁棒性;对中央空调系统中几种高阶系统模型进行简化,利用该整定方法进行仿真试验,进一步验证该方法的可行性。     

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。     

基于干扰观测器的Fuzzy-PID控制及应用研究

针对大射电望远镜(LT)悬索粗调系统为一变结构、非线性、慢时变、大滞后、强耦合、多输入多输出柔性结构系统的特点,提出了一种Fuzzy-PID控制和干扰观测器相结合的控制算法来实现馈源轨迹跟踪策略。这种方法通过构造干扰观测器来预测该柔性结构系统的各种干扰,并根据预测到的干扰信息进行补偿以抑制干扰对系统的影响,同时引入Fuzzy控制算法来自适应整定PID控制器的参数实现具有最佳组合的PID控制。最后,对LT悬索-馈源舱控制系统进行了数值仿真,结果表明该控制算法可以较好地满足馈源系统轨迹跟踪精度要求,同时系统具有较强的适应性和鲁棒性。     

TITO系统的非线性鲁棒控制器参数整定

基于Monte-Carlo实验研究了TITO(二输入二输出)系统的非线性鲁棒控制器(NRC)参数整定的规律.提出了以一种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值和超调量为控制系统性能指标,主要分析NRC参数取值变化对控制系统性能鲁棒性的影响.以若干典型TITO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TITO系统的NRC参数整定的规律.     

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。