双级矩阵变换器的神经元PID闭环控制研究

为了提高双级矩阵变换器(TSMC)对电网电压突变以及负载扰动的鲁棒性,引入了神经元PID控制器.建立了基于d-q坐标系的TSMC闭环控制系统,利用神经元PID控制器对输出给定电压d,q分量进行跟踪控制.通过MATLAB/SIMULINK仿真将其分别与TSMC开环系统响应和采用PI控制器的TSMC闭环系统响应进行比较,仿真结果表明采用神经元PID控制器能使系统取得较好的动、稳态性能并具有较强的鲁棒性.     

主动队列管理的PI/PID拥塞控制器的调节

主动队列管理是一类重要的互联网拥塞控制策略。然而,要调节控制参数以达到性能目标是比较困难的,目前,许多研究工作致力于寻找简明有效的调节方法。提出了网络拥塞控制中主动队列管理的PI/PID控制器的一个简化模型,给出了控制器参数调节的经验公式。仿真结果表明,新的拥塞控制器简单易行,并具有系统响应时间短、网络流量吞吐率高等优点。     

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。     

基于RBF辨识的伺服系统CMAC控制

提出一种基于RBF辨识的伺服系统CMAC复合控制器,并进行了仿真研究。采用RBF神经网络辨识被控对象模型,根据辨识结果调节单神经元控制器的参数,由单神经元PID控制器与小脑模型前馈控制器组成复合控制结构,通过搜索使控制器尽快地进入合适的参数空间,实现了控制的快速性要求。仿真结果表明,该控制方法能够缩短系统暂态响应时间,提高系统的动态跟踪精度,增加系统鲁棒稳定性。     

基于GA与CSA-RBF神经网络辨识的自适应PID控制器

提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程.     

磁悬浮反作用飞轮中磁轴承的H∞控制与仿真研究

对外转子、大转动惯量、小跨距的磁悬浮反作用飞轮进行了系统分析与建模,设计了基于混合灵敏度函数的H∞控制器,并给出了H∞控制器和PID控制器的S-T特性仿真曲线和阶跃仿真曲线.通过对两种控制器相关项的比较,得出：基于H∞理论的控制器比传统的PID控制器具有更好的动态性能、更强的扰动抑制能力和更好的鲁棒性.     

某型武器模拟转台专家智能控制器的设计

针对控制器饱和等非线性因素严重影响武器模拟转台控制稳定性和精确性的问题,设计了一种基于专家知识的智能控制器,建立了控制规则。采用传统定参数PID控制,保证系统对平缓位置信号的精确跟踪;利用专家智能控制实现大阶跃波动下的快速、平稳过渡。仿真和实验结果表明,控制器调节参数少,收敛速度快,且具有较好的鲁棒性,满足了模拟转台过渡快速、稳定,跟踪精确的研制要求。     

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力.利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能.     

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。     

智能PID控制在电石炉电极调节系统中的应用

针对三相电极电流耦合的电石炉系统,设计出一种智能PID控制器。该控制器首先采用实数编码的遗传算法优化PID控制器的参数,得到一组参数的最优值。然后以此最优值作为PID参数的初始值,结合积分分离的原则设计出一种模糊解耦推理规则对PID参数进行实时整定,以确保系统的响应具有最优的动态和稳态性能。对比仿真试验的结果表明,与常规的PID控制器相比,这种智能PID控制器用于电石炉控制系统可达到良好的动、静态性能和鲁棒性。     

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。     

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.     

时滞系统的最优PID控制与仿真

对过程控制领域中两类典型时滞系统在控制能量存在约束时的最优控制问题作了探讨。定义了一个包含跟踪误差和控制能量在内的积分平方性能指标，针对不同系统运用谱分解的方法最小化该性能指标，从而导出相应的PID控制器的参数整定方法，可使系统在控制能量约束条件下具有最优的控制性能。仿真研究进一步说明了所给方法的有效性。     

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。     

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。     

欠阻尼对象的最优PID控制器参数整定方法

研究了带有纯延迟的欠阻尼对象最优PID控制器的参数整定及性能鲁棒性评价问题。首先依据频域判据，确定保证闭环系统稳定的PID控制器参数域，然后采用全局寻优的遗传算法，获得ITAE指标最优的PID控制器参数。采用蒙特卡罗随机实验方法，对模型参数在有界范围内摄动时的性能鲁棒性进行了定量的比较和评价。仿真结果表明，本文方法具有良好的动态性能，在对象参数摄动时与极点配置方法和幅值相位裕量方法相比具有较好的性能鲁棒性。