基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

一种自整定PID控制器的设计

介绍了一种针对工业过程中常遇到的二阶纯滞后系统自整定ＰＩＤ控制器的设计方法。该控制器可实行在线辨识,自动整定控制参数,其结构简单,工作稳定,鲁棒性好。另外,对于一些复杂过程和严重非线性过程,在辨识过程不十分有效的情况下,运用一些专家规则,仍可使控制系统有较好的工作性能     

用模糊控制实现PID参数自整定的研究

研究并提出了一种Ｆｕｚｚｙ－ＰＩＤ控制器的设计,该控制器把Ｆｕｚｚｙ控制和ＰＩＤ控制有机地结合起来,实现对控制系统的参数自整定。仿真结果表明,这种Ｆｕｚｚｙ－ＰＩＤ控制效果将明显优越于单纯ＰＩＤ控制方式。     

改进的多目标遗传算法及其在PID优化设计中的应用

该文提出一种多目标遗传算法,采用新的拥挤距离计算方法,改进非支配性的比较方法,并引入双重精英策略,提高了进化效率和解的质量,更有效地保持了解的多样性. 将该算法应用于PID优化设计,使系统可同时兼顾快速性、稳定性和鲁棒性,决策者可根据当前工作需求在所得的Pareto解集中选择最终的满意解. 仿真结果表明提出的设计方法有效.     

基于模糊自整定PID控制的磁悬浮轴承控制器

将模糊控制与PID控制相结合,研制了以AT89C55为核心的磁悬浮轴承控制器,并用C51编制了相应的数控软件.通过实验证明系统具有良好的控制效果.     

Buck电路PID参数继电反馈自整定仿真分析

摘要：基于MATLAB平台,以Buck型电路为对象,在MATLAB／Simulink中先搭建数学模型,采用改进型继电反馈技术,通过激励电源系统产生极限环振荡,测出原系统参数,根据经验公式,确定补偿电路,最后分析闭环控制系统性能指标．通过与原始Z—N法和适度超调法仿真对比,建立的改进型仿真电路可以实现对Buck型开关电路的PID补偿参数自动整定,达到了较好的设计要求．     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

PID控制技术与应用

PID控制技术成熟,广泛应用于化工生产过程控制中,阐述PID控制的典型结构,调节方法,以及PID控制算法及其组态．     

基于BP神经网络的机械臂模糊自适应PID控制

机械臂属于强耦合多变量的典型非线性系统,常规的控制策略难以取得满意的控制效果.采用基于BP神经网络的模糊自适应PID控制策略,解决了原有PID控制的参数自适应能力弱、鲁棒性较差的问题.该方法采用BP神经网络动态调整PID控制器参数,使之能够随时满足控制精度的需要,改善系统的控制性能.仿真实验结果表明:所提的控制策策略实现简单,同时具有较高的控制精度.     

浮点数编码的遗传算法在系统辨识中的应用

采用基于浮点数编码(十进制编码)的遗传算法,融合和改进了一些遗传操作,提出了一种系统辨识的方法并应用到在噪声背景下ARMA模型系统的辨识.仿真表明,该方法能有效地克服有色噪音的干扰,从而获得系统参数的无偏估计,在开口箱扬声器系统的低频参数测量中的应用也表明了该方法的有效性.     

一种单神经元PID控制器

提出了一种单神经元自适应PID控制器，给出了控制模型，探讨了单神经元自适应PID控制学习算法，通过修改神经元控制器连接加权系数w(k)和神经元比例系数K的选取，构成了自适应PID控制器，并基于MATLAB／SIMULINK对其进行仿真．结果证明单神经元PID控制器是一种具有自学习，自适应，鲁棒性强，适用的控制器。     

基于模糊PID算法的同步发电机励磁控制器设计与仿真研究

同步发电机励磁控制器是同步发电机控制系统的核心.传统PID控制理论在同步发电机励磁控制上的应用已经非常成熟.但是,这种控制方式存在着定参数、线性控制规律、适应性差的缺点.针对这些问题,采用模糊PID的控制算法,根据输出变化量和变化率在同步发电机运行过程中实现实时调整,起到动态调整PID参数的作用,使系统的动态和静态运行性能得到改善,并使系统具有较强的适应能力,提高控制效果.     

浮点数编码的遗传算法在系统辨识中的应用

采用基于浮点数编码（十进制编码）的遗传算法,融合和改进了一些遗传操作,提出了一种系统辨识的方法并应用到在噪声背景下ARMA模型系统的辨识。仿真表明,该方法能有效地克服有色噪音的干扰,从而获得系统参数的无偏估计,在开口箱扬声器系统的低频参数测量中的应用也表明了该方法的有效性。     

基于二步估计器的PID自校正预测控制

基于内模原理构建d步超前预测控制器.根据d步超前预测信号,运用二步估计器进行数据信息处理,创建PID自校正预测控制算法.仿真结果表明:该算法实现起来简便,能够有效地减小控制系统的运算量,提高控制的实时性.     

遗传算法对直流伺服线性定常系统的优化研究

指出了开环伺服电机系统选择PID控制算法后存在的问题，概括为两点：其一是控制传递曲线不平滑；其二是直流伺服线性定常系统辨识不能达到最优值，并采取遗传算法对直流伺服线性定常系统进行优化处理，从而很好地解决了这两个问题，实现了控制传递中有极好的平滑曲线，瞬时响应性能，稳态性能以及鲁棒性能。     

BP人工神经网络与遗传算法在型材挤压模具参数优化中的应用

基于MATLAB平台,将BP人工神经网络与遗传算法应用于型材挤压模具参数优化设计.首先利用BP神经网络来训练已有实验值,然后将训练后的神经网络作为知识源,通过曲线拟合与逼近求得设计变量与目标函数值的函数关系表达式,最后将这一函数表达式作为遗传算法的适应度函数进行遗传迭代寻找最优解.采用曲线拟合方法将其知识源转化成为了具体的函数表达式,直观地体现了神经网络的知识源,为后继的遗传算法提供了明确的适应度函数.数值模拟分析表明,对挤压模具结构的优化是合理的.     

基于分布均匀度的自适应蚁群算法最优PID控制

蚁群算法是一种启发式算法,在解决组合优化类问题方面具有突出的适用特征,但由于蚁群算法按一种固定不变的模式更新信息量,确定每次路径的选择概率,故存在早熟停滞现象,且收敛速度较慢.为了克服这些缺陷,提出了一种基于分布均匀度的自适应蚁群算法优化PID控制的方法,该方法克服了蚁群算法的不足,较好地实现了PID控制参数Kp、Ti、Td的优化,系统单位阶跃响应超调量σ和调整时间ts获得改善,并具有广泛的应用前景.