模糊神经免疫自适应PID在恒张力控制系统中的应用

应用免疫反馈系统原理和模糊神经网络控制理论,在传统PID控制基础上设计出一种模糊神经免疫自适应PID控制器,阐述了该控制器的特点、控制规律和整定方法.控制器参数P、I和D分别由模糊神经免疫反馈系统和模糊神经网络控制器在线修正.进行了恒张力控制系统的动态仿真,并与数字PID和模糊PID控制进行了比较.仿真结果表明,模糊神经免疫自适应PID控制器响应速度快、控制输出稳定、抗干扰能力强和鲁棒性好,较传统PID和模糊PID控制器具有更好的动、静态特性.     

磁悬浮系统的模糊PID控制器设计

基于GML1001磁悬浮实验装置设计了一个模糊PID控制器.该控制器利用传统的PID控制器和模糊控制器相结合形成,能根据系统偏差的大小、方向以及变化趋势等特征,依据模糊规则库做出模糊推理,能自动调整PID参数,可达到更加满意的控制效果.利用设计的模糊自适应PID控制器,对磁悬浮控制系统中钢球的悬浮位置实现了精确的控制.实验结果表明,模糊自适应PID控制器可以使磁悬浮控制系统拥有较好的稳态和动态性能.     

模糊参数自适应PID控制器在张力控制中的应用

应用模糊参数自适应PID控制器实现线切割机钼丝的张力控制，减小钼丝的抖动频率和幅度，提高线切割加工质量．设计了基于模糊参数自适应PID控制器的线切割机钼丝恒张力伺服控制系统，较好地解决了钼丝张力的恒定控制问题，提高了系统的动态品质，改善了系统的鲁棒性．     

基于模糊PID算法的液压机压边力系统设计

针对液压机压边力控制系统的特点,采用自适应模糊PID算法,在Matlab/Simulink中建立模糊逻辑控制器,设计出自适应模糊PID液压机压边力控制系统.仿真结果表明,自适应模糊PID算法使系统具有良好的动静态特性,增强了系统的鲁棒性.     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

SCADA系统分输控制宽域流量稳定性研究

在不改变自动分输控制系统原系统结构的情况下,设计了一种基于模糊控制原理的自适应PID控制器,根据偏差和偏差变化率来实时调整参数KP,KI和KD,实现了小流量下的平稳分输任务.在天然气分输系统业务中取得了较好的分输控制效果,并给出了控制优化设计和软硬件改造方案.现场运行表明,这种模糊自适应PID控制器比常规PID控制器有更好的控制效果,改善了系统的动态响应性能和稳态性能,对改善和优化工业控制系统动态行为有现实意义和参考价值.     

四辊可逆冷轧机恒张力的混合自适应控制研究

为了保证冷轧机轧制中带钢恒张这一特点 ,设计了四辊可逆冷轧机恒张力混合自适应控制系统。该系统含有电压、电流、速度3个内环 ,这3个内环均采取PID调节器控制 ,最外环为张力环 ,采用混合自适应控制器进行控制。由于混合自适应兼并了全连续和全离散算法的优点 ,所以该系统对带钢恒张力控制具有很强的鲁棒性 ,提高了带钢板厚和板形的精度 ,保障了带钢具有较高的板形指标和板厚工差。     

船用锅炉水位模糊免疫自适应PID控制器及仿真

在常规PID控制器的基础上,结合生物免疫反馈机理,引入免疫PID控制算法,进而基于模糊控制理论,设计出一种模糊免疫自适应PID控制器.其中,用模糊免疫反馈P控制器在线整定PID控制器的比例增益,用模糊控制器调整PID控制器的积分时间常数和微分时间常数.并将此控制器应用到船用锅炉水位控制系统中.仿真结果表明,控制器具有很好的快速响应特性和较高的鲁棒性.     

模糊自整定PID控制器设计与仿真

基于模糊控制理论,介绍了一种模糊自适应PID控制器的设计,并利用matlab/SIMULINK软件对所设计的控制器进行了仿真,仿真结果表明,所设计的模糊自适应PID控制器比常规PID控制器明显地改善了控制系统的动态性能,抗干扰能力更强,且易于实现,便于工程应用.     

模糊自适应PID控制在磁悬浮试验台系统中的应用及基于Matlab的仿真

针对磁悬浮试验台的特点,基于模糊自适应控制理论,设计了模糊自适应PID控制器,实现了PID控制参数的在线自整定.通过Matlab软件下的Simulink工具箱和fuzzy工具箱,进行了单通道的磁悬浮试验台控制系统仿真,结果表明模糊自适应PID控制比常规PID控制效果好.     

无刷直流电机的变论域模糊自适应PID控制系统设计

为了改善无刷直流电机的调速性能,针对普通模糊PID速度控制器的缺陷,研究了基于变论域思想的自适应模糊PID控制器及其在BLDCM控制系统中的应用.在Matlab仿真平台下,建立了BLDCM的模型,构建了BLDCM的电流、转速双闭环控制系统,其中转速环采用了变论域自适应模糊PID控制器,电流环采用普通PID控制器.仿真结果表明,与常规PID控制器和普通模糊PID相比,采用变论域自适应模糊PID控制器的优势在于:转速输出无超调、响应速度快、控制精度高,具有较强的鲁棒性和自适应能力.     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

基于模糊自适应PID的温度控制系统

将传统PID控制技术与有着广泛应用的模糊控制技术相结合,设计了一种模糊自适应PID控制器,并实现了基于PLC的自适应模糊PID温度控制系统,该控制系统具有模糊控制的简单、有效的非线性控制作用,稳定性好,有较强的鲁棒性.     

基于模糊自适应PID的智能车控制与仿真

由于智能车的行驶是时变非线性系统,传统的PID算法无法很好地满足需求,改进的模糊自适应的PID算法采用高效的PID算法和模糊自整定控制相结合进行自动调节,可以让智能车系统克服传统PID算法无法实时调节参数的缺点,提高智能车在速度控制上的效率和鲁棒性。利用MATLAB中的Simulink仿真模块,设计搭建模糊控制器,并应用模糊规则进行仿真,分别给与负载电机转速扰动和电磁转矩的阶跃扰动,利用传统PID和改进后的模糊自适应PID控制对比测试电机控制系统的阶跃响应性能。实验表明,该系统不仅实现了智能车速度的实时调控和优化,而且与传统的PID控制算法相比较,具有更稳定的动态响应、鲁棒性与精确度。     

基于ANFIS的DMFC温度建模和改进模糊控制

针对直接甲醇燃料电池(DMFC)的实时控制要求,采用自适应神经模糊推理系统(ANFIS)对DMFC系统的工作温度进行建模与控制.基于实验数据建立DMFC电堆温度模型,避免了DMFC电堆的内部复杂性分析.以训练好的网络模型作为DMFC控制系统的参考模型,采用一种改进的模糊遗传算法(FGA)在线对神经模糊控制器的参数和模糊规则进行自适应调整.将所提出的算法与非线性PID和传统模糊算法进行实验比较,结果表明所设计的神经模糊控制器具有较好的性能.     

模糊自适应PID控制在纸张张力控制中的应用

根据造纸过程中纸张张力的特点及控制要求,建立了控制系统的数学模型,设计了一种具有自适应能力的模糊PID控制器,分析了控制器的结构和规则,仿真实验证明,该控制器具有稳态响应过程比常规PID控制器快,而且稳态精度高,超调量明显较小,全面改善了系统的动态性能,是一种先进的纸张张力智能控制方法。     

模糊控制算法在温度控制系统中的研究

本文结合电加热炉的控制特性,分析了传统PID算法控制器和模糊逻辑控制器的优缺点,并根据智能控制理论的前沿研究,选择了模糊PID复合控制(Fuzzy-PID)来实现对电加热炉这一数学模型为双输入双输出系统的智能控制。根据实际温控系统的要求,设计出一种PID控制与模糊控制相结合的智能控制系统,具备一定的自适应控制能力,因而特别适用于难于用精确数学模型描述的温度控制系统,有较强的稳定性和鲁棒性。     

自适应PID控制在风力发电机试验系统的应用

将模糊自适应的控制模型与常规PID控制算法相结合,设计一种自适应模糊PID控制器,利用这种控制器的控制参数在线调整功能,以适应被控过程的参数时变性,并将其应用于风力发电机试验系统电源组的控制系统,来改善试验系统电源组的控制性能.结果表明,控制器参数易于整定,且具有较好的自适应性.应用自适应模糊PID控制的风力发电机试验系统电源组的控制系统能够适应被控对象在较大范围内的变化,具有较强的自适应性和优良的控制性能.     

基于PSO算法的模糊自调整PID励磁控制器研究

设计了一种新的模糊自调整PID控制器,应用于同步发电机励磁控制系统.利用粒子群优化算法对该模糊自调整PID励磁控制器的量化因子和比例因子进行优化,从而实现模糊控制规则的自动调整和完善,并对所设计的控制器进行了仿真研究.仿真结果表明,所设计的控制器较常规PID励磁控制器有更好的控制效果和较好的动静态特性.     

一种基于模糊神经网络的智能PID控制器

本文设计了一种基于模糊神经网络的PID控制器,利用模糊神经网络对被控制象进行模糊辨识,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,实现PID控制的智能化。通过仿真实验表明,该控制器具有较高的控制品质。