基于模糊PID控制的导引头角跟踪系统

根据导引头角跟踪系统的工作原理建立了数学模型,并针对这套系统设计了一种模糊PID的控制方法,从而改善了整个系统的控制效果。仿真结果表明,模糊PID控制器在稳定时间、稳态精度上均比传统PID控制器有较大的改进。     

一类二自由度PID控制的神经元实现研究

给出一种从不完全二自由度PID控制P—I—PD算法派生出的神经元PID控制器的实现方法，利用MATLAB／SIMULINK仿真软件对该控制器在燧道式炉中的应用进行仿真研究。仿真结果表明，神经元P—I—PD控制不但具有二自由度PID控制的优点，而且还具有神经元自适应控制的特点，系统具有较好的跟随性、抗干扰性和较强的鲁棒性。     

基于Simulink的半主动悬架多项式监督PID控制研究

针对汽车半主动悬架实时控制过程提出一种基于遗传算法的离线学习和在线学习相结合的多项式函数监督PID控制方法.在离线学习过程中,遗传算法生成表示PID三个参数(Kp, Ki, Kd)与评价被控对象的评价指标关系的多项式监督函数.在线控制过程中,监督函数监督被控对象的状态,并在其评价指标超标时对PID控制器的参数进行及时调整.以1/4汽车半主动悬架系统为控制对象,使用MATLAB/Simulink进行的仿真实验结果表明这种离线学习与在线调整相结合的PID控制方法能够有效改善悬架系统的平顺性.     

灰色预测模糊PID控制在汽温控制系统中的应用

将灰色预测、模糊控制与常规PID控制三者的设计思想融合起来，提出了一种灰色预测模糊PID控制算法。该算法首先通过建立模糊规则和进行模糊推理来确定PID控制器的参数，然后由PID控制律直接确定控制作用，再将灰色预测在线应用，用其预测结果代替被控对象测量值进行控制运算。仿真结果表明，利用该算法设计的汽温控制系统比应用模糊PID控制设计的汽温控制系统具有更加优良的性能。     

基于神经网络的高速无人艇模糊PID控制

针对采用喷水推进器的高速无人艇具有强非线性,传统控制手段难以快速精确控制的问题,提出以神经网络作为辨识器,并采用模糊控制器对其进行控制的方法。运用MATLAB软件建立系统模型,并进行模糊PID控制器设计,通过对系统仿真,结果证明运用神经网络和模糊PID控制器能够精确实时地实现无人艇控制。     

基于联合仿真技术的主动悬架自适应模糊PID控制研究

近年来联合仿真技术在车辆控制系统的开发研究中得到了广泛的应用。以某皮卡车为研究对象,首先利用ADAMS/CAR软件建立车辆多体动力学模型;然后在Matlab/Simulink环境中设计了基于自适应模糊PID控制的ASS,定义了与ADAMS/CAR环境下车辆模型的数据交换接口;最后,将设计的控制系统在ADAMS/CAR和Matlab/Simulink环境下通过输入输出接口进行联合仿真。文中对随机路面输入和脉冲路面输入工况下的ASS系统及整车动态特性进行了联合仿真研究,其研究结果为联合仿真技术在车辆工程中的实际应用提供了参考。     

电阻加热炉解耦模糊Simth预估PID控制研究与仿真

在电阻加热炉系统中,提出一种解耦模糊Smith预估PID控制器来优化系统的动态响应性能指标,并改善系统因被控对象参数改变或因干扰作用引起系统控制性能变差的现象。通过对具有纯滞后的一阶惯性电阻加热炉系统的仿真可见,解耦模糊Simth预估PID控制器获得的系统动态响应性能指标明显优于常规的PID控制器或Smith预估PID控制器,且在被控对象参数改变或出现干扰时系统的控制性能也得到了较好的改善。解耦模糊Smith预估PID控制的模糊语言规则少,系统响应速度较快。     

基于混沌的白适应模糊PID参数寻优研究

针对自适应模糊PID控制器提出了一种基于混沌变量的优化算法.首先,利用混沌运动的遍历性特性,基于混沌优化方法进行PID控制器设计.在系统稳定的条件下,通过粗调和精确搜索可以找到具有最小参数的最佳控制器.这些参数被用来作为自适应模糊PID控制器的最佳参数.然后,按照自适应模糊控制方法,控制律及其参数可以被确定.仿真实验结果显示,该方法能够达到所要求的指标,其有效性得到了证明.     

热力系统串级控制PID参数优化研究

提出一种稳定域约束的串级PID控制器的参数优化方法。首先根据广义H—B定理得到串级PID控制器参数的稳定域约束条件，然后利用遗传寻优算法获得ITAE性能指标最优的串级PID控制器参数，最后通过对锅炉过热汽温和火电厂主汽压力的串级控制系统的研究，表明该方法有效且易于实现，设定值跟踪和扰动响应曲线输出平缓、超调量小、调节时间短。     

智能助力装配机器人零重力操作系统控制研究

智能辅助设备(IAD)是一种被动式、可与操作者在一个作业空间实现人机合作作业的特种机器人,零重力操作是它的关键技术之一.零重力操作系统由直流伺服电机、光电编码器、减速器、滚筒、安装有力传感器操作把手组成.根据力传感器测出的操作者对负载施加力的大小,控制电机驱动负载实现升降运动.在分析系统结构的基础上,建立了零重力操作系统的数学模型.本文研究了零重力操作系统的模糊控制器,并进行了MATLAB仿真,仿真结果表明该方法改进了系统的低速性能.     

一种新型基于双闭环PID控制的SVC控制系统研究

基于瞬时无功功率理论和双闭环PID控制构架，设计了一种新型的FC-TCR型SVC控制系统。为实时补偿电网中瞬时无功功率的变化，采用dq同步旋转坐标变换方法，精确检测系统功率，有效克服电网电压波形畸变给P、q运算方法带来的误差；采用双闭环PID控制结构，内环为电压调节，外环为功率因数校正，使SVC装置能同时达到功率因数校正和改善电压的目的。仿真研究结果表明，此新型SVC控制系统对稳定和抑制电压波动，提高功率因数，具有响应快、精度高的特点。     

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。     

时变时滞系统的灰色预测非线性PID控制

针对时变时滞过程提出一种新的控制结构.在此控制结构中,利用遗传算法自动跟踪系统的时滞变化,由灰色预测模型根据辨识的时滞提前预测出系统的输出,而系统的预测输出与输入的偏差以及偏差变化率为非线性PID控制器的输入.仿真结果验证了这种结构能很好地满足时变时滞系统的快速动态响应和稳定性要求.     

汽车主动悬架系统的单神经元自适应PID控制

建立了汽车1／4主动悬架物理模型，提出了一种主动悬架系统的单神经元自适应PID控制方法。以阶跃函数模拟路面输入，对汽车主动悬架系统进行计算机仿真研究。仿真结果表明，该方法控制的主动悬架，汽车车身振动位移小，鲁棒性较高。     

Lorenz系统族的鲁棒PID控制

研究了Lorenz系统族混沌系统的稳定控制问题。运用H∞环路成形理论设计控制器。首先，通过综合运用遗传算法和伪对角化得到适当的权函数；然后通过H∞综合求得符合要求的鲁棒控制器；最后采用多变量PID控制器逼近此高阶控制器。仿真结果表明了方案的有效性。     

大型轮式工程车辆转向系统的神经网络PID控制

根据大型轮式工程车辆转向系统的对象特点和操纵方式，提出采用基于RBF神经网络控制器来改进常规PID控制器实现系统控制性能。该控制系统结构中，RBF神经网络辨识器(RBFNNI)实现对被控对象的Jacobian矩阵信息的辨识，神经网络控制器(NNC)是基于RBF神经网络实现的单神经元的PID控制器。在对算法进行改进的基础上设计了神经网络结构，并进行了被控对象的仿真分析。实际结果表明该控制方法具有较好的实用性和鲁棒性，可以用于多操纵模式工程车辆转向系统的控制。     

典型模糊PID控制器的插值算法及参数优化

推导出了输入采用正规模糊集、三角形、全交迭的隶属度函数;推理输出采用PID形式的典型模糊PID控制器的插值解析表达式,揭示了其本质特征,为实际应用提供了一种快速精确的控制算法。基于该插值解析表达式,研究了利用遗传算法对这一类模糊控制器进行参数优化的方法。最后通过仿真实例验证了本文方法的有效性。     

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。     

基于离散非线性PID控制的十字梁实验系统研究

十字梁实验系统作为一个高阶非缉I生控制系统，在工程上有很高的应用价值．文中给出了十字梁实验系统的数学模型，并设计了一个离散形式的非线性PID控制器，保证了系统的鲁棒性．仿真结果表明，该系统可以获得较好的动态性能。     

基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。