基于遗传BP网络的PID控制算法在无模拉拔温度控制中的应用

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能. 通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型. 采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性.     

基于神经网络PID的AUV控制方法研究

针对水下机器人各自由度之间存在较强的耦合和非线性特征，其精确的数学模型很难获得的问题，建立了水下机器人空间运动的数学模型，并根据实际需要和控制器设计的方便进行了适当简化，得到了水下机器人自由度运动模型．在此基础上，使用了基于神经网络的PID控制方法．结合水下机器人六自由度水动力模型，建立了基于BP网络的PID的水下机器人控制器，并进行了仿真环境下的试验．试验结果表明，以上控制方法较为适合水下机器人的运动控制．     

风力发电机组最佳功率追踪自适应模糊PID控制

针对变速恒频风力发电系统,以额定风速以下风能的最大利用率为目标,设计了基于自适应模糊PID控制的风能最佳利用追踪控制器.该控制器对叶尖速比进行控制,运行时根据实际输出的叶尖速比与其最优值间的误差及误差变化率在线实时调整PID参数,实现自整定,达到风能利用系数最佳的功率追踪目标.通过仿真对几种控制方法进行对比分析,结果表明,自适应模糊PID控制能够将风能利用系数和叶尖速比均控制在最优值附近,系统的稳态性能和动态性能都较好,控制效果优于PID控制和模糊控制.     

发动机振动主动控制系统低能耗研究

针对发动机主动控制耗能大的问题,自主设计了一款新型高效的振动发电机来收集振动能量,并通过外接电路将收集的振动能量用于发动机振动主动控制中;基于振动理论,建立了单自由度发动机振动主动控制系统数学模型,利用PID控制策略,以正弦信号代替发动机的二阶惯性力作为激励源,通过Simulink仿真工具进行了仿真分析。结果表明,新型振动发电机用于低、中频段振动信号中可以有效地减少外部功能;采用PID控制可以在较宽的频率范围内衰减垂直振动,满足减震要求。     

预测型智能自整定PID控制器

提出一种预测控制和遗传算法相结合的自整定ＰＩＤ控制算法．该算法利用预测技术克服时滞,利用遗传算法优化ＰＩＤ控制器的参数．通过对工业过程中典型的大时滞被控过程进行数字仿真表明,这种控制算法鲁棒性强、响应速度快、抗干扰能力强,对控制系统有扰动、参数时变尤其时滞时变的大时滞生产过程有较好的控制效果．     

蚁群算法PID控制器在磁轴承控制系统中的应用

磁悬浮轴承是磁悬浮转轴系统的重要组成部分.由于磁轴承具有较大的非线性,难于控制,采用常规的参数整定方法很难达到较好的控制效果.因此,采用不完全微分PID控制算法,利用蚁群算法根据设定的系统性能指标实时优化控制器参数.仿真结果证明,这种控制器能够很好地满足系统性能指标的要求.     

3D打印机的定位模糊控制

为了应对3D打印机定位控制中步进电机所表现出的高度非线性特性,首先设计了步进电机的仿真模型,在传统PID控制的基础上设计了参数模糊自整定PID控制。最后通过Simulink分析了所设计的控制方案。结果表明,该方法反应更迅捷,超调量更小,较好地提高了系统稳定性,更加满足了机器对定位精度的要求。     

一种改进的Smith预估系统的H2鲁棒控制

针对实际轧机控制中存在的不确定因素以及厚度闭环控制系统中含有纯滞后环节,采用基于Smith预估器的H2鲁棒控制.考虑模型失配、时滞大小等因素,进行仿真,比较控制性能,以期对含有大时滞对象的控制起到方法上的指导作用.结果表明,将其用在冷轧AGC中具有快的响应、小的超调量和较好的鲁棒稳定性.     

电液位置伺服系统模型辨识及其控制方法

利用xPC半实物仿真技术和MATLAB系统辨识工具箱,以阶跃信号和液压缸位移为输入输出量,辨识得到电液位置伺服实验台的数学模型。以模型为控制对象设计一种由PID控制和模糊控制组成的复合控制器。控制器中引入积分因子和自调整修正因子,对修正因子模糊数模型采用在线插值运算;采用模糊切换来保证2种控制的平稳过渡,模糊切换的执行区域可通过设定其隶属函数的形状参数加以确定。半实物仿真结果表明：复合控制方法消除了模糊控制的稳态误差,提高了PID控制的响应速度,改善了电液位置伺服系统的综合性能,对被控对象参数（负载质量）变化有很强的适应能力。     

基于BP神经网络整定的PID列车司机室空调节能控制研究

针对目前列车司机室空调存在的问题,提出了一种司机室空调节能控制的方法.该方法通过实时监测司机室内温度,应用BP神经网络的PID整定算法,控制空调变频器输出,不但保证了司机室内人性化的工作环境,而且能有效降低能耗.仿真结果表明方法的有效性.