模糊遗传在Profibus网络型PID控制器的应用

针对电加热炉被控对象的大延迟、模型不确定性,着重研究和设计了一种基于Profibus-DP网络结构的新型PID控制器。提出一种在现场总线环境下基于模糊遗传自适应PID的算法设计。使Profibus-DP从站和复合模糊自适应PID算法相结合构成了网络型模糊遗传自适应PID控制器,以实现PID参数的快速在线自动调整功能。并用MATLAB进行仿真,同时通过三路电加热炉实验证明。该PROFIBUS现场总线通信系统中PID控制器工作稳定,控制效果显著,优于常规PID控制器。     

基于Lonworks现场总线的模糊控制器的实现方法

目前,随着工业控制的对象日趋复杂,单纯的PID控制已无法满足要求.该文给出了一种基于Lonworks 现场总线的模糊PID控制器的实现方法.简述了Lonworks 现场总线的技术特点和网络结构;给出了模糊控制系统的三层结构：上位机部分负责监控及算法更新,Lon节点负责通信及模糊控制算法,单片机部分负责PID控制及数据采集.通过硬件部分来实现现场总线的通信,通过软件编程来实现模糊PID的控制算法.文中给出一个模糊PID控制温室温度的实例,将其控制效果与传统的PID控制比较,很好地解决温室的大时延问题,达到预期的控制效果.     

基于CC-Link液位模糊控制设计

采用PLC作为现场液位控制器,在工业和日常生活中被广泛运用在液位控制系统中.提出了模糊PID算法对液位进行调节的控制策略,实现了液位控制响应速度快、稳定度好和准确度高的效果.测试表明,建立在模糊算法基础上的液位PID控制比常规PID控制具有更好的动态性能.此外,还采用CC-Link总线技术建立主从通信的工业网络系统,实现设备间的数据传送,并通过人机界面对现场液位进行实时远程监控.     

现场总线网络的自适应PID 控制器设计

提出一种在现场总线网络控制新环境下的自适应PID控制器研究与实现方法。通过对历史数据的分析和在线辨识被控对象在重要频率点的频率特性,在DeviceNet网络环境下设计自适应PID控制器,实现现场运行处于稳定、安全、最优的运行工况。     

变论域自适应模糊PID控制系统仿真与应用

由于电液伺服系统具有非线性、时滞性等问题,自适应模糊PID控制方式仍难以精确控制马达转速,故设计了变论域自适应模糊PID控制算法。通过设计合适的伸缩因子,将变论域与自适应模糊PID控制相结合,该算法可以精确控制电磁比例阀的流量进而控制马达的转速。将PID控制、模糊控制、自适应模糊PID控制和变论域自适应模糊PID控制算法进行Matlab仿真,结果表明：变论域自适应模糊PID控制具有响应快、无超调、稳态误差基本为零的特点。通过可编程控制器实现了模糊PID控制与变论域自适应模糊PID控制算法在电液伺服系统中的应用,实验数据表明,变论域自适应模糊PID控制更加精确,符合工业控制要求。     

无刷直流电机智能控制系统的研究

基于对无刷直流(BLDC)电机的工作和控制原理的分析,提出了无刷直流电机的双闭环自适应模糊PID控制方案.采用模糊控制逻辑实现PID控制器参数的在线自整定,详细说明了自适应模糊PID控制器的设计方法.算法简单有效,易于实现无刷直流电机交流伺服系统的全数字化.用Matlab/Simulink对系统进行了仿真,仿真结果显示系统具有良好的静动态性能和较快的响应速度.     

基于CAN总线的楼宇恒压变频供水监控系统设计与实现

本文提出了采用89C51单片机作为控制器实现模糊PID算法控制供水系统,并且利用CAN总线技术构成的底层控制网络与监控计算机通讯,实现了楼宇供水设备的现场数据采集、传输及远程监控功能。试验表明恒压变频供水监控系统取得良好控制和监控的效果。     

模糊自适应控制器的设计及其仿真

提出了一种参数自适应模糊PID控制器,将模糊控制器和PID控制器结合在一起,利用模糊逻辑控制,并把MATLAB中的Fuzzy Toolbox和SIMULINK有机结合起来,实现了PID控制器参数在线自调整.进一步完善了PID控制器的性能,提高了系统的控制精度.仿真结果表明:该控制器明显改善了控制系统的动态性能,参数自适应模糊PID控制器能使系统达到满意的控制效果,对进一步应用研究具有很好的参考价值.     

一种基于Labwindows和Matlab的模糊自适应PID控制器设计

PID控制是一个广泛应用于工业控制的算法,但它对非线性和不确定性系统适应性不够理想。PID参数自适应模糊控制器将模糊逻辑推理引入PID参数的在线自调整,是目前一种较为先进的控制器。本文介绍了模糊自整定PID控制器的设计方法,利用Matlab中的模糊工具箱设计模糊控制器,将PID与模糊控制器有机结合,并引入Labwindows虚拟仪器平台,实现PID参数自调整模糊控制系统的设计和仿真。结果表明,该控制器改善了控制系统的动态性能,增强了其实用性。     

非线性系统的PID控制器的研究与设计

研究工业过程控制,非线性系统难以建立其精确的数学模型,常规PID算法难以实现其控制.对此,将神经网络算法和PID算法结合起来,为提高性能和响应速度,设计了针对非线性系统的自适应PID控制器,PID控制器采用单神经元来实现自适应调整.分别采用了三种学习算法来实现单神经元PID控制器参数的调整,即基于二次型性能指标的学习算法、基于BP神经网络辨识的学习算法和基于RBF神经网络辨识的学习算法.三种算法的仿真结果表明,都实现了PID控制器的自适应调整的目的,实现对非线性系统的有效控制,证明三种方案的可行性.     

磁悬浮系统的模糊自适应PID控制

针对磁悬浮系统开环不稳定、强烈非线性等特性,结合PID控制和模糊控制的优点,提出一种改进的模糊自适应PID控制方法(IFPID).将微分环节从模糊控制器中剥离出来,只对比例和积分参数进行模糊整定.设计时采用非线性模糊化,利用S-函数建立磁悬浮系统的非线性模型并进行仿真.仿真结果表明,IFPID控制系统的抗干扰和适应参数变化的能力都优于常规PID控制,具有较好的动态特性和稳定性.     

基于TS模型的增益自校正单神经元PID控制算法

将单神经元自适应PID控制算法和基于TS模型的模糊推理系统相结合,提出了增益模糊自校正单神经元PID控制算法。该算法使得传统单神经元自适应PID控制的神经元增益具备在线自动调整的功能,对于变增益的不确定性系统的控制,获得了很好的控制性能。     

基于模糊控制的发动机动力性能分布式测控系统

提出了一种发动机动力性能分布式自适应测控系统。给出了基于Profibus-DP总线和USS协议的测控系统的网络结构、软硬件设计方法及工作原理。采用SiemensMasterDriver矢量控制器和AFE整流单元,结合参数自适应模糊PID控制器,实现了对测控装置的精确控制。利用工控机和第三方软件实现了对多台测控装置的实时远程监控。实际应用表明,系统组态灵活、编程方便、自适应能力强、可靠性高。     

基于遗传优化和模糊推理PID及MATLAB仿真

本文提出一种基于遗传优化和模糊推理相结合的自适应模糊PID控制算法,算法由遗传算法和模糊推理两部分构成,分别用于离线优化和在线优化。仿真结果表明,这种自适应PID控制器的性能,比仅用遗传算法优化的PID控制器更好,并且抗干扰能力更强。     

网络控制系统Smith Fuzzy PID控制器的设计

针对网络控制系统中普遍存在的时延问题,提出了一种将模糊自适应算法和Smith预估补偿算法与常规PID控制器相结合的智能控制策略。该方法充分利用了Smith预估控制算法对带时延系统的良好控制能力,同时利用模糊推理算法实现对PID参数的在线自整定,进一步改善PID控制器的性能。仿真结果表明,基于该智能控制器的网络控制系统克服了传统PID控制超调量大及常规Smith预估补偿过分依赖于被控对象精确数学模型的缺陷,可以有效降低时延对系统性能的不利影响,使被控对象具有良好的动、静态特性。     

采用遗传优化自适应模糊PID控制球杆系统

为解决球杆系统动态、静态性能不高的问题,提出了遗传算法优化自适应模糊PID控制器的控制方法.该模型在拉格朗日方程建立球杆系统数学模型的基础上,采用遗传算法优化模糊控制规则、隶属函数和自适应PID参数.在GBB1004系统中建立了遗传算法优化后的自适应模糊PID控制器以及控制模型,并对该控制器进行实验验证.实验结果证明了遗传算法优化后的模糊控制器有效地减小了系统的超调量,缩短了系统的调节时间,能够较好地控制球杆系统.     

自适应神经模糊推理结合PID控制的并联机器人控制方法

针对6自由度液压驱动并联机器人的精确控制问题,提出一种结合自适应神经模糊推理系统(ANFIS)和比例积分微分(PID)控制的机器人控制方法。首先,利用浮动坐标系描述法(FFRF)来模拟机器人柔性组件,并构建并联机器人的拉格朗日动力学模型。然后,根据模糊推理中的模糊规则来自适应调整PID控制器参数。最后,利用神经自适应学习算法使模糊逻辑能计算隶属度函数参数,从而使模糊推理系统能追踪给定的输入和输出数据。将该控制器与传统PID控制器、模糊PID控制器进行比较,结果表明,ANFIS自整定PID控制器大大减小了末端器位移误差,能很好的控制并联机器人末端机械手的运动。     

加工过程的模糊自适应PID控制

经典的加工过程模型随切削深度、主轴转速、加工材料、刀具形状和磨损程度不同而不同,因而具有时变性。实际加工过程要比理论上推导出的模型复杂得多,是一种具有非线性、时变性和影响因素不确定的复杂系统,甚至难以用合适的数学模型来表示。结合PID和模糊控制两者的优点,建立一种加工过程的模糊自适应PID的控制方法。对模糊自适应PID控制算法进行了理论分析,基于Matlab建立了铣削加工过程的仿真模型。仿真结果表明,运用模糊自适应PID控制方法,系统的调节时间缩短,响应速度加快,抗干扰能力和适应参数变化的能力要优于增益自适应的PID控制。     

基于神经网络的PID控制器

提出了一种新型PID控制器,该控制器利用BP网络实现PID参数的在线调整,采用RBF网络对被控对象在线辨识。仿真结果表明该控制器的控制效果优于传统的PID控制算法和模糊自适应PID控制算法。