基于Smith预估的模糊PID主动队列管理算法研究

为解决网络拥塞控制系统中由于网络大时滞对主动队列管理算法产生不利影响的问题,提出了一种基于Smith预估的模糊PID主动队列管理算法.该算法将Smith预估控制与模糊控制相结合,利用Smith预估器补偿网络时滞,同时运用模糊控制在一定程度上克服了传统Smith预估器对模型结构与参数的精确性过于敏感、鲁棒性差的缺点,使主动队列管理算法控制性能有明显提高.仿真实验结果表明,该算法在大时滞的网络环境下能很好地将路由器队列长度收敛于期望值,并能适应突发流和非弹性业务流的干扰,适用于动态变化的网络环境.     

大时滞网络自适应预测PI主动队列管理算法

针对网络中存在的大时滞和网络参数时变问题，提出一种自适应预测PI主动队列管理算法．将Smith预估器与达林算法相结合，既克服了大时滞带来的不利影响，也减少了控制器参数整定数量．利用网络参数与控制参数所具有的确定关系，通过在线估计网络参数来实时调节控制参数，使得控制器能够适应网络参数的变化，同时采用线性化方法分析了系统局部稳定性．仿真结果表明，所提出的算法是可行而有效的。     

基于Smith的自适应模糊网络拥塞控制算法

针对网络拥塞控制系统中因网络时滞对主动队列管理算法产生的不利影响, 提出了一种基于Smith预估的自适应模糊主动队列管理算法。该算法将Smith预估控制与自适应模糊控制相结合, 利用Smith预估器补偿网络时滞, 同时运用模糊控制在一定程度上克服了传统Smith预估器对模型结构与参数的精确性过于敏感、鲁棒性差等缺点。仿真结果表明, 该方法可以使队列长度快速收敛到设定值, 同时维持较小的队列振荡, 尤其是在网络条件变化的情况下, 该算法优于传统PI控制、模糊控制和传统的滑模控制。     

冷连轧AGC 系统的自适应Smith 广义预测控制

针对冷连轧AGC 系统存在较大的时间滞后以及对象模型参数时变的特点,提出了一种自适应Smith 广义预测控制算法. 该算法用Smith 预估器来克服滞后的影响,利用激光测速仪间接测量AGC 系统的滞后时间以修 正Smith 预估器的时滞部分模型,使用渐消记忆递推最小二乘算法在线辨识对象参数来修正Smith 预估器的非时滞 部分的模型,并根据辨识得到的对象参数设计自适应广义预测控制器代替传统Smith 预估算法中的PID 控制器. 仿 真研究表明,在模型失配及干扰的情况下,该控制算法仍然具有良好的控制性能和鲁棒稳定性能.     

大时滞系统自适应模糊Smith控制

针对大时滞对象，把史密斯（Smith）预估控制原理和模糊控制器参数的自适应调整方法结合起来，即在Smith预估控制系统中，利用自适应机制在线整定模糊控制器的参数，即根据控制系统在各个阶段呈现出的不同特点来适时调节模糊控制器的量化和比例因子，以适应对象特性的变化。仿真研究表明，所提方法能有效克服普通模糊控制算法不适应大时滞系统控制和常规Smith算法过于依赖模型精度的缺陷，提高了普通模糊控制器对大滞后系统的控制能力。同时该算法还具有很强的鲁棒性和良好的控制品质。     

基于灰预测的PID主动队列管理算法

提出一种基于灰色预测的智能 PID(GI-PID)主动队列管理(AQM)算法,该算法采用 GM(1,1)模型在线预测路由器队列长度,补偿滞后以解决网络状况反馈不及时的问题;同时根据队列误差的变化趋势,应用专家经验动态改变 PID 控制器的参数,使参数实时地随着网络环境变化而调整,实现智能控制.仿真试验表明,GI-PID 算法相比传统 PID 算法大幅度地抑制了队列长度的振荡,路由器队列收敛于期望值,同时具有较小的分组丢弃概率.     

基于灰色预测可变裕度PID网络自适应算法

为了综合控制拥塞链路的队列长度,提高AQM系统对动态网络环境的自适应能力,提出了一种基于灰色预测和考虑可变裕度PID控制的自适应TCP网络主动队列管理。首先,建立相角和幅值裕度与网络参数相关的PID自适应主动队列(TCP/AQM)控制论模型,该模型可以根据网络参数的变化而动态改变控制参数,以提高AQM网络动态自适应能力,及系统的鲁棒性;其次,将灰色预测引入该模型,实现路由器队列长度的超前预测,补偿带有PID反馈模块的AQM算法给队列造成的时滞影响。与其他算法的仿真结果相比较,该设计算法能够使信息流在较短的时间内稳定在期望队列长度阈值附近。     

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。     

基于BP神经网络的火电厂水质调节自适应控制的仿真研究

针对火电厂锅炉水质调节过程的大时滞时变特性,常规控制算法控制效果不好的问题,本文提出了基于BP神经网络的Smith-PID鲁棒自适应控制算法,利用BP神经网络的任意非线性表达能力和很强的自学习能力,在线自学习整定PID参数,被控对象不需要精确辩识,控制器参数跟踪被控对象自适应调整,克服了常规PID算法不适用于大时滞过程控制和常规Smith预估补偿控制对模型不确定性敏感的缺陷.MATLAB仿真表明,本文控制算法的静态特性、动态品质良好,鲁棒性强.     

基于单神经元预测PID的主动队列管理算法

针对网络中普遍存在的大时滞现象以及网络参数实时变化问题,将单神经元PID预测控制器用于主动队列管理算法(AQM).利用单神经元的自学习能力解决网络实时变化时算法参数的在线整定问题,并利用Levinson预测器有效地解决了大时滞对网络性能的影响,最后通过仿真进一步验证了提出算法的有效性.     

用S7-200 PLC实现Smith预估控制

经典控制论中,对纯滞后生产过程的控制一般采用Smith预估控制算法;Smith预估控制算法基于系统辨识,由辨识结果Gp(s)e-τs设计预估控制补偿器Gp(s)(1-e-τs);采用Padé算法的一阶近似式逼近e-τs,利用S7-200 PLC实现Gp(s)(1-e-τs);实践证明,控制效果优于分段PID的控制效果;对整个实现过程给予阐述。     

基于改进专家PID和预整定Smith预估控制器的磁悬浮球系统的网络控制仿真

网络控制系统（NCS）是近年来控制领域的一大新兴热点,将控制理论与信息化结合在一起,己经在控制领域中得到广泛的重视,但是网络具有随机时延的特点,是网络控制应用的一大技术难点。本文结合磁悬浮系统（高阶不稳定系统）,利用Truetime网络仿真工具,提出了一种改进的预整定Smith预估控制器并结合了改进的专家PID控制,对磁悬浮小球控制系统进行了仿真研究,取得了良好的控制效果。     

基于RBF神经网络的智能PID控制算法

针对工业中的纯滞后现象提出一种智能控制方法,在常规的PID控制器中引入Smith预估器,对纯滞后时间τ所产生的特性进行预估补偿,同时利用RBF神经网络对PID的参数进行自整定,在一定程度上增强了系统的鲁棒性和稳定性。实验证明,此控制方法对纯滞后工业对象进行控制可以得到良好的效果。     

积分分离PID算法的电阻炉温度控制系统

为使大惯性、纯滞后的电阻炉温度控制系统的动态性能和稳态精度满足要求,提出了Smith预估结合积分分离PID算法;设计了温度控制器的硬件系统;对控制系统进行辨识;分析了Smith预估结合积分分离PID算法与单纯Smith预估控制算法的区别,并对两种控制算法进行了比较分析,确定了电阻炉温度控制系统参数;最后对Smith预估结合积分分离PID算法进行了电阻炉的温度控制实验;实验结果表明,采用Smith预估结合积分分离PID算法提高了电阻炉温度控制系统的稳定性,降低了系统的超调,稳态精度达到0.2℃,其动态性能和稳态精度满足系统控制要求.     

非线性-时延系统控制律研究及可视化仿真

三容水箱是较为典型的非线性、时延对象,它不仅提供了面向教学的常用控制算法验证实验,也为先进控制理论的研究与实现提供了方便的实验环境.论文根据已有的三容水箱数学模型,研究了经典PID控制推荐参数的得出,史密斯预估和模糊控制对大惯性、大迟滞系统的补偿,并利用MATLAB对于PID控制,史密斯预估以及模糊控制进行仿真.通过对仿真结果的分析,本文发现对于非线性、大惯性、大延迟的系统史密斯预估和模糊控制的效果要比PID控制更好,同时史密斯预估的控制效果要好于模糊控制.最后利用MATLAB GUI设计可视化界面显示上三种仿真结果,同时GUI能实现输出动态响应曲线和显示相应水箱液位控制实时动画,以及绘制根轨迹和伯德图等功能.     

基于RBF神经网络与Smith预估补偿的智能PID控制

针对工业控制中普遍存在的大滞后现象,提出了一种将RBF神经网络算法和Smith预估补偿算法与传统的PID控制器相结合的智能RBF-Smith-PID控制策略。该方法利用RBF神经网络的在线学习、控制参数自整定能力,和Smith预估补偿对纯滞后系统的良好控制,有效地克服了常规PID控制的缺陷,提高了系统的鲁棒性和自适应性,对纯滞后系统起到了良好的控制。     

基于队列长度和速率的拥塞控制神经网络方法

文中研究了网络拥塞控制问题。PID控制器是实现网络拥塞控制非常有效的方法,能够实现对网络的主动队列管理。文中根据队列长度和变化速率,利用神经网络实现传统的比例微分积分器（PID）功能,从而提出了基于队列长度和速率的拥塞控制神经网络方法（RSPID）。该方法利用神经网络的加权动量梯度学习算法,自动调节控制参数,克服了传统PID控制方法由于控制器参数固定带来的适应性和稳定性问题。仿真结果表明,RSPID算法的鲁棒性和队列长度性能要优于PID算法。     

智能控制与复合控制在二阶时变纯滞后对象的应用研究

针对二阶时变纯滞后对象难以控制的问题,提出了采用改进Smith预估器提高系统的稳定性和鲁棒性;采用CMAC和PID并行控制的算法来提高动态性能;以CMAC神经网络作为一个前馈控制器,通过对PID控制器输出的学习,实现二阶变时滞系统的自适应稳定控制。仿真实验表明,这种复合控制方法保留了Smith算法与CMAC神经网络和PID算法的各自特长,具有学习速度快,适应能力强、动态性能好的优点,具有良好的稳定性控制效果。