带有跟踪微分器的模糊自整定PID控制器

带有非线性跟踪微分器的模糊自整定PID控制器结合了跟踪微分器、PID控制和模糊控制的优点,改变了以往通常采用差分求微分的做法,实现了对PID参数的实时在线整定.     

基于模糊自整定PID的直升机飞行控制律设计

在经典PID控制律基础上,引入模糊控制的概念设计模糊自整定PID控制律改进无人直升机姿态回路控制器,实现了PID控制器的参数在线自整定,并改善了控制器性能.通过Matlab对闭环系统进行算法仿真,表明模糊自整定PID控制器能够发挥优于传统PID控制器的控制性能.最后对所设计的控制器进行半物理仿真验证,通过对比典型输入指令下经典PID和模糊自整定PID两种控制器的控制效果,验证了模糊自整定PID对系统性能的优化.     

无刷直流电机的变论域模糊PID控制策略研究

针对无刷直流电机(BLDCM)调速系统存在的问题,将变论域和自适应模糊PID控制器相结合并应用于无刷直流电机控制系统中。分析无刷直流电机的数学模型,构建双闭环调速系统的无刷直流电机控制系统模型,并对无刷直流电机的调速系统进行模糊PID控制。结合均匀量化和非均匀量化变论域两种方法的优点,设计了一种基于模式识别的变论域模糊PID控制器,并在Matlab/Simulink实现系统的设计和仿真。仿真结果证明,与常规PID控制和模糊PID控制相比较,这种新控制器可以有效改善电机的超调性能和控制精度。     

基于PID控制和遗传算法的半导体激光器温控系统

为了实现半导体激光器温度的精确控制,设计了将PID控制与遗传算法相结合的高精度温度控制系统.该系统使用热敏电阻与光电二极管进行测量和反馈半导体激光器的温度值,并用热电制冷器作为温控执行器,构成了双闭环控制系统,提出了利用遗传算法在线优化PID参数的方法,根据实时测量偏差、控制器输出和上升时间构建函数作为待优化的性能指标,从而动态调整控制器的参数.结果表明,系统能够实现高精度的温度稳定控制,稳定度达到0.027%,温度偏差为0.002℃,控制效果优于传统的PID控制,具有较好的应用价值.     

基于PAC的在线模糊自适应PID控制器设计

PID控制适合用于已知精确数学模型的被控对象,具有稳态误差小等特点.模糊控制不需要被控对象的数学模型,响应速度快,但是有静差.将这两种控制技术相结合,设计一种模糊自适应PID控制器,具有响应速度快、稳态误差小的特点.采用上位机和PAC结合,上位机中的iFIX组态软件利用OPC技术和MATLAB软件中的模糊控制器通讯,把实时值和设定值送给模糊控制器,同时把模糊控制器的输出(比例系数、积分系数和微分系数)送回PAC,在PAC中根据PID算法计算控制量,由PAC控制被控对象,实现在线模糊自适应PID控制.对水箱液位进行控制的结果表明,采用在线模糊自适应PID控制器后,控制系统的响应速度加快,无超调,具有较好的稳定性和鲁棒性.     

对接模拟并联六自由度平台的模糊免疫PID控制

以电液伺服并联六自由度平台为研究对象,讨论了对称阀控非对称缸数学模型各部分的作用.针对外负载扰动的不确定性,提出了将免疫算法引入增量式PID(比例、积分、微分）控制器,并推导了控制律.为增强系统的稳定性和鲁棒性,采用模糊策略逼近抗体抑制调节非线性函数,并设计了模糊免疫PID控制器,将该控制器应用到空间对接半物理仿真六自由度平台中,建立了分级实时控制系统,针对系统结构参数大变化和提高跟踪响应频率设计了两组实验.结果表明,所设计的模糊免疫控制器作用良好,平台在6个自由度的实时跟踪和协同控制性能均获得满意的结果.     

模糊PID控制的助力模式对操纵稳定性影响分析

电动助力转向系统(EPS)设计中最重要的是助力控制模式的控制器设计。在PID控制的基础上引入了模糊控制,提出了基于模糊PID控制的助力控制模式;应用TruckSim和Simulink建立EPS联合仿真模型;采用常用的操纵稳定性开环和闭环两种评价方法进行PID控制和模糊PID控制仿真对比试验,研究模糊PID助力控制模式对EPS性能及整车操纵稳定性的影响。开环评价对比试验结果表明:模糊PID控制器的助力性能较好,但操纵稳定性略差一些。闭环对比试验表明:EPS助力控制模式能有效地提高转向系转向轻便性,模糊PID控制器作用下的操纵性和汽车行驶安全性较好。认为模糊PID控制器下的助力控制模式助力性能好于PID控制器,模糊PID控制器更适合EPS助力控制模式。     

基于DSP他励直流电机模糊PID控制器仿真研究

针对他励直流电机调速系统参数模型的非线性、时变性,常规PID控制器参数离线整定带来的非优化的问题,提出一种基于DSP的模糊PID控制器算法,以电流反馈误差及误差的变化率作为模糊控制器的输入变量,采用参数自整定的模糊PID控制器实现PID参数在线优化。以DSP开发系统作为仿真平台,将他励直流电机传递函数转换为差分方程,构成基于模糊PID控制器的数字闭环他励直流电机仿真系统。利用DSP高速运算能力进行在线仿真,观察常规PID控制器和模糊PID控制器产生的系统输出波形。CCS2.0和MATLAB仿真实验表明：模糊PID控制器基本实现输出无超调,系统阶跃响应的上升时间和调整时间均比常规的PID控制器阶跃响应的小。模糊PID控制器应用于他励直流电机调速系统中,控制性能明显高于基于常规PID的调速系统。     

变论域模糊PID控制在微电网MPPT中的研究

针对微电网中光伏系统具有非线性、数学模型不确定的特点,分析了现有光伏电池最大功率点跟踪(MPPT)控制方法的优点和不足,采用变论域的思想,应用了变论域模糊PID算法,设计了实现MPPT的二级模糊控制器.由第一级模糊控制器确定输入论域伸缩因子来改变第二级模糊控制器的输入论域,并在MATLAB/Simulink中搭建仿真模型.仿真结果表明,变论域模糊PID控制能够快速、准确地跟踪光伏电池的最大功率点,基本消除了振荡现象,提高了光伏电池的工作效率和系统稳定性.     

变风量空调系统温度模糊PID控制

将模糊PID控制应用于变风量空调系统中,任务是将送风温度和空调房间内的温度（回风温度）控制在各自的设定目标值附近。分别设计了变风量空调系统的送风温度模糊PID控制系统和室内温度（视为回风温度）模糊PID控制系统,通过调节冷冻水阀门的开度来控制送风温度,通过调节变频风机的转速来控制室内温度。应用所设计的模糊PID控制器对送风温度和空调房间的温度（即回风温度）进行了实时在线控制,控制结果表明模糊PID控制器设计合理,控制效果良好。     

基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统 ,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在两个瓶颈 :模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象 ,并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题 ,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中 ,根据已知的模糊控制规则 ,对模糊隶属函数自动寻优。以工业过程控制为对象 ,针对具有纯滞后二阶系统进行了计算机仿真 ,并进行了对比性研究。仿真结果表明 ,采用该方法可获得一个基于一定性能指标的最优或次优的隶属函数参数 ,且该模糊控制系统具有过渡过程的时间短、超调小等优点。     

钢管捆自动成形系统电液比例控制研究

为了满足钢管生产过程中对钢管捆成形和包装的需要，对钢管捆自动成形电液比例系统进行了模糊比例-积分-微分(PID)控制研究.基于该系统的组成和工作原理，分析了双缸管排水平定位和竖直定位堆放控制问题，给出了管排竖直定位堆放误差的补偿算法.采用专家智能控制与模糊PID控制技术相结合，得到了具有二级结构的模糊PID控制策略，并对实际系统设计了相应的模糊PID控制器.系统控制结果表明，模糊PID控制器能修正各控制参数，提高了系统控制的自适应性和鲁棒性.与常规的PID控制器相比较，该控制器具有更好的系统运行性能.     

基于Fuzzy-PID智能车舵机控制系统

为提高智能车舵机的响应速度,分析了智能车控制系统的特点以及应用常规模糊控制器进行控制的局限性,提出了模糊PID控制算法.推导出模糊PID控制器消除稳态误差的原理,并介绍了模糊PID控制器的设计方法.实验结果表明,模糊PID控制器既能消除稳态误差,又有很强的鲁棒性,对于具有非线性和迟滞性特点的智能车舵机控制系统具有良好的控制性能.     

Fuzzy自适应协调决策控制器的特性研究

本文针对一般模糊控制器在算法及其结构上存在的问题,提出模糊自适应协调决策控制算法(FACDC)。它模仿智能控制,采用分级递阶结构形式,通过一协调级来协调模糊控制与自适应PI控制,使得两者有机地结合起来,充分发挥两者的优点。由于本文采用的自适应算法是一种参考模型模糊自适应算法,因此避免了一般自适应算法的复杂性。     

自组织模糊控温复合算法研究

本文以不确定的分布、非线性和时变的工业控温对象为应用背景,提出了良化结构的自组织设计框架,实现了一种适用于MCS-51控温用的自组织模糊控制器的控制算法.同时在模糊零状态下引入积分控制,以便消除模糊控制在静态的缺陷,提出了自组织-模糊-PID的复合控制算法,为在线运行创造了技术条件.这一选题和设计研究具有实用价值和推广前景.     

牵伸机温度控制算法的研究

PID控制具有结构简单、适用范围广、使用方便等优点，在过程控制领域中占有非常重要的地位。针对牵伸卷绕机系统因采用单片机实现单回路PID控制而存在的时间滞后问题，用普通PID控制不能达到理想的控制精度，现提出用工控机替代单片机的牵伸卷绕机系统改造方案，给出一种新型的控制算法，在原有PID控制的基础上，利用系统辨识技术及控制系统的各种历史信息，将PID控制与模糊控制相结合，从而改进了设备的控制性能，较好地解决了牵伸卷绕机系统的温度控制问题，提高了设备的自动化水平，并讨论了该控制算法进一步推广应用的可行性。     

热电偶校验炉程序升温装置的智能PID控制研究

针对具有较大的滞后性、非线性和时变性特点的热电偶校验炉对象，常规方法难以达到良好的控制效果，结合模糊专家系统控制器与PID控制器，提出了一种智能PID控制器结构．它具有PID控制器的参数在线白整定和直接控制型模糊控制器的功能，既保持了模糊控制灵活而适应性强的优点，又具有常规PID控制器的动态跟踪品质好和稳态精度高的特点，解决了热电偶校验炉的控制问题．仿真结果表明：智能PID控制方案是可行性的、有效的，与常规PID控制器相比，系统的响应速度提高了、超调量减少了．     

模糊滑模控制在数控转台伺服系统中的应用

针对一类包含不确定性和非线性因素的数控转台伺服系统,提出了一种基于模糊逻辑的滑模变结构控制算法。采用积分滑模面方法设计了切换函数,并将其作为模糊系统的输入,设计了单输入的模糊控制器。利用模糊控制策略调节控制量,获得系统的控制输出。仿真结果表明,模糊滑模控制算法有效地削弱了常规滑模控制中出现的抖振现象,提高了系统的响应速度,并增强了系统的鲁棒性。     

异步电动机的单神经元模糊自适应控制

针对异步电动机矢量控制中PI控制器自适应能力较弱的问题,提出了用单神经元模糊自适应控制器代替转速PI调节器和磁链PI调节器的方法,并基于梯度下降法和单神经元自适应模糊控制原理,将增量式PI控制算法和单神经元自适应学习规则相结合,通过模糊控制修正单神经元的比例系数,提高单神经元模糊自适应控制器参数在线调整能力。为验证单神经元模糊自适应控制器的性能,对系统进行仿真实验。仿真结果表明,采用单神经元模糊自适应控制策略,其控制效果优于传统矢量控制,系统的动态和静态性能比较好,而且控制器对电动机转子电阻变化有较好的鲁棒性。该控制方法具有较好的控制性能,使异步电动机控制系统具有较强的自适应能力。     

ACS algorithm-based adaptive fuzzy PID controller and its application to CIP-Ⅰ intelligent leg

Based on the ant colony system(ACS)algorithm and fuzzy logic control,a new design method for optimal fuzzy PID controller was proposed.In this method,the ACS algorithm was used to optimize the input/output scaling factors of fuzzy PID controller to generate the optimal fuzzy control rules and optimal real-time control action on a given controlled object.The designed controller,called the Fuzzy-ACS PID controller,was used to control the CIP-I intelligent leg.The simulation experiments demonstrate that this controller has good control performance.Compared with other three optimal PID controllers designed respectively by using the differential evolution algorithm,the real-coded genetic algorithm,and the simulated annealing,it was verified that the Fuzzy-ACS PID controller has better control performance.Furthermore,the simulation results also verify that the proposed ACS algorithm has quick convergence speed,small solution variation,good dynamic convergence behavior,and high computation efficiency in searching for the optimal input/output scaling factors.