基于RBF神经网络的PID自适应真空炉温度控制

提出一种基于RBF辨识神经网络算法的神经网络PID控制方案,由RBF网络对系统进行在线辨识,建立其在线参考模型并为PID控制器提供了梯度信息,从而实现控制器参数的在线调整.仿真结果表明,该控制方法应用于真空炉温度控制时控制精度高,动态特性好,收到了良好的效果.     

基于RBF神经网络的PID自适应真空炉温度控制

提出一种基于RBF辨识神经网络算法的神经网络PID控制方案，由RBF网络对系统进行在线辨识．建立其在线参考模型并为PID控制器提供了梯度信息，从而实现控制器参数的在线调整。仿真结果表明，该控制方法应用于真空炉温度控制时控制精度高，动态特性好，收到了良好的效果。     

一种改进的足球机器人PID调节器设计

在分析增量式数字PID基本算法的基础上,讨论了PID调节器参数对控制性能的影响及PID调节器控制参数的整定,并利用具有积分分离和消除设定值变化冲击的PID控制算法来实现具有最佳组合的PID控制.仿真实验结果表明,经该方法整定出的参数使该控制器获得了良好的控制效果.     

PID自整定方法在火电厂DCS中的应用

讨论了现有的各种PID控制器参数自整定方法和发展状况，针对火电厂DCS中PID控制器参数人工整定存在的问题．提出了基于阶跃辨识的PID参数自整定算法．     

基于极点配置算法的列车横向半主动悬挂自适应PID控制系统设计

为了使PID控制器具备自适应能力,以适应列车受到外部环境扰动时产生的结构参数变化,使用了增量式数字PID控制器,将PID控制器与极点配置控制算法结合,利用极点配置算法在线实时优化kP,kI,kD参数,设计了自适应极点配置PID控制器,实现了kP,kI,kD参数的自动校正.最后给出基于极点配置自适应PID的高速列车半主动悬挂控制系统的设计方案,利用MATLAB-Simulink搭建仿真平台并进行仿真.仿真结果表明：基于极点配置算法的列车半主动悬挂自适应PID控制系统能够有效降低列车横向振动.     

参数自整定模糊PID控制方法及其在漆包机中的应用

漆包机烘炉系统复杂,传统控制方法效果不佳,在常规PID（proportion-integral-derivative）控制器的基础上,利用模糊控制理论结合PID算法实现参数自整定,解决了常规PID参数设定的不确定性.应用齐格勒-尼克尔斯方法确定了PID控制器参数的初值,再运用模糊控制理论实现对PID控制参数的修正,从而得到满足要求的PID控制器参数.在Matlab环境下对设计控制器进行了仿真研究,结果表明,参数自整定模糊PID控制比常规PID更具良好的控制效果.     

基于改进OOA-PID控制器的有机固废裂解釜温度控制

为了突破传统PID控制器在有机固废裂解系统中无法有效处理非线性系统、缺乏全局优化等局限性,提出了基于改进鱼鹰优化算法（OOA）的PID控制器。首先,对裂解釜温度系统传递函数模型的参数进行辨识;然后,运用改进OOA算法优化PID控制器参数;最后,通过MATLAB/Simulink进行仿真实验。仿真结果表明,改进后OOA-PID控制器相较传统的OOA-PID控制器控制效果提升显著,超调量减小了2.6%,系统动态响应时间缩短了约42%。     

PID控制原理及参数整定方法

针对PID控制器参数的准确设定在实际应用中对控制效果的重要作用,介绍了PID控制原理、模拟型和数字型PID控制器,并详细分析了目前使用比较广泛的3种参数整定方法:试凑法、经验数据法和扩充临界比例度法.     

基于神经网络PID控制器的混沌系统控制与同步

提出了一种基于神经网络参数自整定PID控制器的混沌控制方法。该方法由神经网络辨识器和神经网络控制器组成,神经网络学习算法均采用Davidon最小二乘法。考虑到混沌系统的动力学特性,施加单个控制量可实现模型未知混沌系统的平衡点镇定和自同步,仿真结果证实了该方法的有效性。     

基于组态软件的自适应PID控制器研究

针对工业过程中常遇到的二阶纯滞后系统,介绍了一种基于组态软件的自适应PID控制器的设计方法.该控制器可实现在线辨识并可自动整定控制参数,结构简单,工作稳定,鲁棒性好.对于一些复杂过程和严重非线性过程,在辨识过程不十分有效的情况下,运用Fuzzy PID参数调节,系统仍有较好的控制性能.     

神经网络模糊PID技术在光伏系统MPPT控制器中的应用

针对传统光伏系统MPPT控制算法的局限性及无法自适应外部复杂情况等诸多问题,提出一类以神经网络、模糊控制器以及PID控制器组成的神经网络模糊PID控制器。利用光照幅度、环境温度等参数的离线训练后的权值作为整个三层前馈神经网络的优化参数;通过预测最大功率点与实际的工作电压进行比较,运用模糊推理对PID相关参数进行最佳调整。仿真结果表明：与传统PID控制器、模糊控制器相比,本系统能增强消除系统误差能力,稳态性能有了明显提高,同时可获得更高的控制精度。     

混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器．以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案．仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度．该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案．     

基于启发式学习算法的空间柔性机械臂神经网络控制

针对非线性强耦合的空间漂浮基柔性机器人,提出了一种启发式学习算法的神经网络的前馈控制策略。首先通过拉格朗日法和假设模态方法建立了漂浮基柔性空间机器人的动力学模型,然后采用两个神经网络及一个PID控制器来构建前馈在线学习控制系统,其中一个神经网络充当前馈控制器,另一个神经网络通过学习逆动态模型来为前馈控制器提供在线学习参数,而PID控制器主要作为辅助补偿控制器。该控制策略不是在PID控制器的指导下进行学习,且无需预先的离线学习,因而学习精度更高,且减少了对学习样本选择不当的影响,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整的算法来实现快速学习能力,具有较好的实时性。仿真结果证明了所提方案的有效性。     

BP神经网络自学习PID算法在PLC的实现

目前神经网络自适应PID算法在理论研究方面的成果已经较多,在实际生产过程中的应用较少。以水箱控制为被控对象,利用神经网络在线调节PID控制器参数来增强系统的自适应能力,并采用PLC编程语言完成算法实现,将其应用于实际的液位控制系统中。实际运行结果表明,该系统运行稳定可靠,调节时间和上升时间提高了30％。     

神经网络PID复合智能控制参数自整定研究

针对具有时滞一阶非最小相位系统的被控对象,提出了一种基于神经网络的PID复合智能控制设计方案,推导出复合PID控制器控制参数的整定方法.考虑到被控对象的不确定性、慢时变等特点,以神经网络元构造基于自动化复合PID控制器,解决了基于自动化复合PID控制参数在线调整的问题,使复合PID控制器适用范围更广泛.对闭环控制系统模拟结果表明,该系统控制参数整定方法简单,具有非常好的控制效果.     

神经网络模糊PID控制器在直接矩控制中的应用

介绍了一种模糊自整定PID参数控制器的设计方法,并提出利用神经网络训练PID参数的基值。对常规PID控制和神经网络模糊PID控制系统作了对比研究,仿真实验结果表明新方法既保证了系统的稳态精度,又保证了系统的快速响应和坚韧性。将该方法用于直接转矩控制系统中,取得了远远优于常规PID调节器的控制效果。     

基于遗传算法的无刷直流电机的PID控制

无刷直流电机（BLDCM）是一种多变量和非线性的控制系统,文中提出了一种使用遗传算法优化的PID控制器,并用于无刷直流电机的控制中。系统使用电流和转速双闭环控制,速度环采用PID控制器进行控制,PID参数通过遗传算法进行离线优化。通过仿真分析,系统较好地实现了给定速度的跟踪,具有控制灵活、适应性强等优点,同时又具有较高的控制精度和较好的鲁棒性。     

采用人工神经元的智能PID控制

采用单个人工神经元构成智能ＰＩＤ控制器．以系统的误差信号作为神经元的输入，神经元的权系数相当于传统离散ＰＩＤ的比例、积分、微分系数，神经元的输出为实际控制信号的修正值．利用ＢＰ学习规则在线修正神经无权值，以便能够获得在线自动寻优，调整ＰＩＤ控制器参数．该方法适用于被控系统模型未知、非线性严重和参数变化较大的场合．本文对一非线性系统进行了仿真，结果表明该控制器具有很强的自适应和自学习能力．     

基于改进粒子群算法的PID控制器参数整定优化

针对经典粒子群算法应用在PID控制器的参数上整定的方法其效果往往不佳的问题上,本文提出了一种改进粒子群算法的PID控制器参数整定优化设计,在粒子群的基础上加入遗传算法中的交叉算子,并将粒子群中的惯性权重因子改成动态参数,应用到的PID控制器,使参数的自适应整定问题也获得了改进,快速性和稳定性也都优于经典粒子群算法的PID控制器。借助Matlab进行仿真系统的响应曲线图,根据对比得出系统性能的指标改进情况。