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.     

温度控制系统模糊自适应PID控制器仿真研究

研究电机绝缘处理的过程中,针对烘干炉的温度控制具有非线性和大滞后的特点,常规的PID控制器和模糊控制器很难达到理想的控制效果,为保证温度系统的稳定性,把模糊控制和常规的PID控制结合起来,提出了模糊自适应PID控制器.首先建立了烘干炉温度控制系统的数学模型,确定了系统的输入输出量,建立了模糊控制规则,进行模糊推理,计算PID控制器的参数,可由PID控制器控制烘干炉的温度,采用计算机仿真结果表明,模糊自适应PID控制器与常规PID控制器相比较,提高了烘干炉温度控制系统的自适应能力和鲁棒性,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到良好的控制效果.     

在线知识获得智能模糊控制器研究

对一些复杂的系统。传统PID或模糊控制很难得到满意控制效果,本文提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来进行控制。由遗传算法在线优化模糊控制器的比例因子、模糊推理规则和隶属函数。并由RBF网络辨识被控对象的动态特性,以评价模糊控制器控制性能。仿真实验表明。优化后的Fuzzy控制器具有较强的学习和自适应控制能力,控制效果优于没有寻优的Fuzzy控制。     

基于自适应遗传算法的改进PID参数优化

PID参数设置是决定PID控制性能的关键,为了获取较优的PID控制效果,提出了自适应遗传算法整定和优化PID参数的方法;首先将系统的综合性能控制区分为不同目标的局部性能控制,针对局部目标采用不同的目标函数;之后采用自适应选择、交叉和变异概率对不同控制目标进行PID参数寻优,自适应遗传算法在保持种群多样性的同时能够加快算法收敛;最后通过发动机怠速转速控制应用表明本算法的可行性和有效性:改进的PID控制和遗传算法有效提高了PID参数寻优能力,提高了控制系统的响应能力和稳定性.     

自适应遗传PID算法在压缩机防喘振的研究

针对离心压缩机防喘振控制原有调节过程能量浪费严重,传统的PID控制难以获得满意的效果的问题,提出一种新的基于遗传算法的自适应PID拉制算法.利用遗传算法可快速全局寻优的特点,通过对PID控制参数的遗传算法优化,将性能指标构成相应的适应度函数,采用自适应变异概率,反复进行遗传操作以获得控制器的最佳整定参数.仿真结果表明,与传统PID整定结果相比较,该方法提高了参数的优化性能,系统动态性能进一步提高,可以取得较好的控制效果.     

基于规则相容性的模糊控制规则GA生成方法

基于目前采用遗传算法模糊控制规则优化存在的没有考虑规则的相客性、得到的模糊控制规则难以理解的问题,介绍了以模糊贴近度为评价标准,定量评价模糊规则相客性的方法。在此基础上,提出了新的适应度函数,即遗传算法的适应度函数由控制性能指标和规则相客性指标两部分组成。利用遗传算法生成了模糊规则,同时保证规则之间的相客性。仿真结果表明,生成的模糊规则具有较好的相容性和控制性能。     

前馈补偿和自适应遗传算法的空调系统优化

变风量空调系统本身存在多变量、非线性、强耦合等问题,基本遗传算法很难起到很好的控制效果,将自适应遗传算法应用到变风量空调系统的实际控制过程中.针对基本遗传算法的缺陷,采用自适应遗传算法进行弥补,主要从种群分析、个体适应度值缩放方法、交叉概率和变异概率的自适应调整,保留优良个体这四个方面进行改进,提高了算法的运行效率和收...     

遗传算法在汽车巡航控制系统中的应用

针对汽车巡航控制系统的强非线性和不确定性,提出了一种基于遗传算法的模糊PID汽车巡航控制方法。结合遗传算法和模糊PID控制各自的优点,分别用遗传算法优化模糊PID控制系统的模糊控制规则、用模糊推理在线整定PID控制参数。仿真结果表明,基于遗传算法的模糊PID控制方案使巡航系统具有更快的响应速度和适应参数变化的能力,它是一种非常有效的控制策略,能够达到较好的控制效果。     

基于遗传算法优化的汽车巡航模糊控制策略

研究汽车巡航控制系统中采用模糊控制.模糊控制中的隶属函数和模糊推理规则的选取专家或者技术人员的经验,但人工经验具有随机性和主观性,使得其控制性能往往达不到理想的效果.针对上述问题,采用一种基于遗传算法的模糊控制策略,利用遗传算法并对隶属函数和模糊推理规则进行优化,从而使隶属函数和模糊推理规则的确定摆脱了人为经验的局限,提高了模糊控制的自适应能力.实验结果表明优化后的控制器可以使汽车巡航系统取得较满意的效果.     

飞航导弹变论域自适应模糊PID控制方法

对于导弹飞行控制,当系统在大动态范围运行时,常规模糊PID控制由于固定论域、调整因子以及根据个别专家经验制定的有限控制规则不够完善,其固定的论域范围就会使得模糊控制对PID参数的调整过大或者过小,造成系统响应变慢,出现震荡,难以稳定等。针对导弹在飞行过程中具有非线性、耦合性以及时变性等特点,设计了一种自适应变论域模糊PID复合控制策略,采用变论域模糊控制实现控制参数自整定和控制规则的自调整,采用PID控制弥补模糊控制固有的精度盲区。实验结果表明该方法无论在随机扰动还是幅值扰动情况下都能够实现快速响应,自适应抗干扰能力强,具有动态响应快、稳定精度高,鲁棒性强等特点。     

非线性迭代学习控制问题的延拓修正牛顿法

对于非线性迭代学习控制问题,提出基于延拓法和修正Newton法的具有全局收敛性的迭代学习控制新方法.由于一般的Newton型迭代学习控制律都是局部收敛的,在实际应用中有很大局限性.为拓宽收敛范围,该方法将延拓法引入迭代学习控制问题,提出基于同伦延拓的新的Newton型迭代学习控制律,使得初始控制可以较为任意的选择.新的迭代学习控制算法将求解过程分成N个子问题,每个子问题由换列修正Newton法利用简单的递推公式解出.本文给出算法收敛的充分条件,证明了算法的全局收敛性.该算法对于非线性系统迭代学习控制具有全局收敛和计算简单的优点.     

On maximizing the convergence rate for linear systems with input saturation

In this note, we consider a few important issues related to the maximization of the convergence rate inside a given ellipsoid for linear systems with input saturation. For continuous-time systems, the control that maximizes the convergence rate is simply a bang-bang control. Through studying the system under the maximal convergence control, we reveal several fundamental results on set invariance. An important consequence of maximizing the convergence rate is that the maximal invariant ellipsoid is produced. We provide a simple method for finding the maximal invariant ellipsoid, and we also study the dependence of the maximal convergence rate on the Lyapunov function.     

合同网协议协商机制收敛性与收敛速率分析

针对合同网协议协商机制缺乏问题求解质量与效率分析的情况,设定假设条件,构建马尔可夫链模型,得出了利用目前已有的合同类型无法保证全局收敛的结论.在此基础上,提出了变邻域合同系的概念,通过分析控制方式对收敛性的影响,得出了集中式控制可以保证全局收敛以及分布式控制以概率保证全局收敛的结论,并设计了概率的计算方法.采用Doebin理论,对应用变邻域合同系的收敛速率进行分析,得出了集中式控制收敛速率与分布式控制收敛速率的上下界估计.     

有界控制下单向收敛滑模控制

提出一种控制有界情况下状态单向收敛的滑模控制方法.对于二阶系统,单向收敛是指初始状态与状态到达滑动模态的位置位于相平面同一象限的过程.通过分析到达阶段的动态特性,揭示了状态非单向收敛的原因,并提出了一种单向收敛条件,给出了系统状态单向收敛的区域.将所提出的方法应用于具有单向收敛要求的交会对接控制系统,结果验证了所提出方法的有效性.     

Global stabilization control of stochastic quantum systems随机量子系统的全局稳定控制

The global stabilization control of arbitrary eigenstates for finite dimensional stochastic quantum systems with non-diagonal free Hamiltonian and non-regular measurement operator is studied in this paper. We propose a switching feedback control law, in which a constant control is used to steer the system state to a convergence domain, and another control law designed based on Lyapunov stability theorem, is used to attract the states in the convergence domain to the desired target state. The convergence to an arbitrary target eigenstate from any initial state is strictly proved. Moreover, numerical simulation experiments on a three-dimensional stochastic quantum system are implemented to demonstrate the effectiveness of the proposed control.     

基于ESO 的复合滑模面非奇异terminal 滑模控制

针对传统非奇异terminal 滑模控制存在的收敛缓慢和控制输入抖振的问题, 提出采用复合滑模面函数和扩张状态观测器的控制器设计方法. 首先, 结合复合滑模面, 采用分阶段控制律提高系统收敛速度; 然后, 在此基础上使用扩张状态观测器在线估计并补偿系统的不确定量, 以有效削弱系统未建模动力学导致的抖振; 最后, 分别证明了以上两种方法的有限时间收敛特性. 仿真结果验证了所提出方法的有效性, 体现了系统的快速收敛和强鲁棒性等特点.     

无模型控制律的基本形式收敛性分析

在实时建模与反馈控制一体化的思想下,利用"泛模型的基本形式",对无模型控制律的收敛性进行了定量和定性的分析,给出了控制律收敛的必要条件、特征参量选择方法以及影响收敛特性的因素.从理论上,进一步证明了无模型控制器设计方法的合理性,并为控制器的设计提供理论依据.分析结果表明了在考虑控制系统设计的建模问题时,可以脱离开"先建模后设计"的经典途径,只要从所谓的泛模型出发,所设计的无模型控制律的收敛性将得到保证.     

随机开放量子系统的纯态开关反馈控制EI北大核心CSCD

针对目标态为纯态的情况,本文对有限维随机开放量子系统,提出一种同时适用于本征态和叠加态的开关控制,它是由常量控制和基于李雅普诺夫方法设计的控制律组成,实现随机开放量子系统的状态转移和收敛控制,其中,李雅普诺夫函数为系统的状态距离,常量控制用来驱动系统状态从初始状态进入含有目标态的收敛域中,李雅普诺夫控制用来使进入收敛域中的状态继续收敛到期望的目标态.将所提出的控制方法,应用于2比特随机开放量子系统进行了数值仿真实验,并与本征态开关控制律方法进行了性能对比,实验结果表明了所提出的控制律的优越性.     

遗传算法的收敛性统一判据

本文针对遗传算法的过早收敛或者收敛缓慢甚至不收敛,进行了详细的分析;理论分析了算法发生过早收敛的原因,收敛速度与各个控制参数和遗传操作的关系;提出并严格证明了与编码方式和选择策略无关的判断遗传算法收敛性判据。     

A novel optimal PID controller autotuning design based on the SLP algorithm

A novel optimal proportional integral derivative (PID) autotuning controller design based on a new algorithm approach, the “swarm learning process” (SLP) algorithm, is proposed. It improves the convergence and performance of the autotuning PID parameter by applying the swarm and learning algorithm concepts. Its convergence is verified by two methods, global convergence and characteristic convergence. In the case of global convergence, the convergence rule of a random search algorithm is employed to judge, and Markov chain modelling is used to analyse. The superiority of the proposed method, in terms of characteristic convergence and performance, is verified through the simulation based on the automatic voltage regulator and direct current motor control system. Verification is performed by comparing the results of the proposed model with those of other algorithms, that is, the ant colony optimization with a new constrained Nelder–Mead algorithm, the genetic algorithm (GA), the particle swarm optimization (PSO) algorithm, and a neural network (NN). According to the global convergence analysis, the proposed method satisfies the convergence rule of the random search algorithm. With respect to the characteristic convergence and performance, the proposed method provides a better response than the GA, the PSO, and the NN for both control systems.