基于虚拟参考反馈校正法的内模控制方法

在系统对象与内部模型误差较大时,内模控制依靠滤波器系数的调整去整定控制器参数,这会牺牲系统的快速性.为解决该问题,文中提出了基于虚拟参考反馈校正法(VRFT)的内模控制方法,同步实现了过程模型的辨识与内模控制器的设计.文中首先建立了内模控制与VRFT的联系;然后基于VRFT对内模控制器进行设计,推导出合理滤波器的具体表达式,利用此滤波器对控制器参数及内部模型参数进行优化,从而使设计的整个内模控制结构与给定的理想传递函数性能一致.仿真实验结果表明,虽然文中所提方法与传统内模控制器设计方法的控制效果比较接近,但前者具有更快的响应速度及更好的跟踪性能,说明文中所提控制方法是有效的.     

基于IMC的PID控制器参数确定

应用零极点相消法设计内模控制器,选取内模控制器的滤波系数满足预定不确定性下鲁棒性要求.用PID规律逼近IMC控制获得PID参数的确定.仿真表明,所设计的控制器具有良好的动态性能和鲁棒稳定性,适用于一大类工业过程.     

带有多重输出误差反馈的改进型内模控制器

本文通过对被控对象模型的传递函数并行结构分解,引入多重输出误差反馈,并根据内模结构来设计系统控制器。理论分析表明,依照上面方式设计的内模控制器,只要适当选择输出误差反馈增益,在被控对象模型与内模相同时,可实现极点配置,从而使内模控制器可适用于不稳定对象。文中还给出了设计实例。     

基于最大灵敏度的分数阶内模控制器设计

针对分数阶控制器设计参数整定复杂的问题,提出一种基于最大灵敏度的分数阶内模控制器设计方法。采用粒子群优化算法对原系统模型进行简化处理,根据内模控制原理设计分数阶内模控制器;仅通过一个可调参数,实现分数阶内模控制器的快速整定;通过最大灵敏度指标实现分数阶内模控制器的鲁棒整定。仿真结果表明该方法具有良好的控制品质及克服参数摄动的鲁棒性。     

时滞过程控制算法分析

针对时滞过程比较常用的Ｓｍｉｔｈ预估器和Ｄａｈｌｉｎ控制器,应用内模控制原理揭示了内模控制器和Ｓｍｉｔｈ预估器、Ｄａｈｌｉｎ控制器的内在联系,并指出Ｓｍｉｔｈ预估器和Ｄａｈｌｉｎ控制器所存在问题的本质原因,最后给出时滞过程的内模控制器设计方法。     

基于内模设计法的非最小相位系统控制

针对非最小相位系统的结构特点,提出内模控制器参数的合理算法.仿真结果表明,根据该方法设计的控制器具有较理想的控制效果,且控制器结构简单.     

感应电动机调速系统的二自由度免疫内模控制

针对感应电动机调速系统,将二自由度内模控制和免疫算法结合起来,设计了一种改进型的二自由度免疫内模控制器。该控制器有两个利用免疫算法进行调整的调节参数,它不仅使内模控制器中因固定滤波时间常数(可调参数)引起的鲁棒性和快速性之间的矛盾得到有效缓解,而且可以使感应电动机调速系统独立控制跟随性能和抗扰性能。仿真结果表明,改进型二自由度免疫内模控制器改善了感应电动机调速系统的控制性能。     

对一类非严格重复系统的两种基于二阶内模的迭代学习控制器设计

通过对系统中的不确定参数建立迭代域上的二阶内模来研究一类非线性连续时间系统的非严格重复性,并依照内模原理提出了两种基于二阶内模的参数迭代学习控制器:二阶迭代学习控制器和平行迭代学习控制器.本文分别使用不同的Lyapunov函数,证明了两种控制器在各自的可行范围内都可以保证系统的跟踪误差收敛.通过对这两种学习机制的比较分析,说明了平行迭代学习控制设计的合理性.两个数值仿真不仅证实了两种算法的有效性,也展示了平行迭代学习控制器更好的收敛特性.     

线性系统的输出反馈次优扰动抑制:内模原理方法

 运用内模原理研究线性系统的输出反馈扰动抑制问题.首先根据扰动的动态特性构造内模系统,将最优扰动抑制问题转化为等价的最优调节问题.然后通过构造降维状态观测器重构输出反馈中测量不到的部分状态变量;通过求解一组矩阵微分方程或矩阵方程得到次优控制律,利用控制律中的内模补偿项与外部扰动进行对消.最后采用海洋平台简化模型作仿真示例,将所设计的扰动抑制控制器与前馈反馈最优扰动抑制控制器作比较,证明所设计的控制器能够实现无静差的扰动抑制.     

球杆系统的内模PID控制

本文针对开环不稳定球杆系统,提出了一种内模PID控制器设计方法.首先通过机理分析建立了系统的数学模型,并利用一阶环节逼近模型中的积分环节,然后在此基础上根据内模控制(internal model control,IMC)原理设计了系统控制器,并推导出了相应的内模PID控制器,与常规PID控制器相比,该控制器仅有一个可调参数,且系统具有整定方便、鲁棒性强的优点.仿真和实验结果表明,内模PID控制器能使小球快速地稳定在目标位置,具有良好的稳定性和鲁棒性.     

Discrete Time Optimal Adaptive Control for Linear Stochastic Systems

The least-squares (LS) algorithm has been used for system modeling for a long time. Without any excitation conditions, only the convergence rate of the common LS algorithm can be obtained. This paper analyzed the weighted least-squares (WLS) algorithm and described the good properties of the WLS algorithm. The WLS algorithm was then used for adaptive control of linear stochastic systems to show that the linear closed-loop system was globally stable and that the system identification was consistent. Compared to the past optimal adaptive controller, this controller does not impose restricted conditions on the coefficients of the system, such as knowing the first coefficient before the controller. Without any persistent excitation conditions, the analysis shows that, with the regulation of the adaptive control, the closed-loop system was globally stable and the adaptive controller converged to the one-step-ahead optimal controller in some sense.     

遗传算法优化的无刷直流电机模糊PID控制器设计

设计一种基于遗传算法优化的模糊PID(比例-积分-微分)控制器GFPC（genetic algorithm based fuzzy PID controller）, 以提高无刷直流电机的工作稳定性. GFPC通过模糊控制器整定PID的比例、积分和微分系数, 并采用改进的遗传算法对模糊控制器的隶属度函数和模糊规则进行优化, 以改善无刷直流电机的控制效果. 通过对比实验对该方法进行测试, 结果表明, GFPC具有更好的稳态性能和动态品质, 且自适应能力与鲁棒性更强.     

遗传算法优化的无刷直流电机模糊PID控制器设计

设计一种基于遗传算法优化的模糊PID(比例-积分-微分)控制器GFPC（genetic algorithm based fuzzy PID controller）, 以提高无刷直流电机的工作稳定性. GFPC通过模糊控制器整定PID的比例、积分和微分系数, 并采用改进的遗传算法对模糊控制器的隶属度函数和模糊规则进行优化, 以改善无刷直流电机的控制效果. 通过对比实验对该方法进行测试, 结果表明, GFPC具有更好的稳态性能和动态品质, 且自适应能力与鲁棒性更强.     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

基于LabVIEW的神经网络PID自适应控制器的设计与应用

基于LabVIEW的神经网络PID自适应控制器，是将LabVIEW与Matlab神经网络工具箱相结合，控制算法上将神经网络和PID控制规律融为一体，既具有常规PID控制器结构简单、参数物理意义明确的优点，又具有神经网络自学习、自适应的功能；且与测量、自动化的硬件结合非常紧密，使这种控制器不仅在算法上比常规控制器具有更好的鲁棒性和控制效果，而且在工控领域也必将有广阔的应用前景。     

一类非最小相位对象的内模预测控制:SISO情形

针对一非最小相位对象,在内模控制结构下,根据预测控制机理来直接优化设计一非因果FIR(有限脉冲响应)型控制器,提出了基于奇异值分解(SVD)的控制器系数估计算法.该控制方法既保留了预测控制滚动优化的特点,又保持了内模控制对偶稳定性的特性,是一种稳定化的预测控制新策略.     

Fuzzy Self-adaptive Proportional Integration Differential Control for Attitude Stabilization of Quadrotor UAV

The technology of attitude control for quadrotor unmanned aerial vehicles(UAVs) is one of the most important UAVs' research areas.In order to achieve a satisfactory operation in quadrotor UAVs having proportional integration differential(PID) controllers,it is necessary to appropriately adjust the controller coefficients which are dependent on dynamic parameters of the quadrotor UAV and any changes in parameters and conditions could affect desired performance of the controller.In this paper,combining with PID control and fuzzy logic control,a kind of fuzzy self-adaptive PID control algorithm for attitude stabilization of the quadrotor UAV was put forward.Firstly,the nonlinear model of six degrees of freedom(6-DOF) for quadrotor UAV is established.Secondly,for obtaining the attitude of quadrotor,attitude data fusion using complementary filtering is applied to improving the measurement accuracy and dynamic performance.Finally,the attitude stabilization control simulation model of the quadrotor UAV is build,and the self-adaptive fuzzy parameter tuning rules for PID attitude controller are given,so as to realize the online self-tuning of the controller parameters.Simulation results show that comparing with the conventional PID controller,this attitude control algorithm of fuzzy self-adaptive PID has a better dynamic response performance.     

基于经验数据的T-S模糊控制器设计与优化

提出了一种基于经验数据而非语言的T-S模糊控制器设计和优化方法.此方法分为三个阶段,第一阶段依据输入变量的范围来确定输入变量的高斯型隶属度函数;第二阶段在不改变输入变量隶属度函数的前提下,对经验数据施加递推最小二乘法以确定T-S模糊控制器的后件系数;第三阶段,使用梯度下降方法同时优化控制规则的前件参数和后件参数.倒立摆的仿真试验结果验证了该方法的有效性.     

热交换系统二自由度PID 控制

为解决热交换系统的温度控制问题, 采用二自由度PID(Proportional-Integral-Derivative)控制算法设计了温度控制器。该控制器的PID 参数通过Ziegler-Nichols 振荡法整定, 二自由度化控制器参数根据经验规则进行调整。利用所设计的二自由度PID 控制器和传统的PID 控制器进行了多项仿真实验, 包括目标跟踪、抗扰、鲁棒性和标称模型控制等。实验结果表明, 二自由度PID 控制器的目标跟踪速度优于传统PID, 具有良好的鲁棒性, 对标称模型的控制具有更小的上升时间和反冲。     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.