智能PID控制器及其在锅炉过热汽温自适应控制中的仿真研究

提出了一种新型智能PID控制器，并在电厂主汽温串级控制系统中进行仿真研究。智能PID控制器由模糊PD控制器和自调节积分环节并联组成，其特点是：模糊控制器的规则库由自适应神经元在线调节，积分器的增益由模糊推理机在线整定。因而该控制系统是无模型控制系统，无须被控对象的精确数学模型，系统可以实现参数的自整定，具有很强的自学习能力。对某超临界600MW直流锅炉主汽温控制的仿真结果表明，这种控制器可以实现多个工况点的控制，具有很强的自适应能力，并且在大范围的负荷变化和时变控制系统中仍具有稳定的控制效果、较强的鲁棒性和较好的抗扰动性能。     

基于神经网络的自适应PID控制器及其应用

介绍一种基于神经网络的自适应PID控制器,运用神经网络和BP算法在线调整PID参数,PID参数的初值采用继电器自整定法整定。仿真分析和实际应用结果表明,与传统的数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁捧性。     

变速风力发电机组的模糊-单神经元PID控制

对风力发电机组的数学模型及常规PID控制器进行了分析设计,由于变速风力发电机组的转速变化范围很宽,表现出高度的非线性性和时变性,常规的PID控制器难以在全范围内得到理想的控制性能。为此,提出采用单神经元智能控制器来替代常规的PID控制器,以改善机组控制性能。在分析单神经元控制器的结构和控制原理基础上,为了进一步提高单神经元控制器的动静态性能,引入了模糊控技术,实现了单神经元控制器输出增益的参数自整定。在仿真基础上,建立了一套完整的实验系统,对几种控制方法进行了实验研究。仿真和实验结果表明,基于模糊自整定的单神经元控制器可有效地改善风力发电机组的控制性能,具有较强的自适应能力和鲁棒性。     

基于OS-ELM与模糊PID的自适应打磨头控制系统

针对风电叶片自适应打磨装置需求，提出了一种基于OS-ELM的模糊PID控制的自适应恒力打磨装置，通过结合OS-ELM来更快速的整定模糊PID控制器的控制参数输入，然后通过模糊规则得到合适KP、KI、KD输入初值，实现在线整定PID控制参数。通过MATLAB\\Simulink仿真软件对打磨头控制系统的仿真模型进行控制系统验证优化，最后通过装置样机实验，对系统控制效率，稳定性，打磨效果进行检测。实验得出该装置能够满足风电叶片进行恒力亮面打磨，打磨效率显著提高，打磨后产品粗糙度10~12 μm之间，满足企业打磨后叶片粗糙度要求。     

模糊自适应整定PID-FS在整流电源中的应用

针对整流电源控制系统被控对象的时变性和多样性,将模糊自适应控制与常规PID控制算法相结合,设计了一种模糊自适应整定PID控制器.在控制算法上,提出了基于模糊自适应整定PID控制器,它很好地解决了传统控制原理中系统控制精度与稳定性之间的矛盾.仿真和实验结果表明,采用模糊自适应整定PID随动系统(Following System,简称FS)的大功率整流电源控制系统能够适应被控对象在较大范围内的变化,具有较强的自适应能力,其控制品质优于常规的PID控制器.     

基于继电反馈的被控对象特征参数研究

为了更好地整定PID控制器,需要获取被控对象准确的模型信息,由于继电反馈时Z N整定规则的计算精度低且工程中被控对象特征参数不确定,无法采用先进的控制方案对系统进行准确控制。基于继电反馈对PID控制器参数自整定方法进行研究,针对近似为一阶惯性纯滞后环节的工业对象进行仿真分析。通过继电反馈获取系统临界信息,推理出临界信息与模型参数的函数关系,最终求出特征参数值。试验结果表明,该函数关系能以较低的误差辨识出惯性时间和滞后时间,为PID控制器的设计提供定量参考。     

永磁直线同步电动机模型参考自适应神经元速度控制的仿真

针对永磁直线同步电动机的矢量控制系统,提出了一种模型参考自适应的增益模糊自整定神经元速度控制器。仿真结果表明当突加负载扰动或参数突变时,模型参考自适应的增益模糊自整定神经元速度控制具有响应快、鲁棒性强、较好的动、静态特性等优点。     

基于改进的PID柴油机冷却水温控制系统

针对传统的PID柴油机冷却水温控制系统的控制精度较低稳定性差的现状,设计了一种改进的PID柴油机水温控制系统.该系统将积分分离PID继电自整定控制算法引入传统的柴油机水温控制系统中,在被控量与设定值偏差较大时取消积分作用,避免了由于积分作用造成的系统稳定性降低,超调量增大.应用结果表明,改进的PID控制器能在闭环状态下整定参数,降低控制系统的超调量,使系统的控制精度和稳定性得到显著提高.     

基于Fuzzy-PID的风力发电机润滑油温度控制系统

简述了一种基于模糊自整定PID控制的风力发电机齿轮箱润滑油温度控制系统的设计,给出了应用MATLAB中的模糊推理系统设计模糊控制查询表的方法.仿真及试验结果表明,模糊自整定PID 控制器能适应对象参数的变化,具有较强的鲁棒性和自适应能力,能显著提高系统的动、静态性能.     

基于智能神经元PID的异步电机直接转矩控制

针对异步电机直接转矩控制系统PID转速调节器的适应性、鲁棒性及抗干扰性较差的问题,提出了基于智能神经元PID转速调节器的异步电机直接转矩控制方法。智能神经元PID转速调节器采用2个神经元控制器进行设计,同时实现了控制器参数的在线调整,磁链调节器和转矩调节器分别采用滞环调节器进行设计。仿真结果表明,基于智能神经元PID的异步电机直接转矩控制系统能快速跟踪参考转速变化,具有很强的抗干扰能力、自适应能力和较强的鲁棒性。     

免疫调节增益的单神经元PID控制器

针对单神经元PID控制中学习速度较慢,动态响应时间长等问题,提出了免疫调节增益的单神经元PID控制器.将T细胞免疫调节机理与单神经元PID控制算法相结合,以提高单神经元PID控制器的学习速度,缩短动态响应时间,改善单神经元PID控制器的性能.仿真研究了免疫调节增益的单神经元PID控制器的定值跟踪性能和抗干扰性能以及直流电机伺服控制性能.仿真实验结果表明,这种新的控制算法学习速度快,动态响应时间短,具有较强的自适应性和鲁棒性,其控制性能优于单神经元PID控制.     

视轴稳定系统的模糊PID控制器设计

为了实现无人机视轴稳定系统的准确测量与跟踪,设计了经典PID和模糊控制为基础的视轴稳定控制器。在实际工程中PID参数整定过程存在大量不确定性,为了实现PID参数的在线整定,将模糊控制算法与经典PID控制相结合,构造了参数自整定模糊PID控制器,实现了对PID控制器的修正。在MATLAB中的Fuzzy Toolbox和Simulink中,将PID和参数自整定模糊PID进行对比,参数自整定模糊PID控制器在无扰动和10 Hz的正弦扰动的阶跃响应曲线表明,模糊PID相对于模糊控制和PID控制有更短的响应时间和更小的隔离度;在输入为1~10 Hz的系统正弦响应曲线,模糊PID误差最小,控制效果最好。由此可得参数自整定模糊PID在视轴稳定系统中有良好的鲁棒性和控制性能。     

HVDC中单神经元自适应PID控制方法研究

介绍了将具有自学功能的单神经元模型与常规的比例、积分、微分(PID)控制方法相结合,设计的基于单神经元自适应PID控制器。其控制规律是在高压直流输电(HVDC)系统以整流侧定电流的PID为研究对象,将传感器测得的实际直流电流与参考值比较,再将两者误差信号反馈给PID控制器,产生延迟相角信号。依据误差信号的变化调节延迟相角,从而保持直流线路的恒定。所设计的控制器由实际直流电流与电路参考值之差输入到状态变换器获得的3个量作为神经元的输入,并基于Hebb学习规则、联想式学习策略推导出单神经元的权值调整规律和参数整定方法。采用Simulink典型6脉冲桥HVDC系统的整流侧定电流控制模型仿真,实例说明了神经元算法的实现,其设计的控制器效果好。     

改进的混沌算法在PID参数整定中的应用

PID控制由于鲁棒性好和易于实现等优点，在工业上广泛应用；但是PID参数整定繁琐、难以达到最优状态、控制结果出现较强的振荡和大超调等问题。在传统的混沌算法的基础上，引入微粒群算法的寻优思想，形成了一种新的混沌算法，并应用在PID控制器的参数优化上。仿真证明了该算法能有效地实现PID参数最优整定，控制结果具有稳定、超调小、响应快的优点。该算法寻优速度快，效率高，容易实现，其性能优于常规遗传算法，为解决PID控制器参数全局最优设计提供了一种有效的方法。     

基于单神经元Smith预估的过热汽温控制

针对典型大时滞大惯性、参数变化的电站锅炉过热汽温受控对象 ,设计了基于单神经元Smith预估过热汽温控制系统。在仿真实验的基础上 ,对单神经元Smith预估控制和最优常规PID控制进行了比较和分析。仿真结果表明 ,单神经元Smith预估控制能够充分利用神经元自学习、自适应的能力以及Smith预估补偿控制的优点 ,使系统的控制品质提高 ,而且具有更强的鲁棒性和自适应性     

Algorithms for accelerated automatic tuning of controllers with estimating the plant model from the plant response to an impulse disturbance and under self-oscillation conditions

The problem of automatically tuning controllers in an operating control system is considered. Two methods for quickly determining the model parameters with calculating the plant model and the optimal controller tuning parameters in real time are proposed for the preliminary controller tuning stage: from the experimentally obtained plant response to an impulse disturbance and from two periods of self-oscillations excited in the mode of two-position control. The PID controller tunings are determined using the calculation algorithm of indirect frequency optimality indicators. The results from checking the serviceability of the proposed method in a system fitted with an industry-grade controller are presented.     

单神经元自适应PID控制在大功率整流电源中的应用

将具有自学习功能的单神经元模型与常规的PID控制算法相结合,设计了单神经元自适应PID控制器,并应用于大功率整流电源控制系统。仿真结果表明,采用单神经元PID控制器的大功率整流电源控制系统,能够适应被控对象在较大范围内的变化,具有较强的自适应能力和鲁棒性,其控制品质优于常规的PID控制器。     

BUCK型开关变换器最优PID控制器设计

针对开关电源的复杂性和时变性,传统PID控制器整定方法无法很好满足其控制性能要求的问题,提出一种面向性能指标的最优PID控制器参数整定方法。基于DP算法,计算保证闭环系统稳定的PID控制器参数范围;利用具有全局寻优能力的遗传算法,按照ITAE性能指标在该范围内进行参数寻优。以BUCK变换器为利的仿真研究表明,该方法在指定的性能指标上取得了满意的控制效果,在负载发生摄动时,较传统PID控制器,具有较好的鲁棒性,且计算相对简单、实用性强,可推广到非线性PID控制器的参数整定和相关工程实践中。     

Self‐tuning PID control of a brushless DC motor by adaptive interaction

In this paper, a self‐tuning algorithm for proportional integral derivative (PID) control based on the adaptive interaction (AI) approach theory efficiently used in artificial neural networks (ANNs) is proposed. In this approach, a system is decomposed into interconnected subsystems, and adaptation occurs in the interaction weights among these subsystems. The principle behind the adaptation algorithm is mathematically equivalent to a gradient descent algorithm. The same adaptation as the well‐known backpropagation algorithm (BPA) can be achieved without the need of a feedback network, which would propagate the errors, by applying adaptive interaction. Thereby, the ANN controller can be adapted directly without wasting calculation time in order to increase the frequency response of the controller. The velocity control of a brushless DC motor (BLDCM) under slowly and rapidly changing load conditions is simulated to demonstrate the effectiveness of the algorithm. The AI tuning algorithm was used to tune up the PID gains, and the simulation results with PID adaptation process are presented by comparing the obtained results with the adaptive PID controller based on BPNN and a conventional PID controller. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.