基于T-S模糊建模的广义预测控制系统在热工过程中的应用

由于过热汽温系统具有大惯性、大迟延和时变性的特性,传统的PID串级控制策略很难达到理想的控制效果。因此,本文被控对象的模型利用基于模糊聚类算法的T-S建模法,并利用广义预测控制算法对过热汽温系统进行控制。针对该算法在火电厂过热汽温控制系统中进行了仿真,仿真结果表明,该算法较常规PID控制方法具有更好的控制性能。     

基于SMITH预估的神经网络烟草制丝线回潮控制系统

烟草制丝线的烟叶回潮控制系统具有时变性、大惯性和大滞后的特点,用常规的PID控制等方法难以取得满意的控制效果。将Smith补偿原理和PID参数的自适应调整方法相结合,提出了基于BP神经网络整定的Smith—PID控制算法,提高了对被控对象参数变化的自适应能力。Smith预估控制能够克服对象的大迟延特性,克服了常规PID算法不适应大时滞系统控制和常规Smith算法过于依赖模型精度的缺陷。仿真结果表明,算法的控制性能最优,具有良好的鲁棒特性。     

火电厂再热汽温的SMITH预估控制算法应用研究

针对火电厂再热汽温控制系统的大惯性、大迟延和时变性,采用传统的PID调节规律难以取得较满意的调节效果。ABB Bailey公司的SMITH预估控制算法不仅具有传统SMITH预估控制器克服大滞后、大惯性的特性,把此算法运用到再热汽温控制系统中,还具有较强的抗内外干扰和对象变化适应的能力。仿真结果验证了其有效性。     

一种变结构单神经元--Smith预估控制在再热汽温中的仿真研究

本文针对300MW机组喷燃器倾角-再热汽温被控对象,具有大迟延和参数时变,而难于控制的特点,提出了一种基于变结构的单神经元-Smith预估控制算法,该控制算法采用Smith预估控制克服被控对象的大迟延特性,采用变结构的单神经元PID控制提高对被控对象参数变化的自适应能力,提高控制系统的响应速度,并抑制被控参数严重超调.仿真试验表明该控制算法具有良好的控制品质,抗干扰能力和鲁棒性,综合性能明显优于常规的PID控制.     

基于改进型灰色预测大时滞过程的自适应PID控制研究

针对传统PID控制对大时滞控制效果不佳的情况,提出一种基于改进灰色预测模型的自适应PID控制系统。采用等维新信息、改变初始条件和精指数拟合法对G（1,1）模型进行改进,将改进后的G（1,1）模型与传统PID结合,组成灰色预测控制系统。用预测结果代替被控对象测量值,克服了大时滞系统控制效果不能及时反馈的不足,并在控制运算中,沿二次型性能指标的负梯度方向对加权系数进行在线修改,实现了自适应PID的优化控制。仿真结果表明了该预测控制算法的响应速度快、鲁棒性强,有较好的适应性。     

并联机器人的粒子群优化神经网络自适应控制算法研究

针对传统控制算法对并联机器人的控制效果不好的问题,提出了一种并联机器人的粒子群优化神经网络自适应控制算法,该算法在基于神经网络的自适应PID控制算法的基础上,首先对粒子群优化算法进行惯性权重的优化和收缩因子的改进,然后将该改进算法应用于原算法上。仿真试验结果表明,提出的粒子群优化神经网络自适应控制算法,在性能上远远优于传统PID控制算法和基于神经网络的自适应PID控制算法。     

主蒸汽温度的BP神经网络PID控制系统的研究

针对火电厂主蒸汽温度系统大惯性、大迟延、非线性的特点,常规串级PID控制难以取得满意的调节效果,为了改善常规PID控制的不足,文章在研究BP神经网络的基础上,把BP神经网络PID控制应用到主汽温控制系统中。运用matlab仿真,结果表明,与传统控制相比BP神经网络PID控制算法有效减小了系统的超调量,提高了系统的响应速度,在主汽温控制系统中具有很好的控制效果。     

二阶差分模型预测控制在热工过程中的应用

提出了一种基于二阶差分模型的模型预测控制算法(MPC)。区别于传统模型预测控制算法,该算法是在传统模型预测控制的内部控制模型的基础上,增加了两个嵌入式积分器,利用二阶差分运算和被控对象模型得到了一个带两个嵌入式积分器的被控对象增广模型。相较于传统预测控制算法,该方法不需要参考参数的信息,但仍可利用传统预测控制算法中所采用的反馈校正和滚动优化策略来得到控制律。针对该算法在电厂过热汽温控制中的应用进行了仿真研究,仿真结果表明,对于具有大迟延、大惯性和时变性特性的电厂过热汽温过程,该算法具有良好的控制性能。     

基于PSO自整定PID控制器的柔性臂振动控制

针对压电柔性机械臂运行过程中的弹性振动问题,提出了基于粒子群优化算法（particle swarm optimization,简称PSO）自整定比例积分微分（proportional integral differential,简称PID）控制器参数的柔性臂振动抑制方法。采用标准粒子群优化算法,以时间乘绝对误差积（integrated time and absolute error,简称ITAE）准则为适应度函数,整定PID控制器的3个控制参数K-p,K-i和K-d,并采用Matlab Simulink平台建立双连压电柔性机械臂振动控制仿真模型,研制基于虚拟仪器技术的柔性臂振动控制试验系统。仿真与试验结果表明,采用常规PID控制算法和基于PSO自整定的PID控制算法均能有效地抑制柔性机械臂的弹性振动,但后者的振动抑制效果、鲁棒性与稳定性优于前者。     

基于蚁群算法的GPC参数优化

介绍了一种针对于大惯性大迟延对象控制效果更好的基于蚁群算法的广义预测控制。该方法是通过将控制方法与参数优化算法相结合的方式,结构简单,在计算机中容易实现,打破了常规的PID控制策略,在此基础上又对算法进行了改进。通过仿真可知该改进算法能够快速准确地跟踪设定值,缩短了调节时间,获得了优于常规基于蚁群算法的广义预测的控制效果。     

基于灰色预测的多变量自适应PID控制器

针对汽轮发电机组具有多变量、强耦合、大时滞等特点,提出一种基于灰色预测的多变量自适应PSD控制算法。该方案通过一组灰色系统预测模型GM（1,N）对多变量系统的输出预测实现对角解耦。采用无辨识智能自适应PSD控制算法优化PID控制器的参数,用优化后的PID控制器对每个子系统进行控制。该方案不需要精确的数学模型,在线估计参数少,计算简单。仿真结果表明,与其他方法相比,这种控制方法响应速度更快,而且具有更好的自适应性和鲁棒性。     

灰色预测模糊PID控制在调节阀智能定位系统中的应用

针对气动调节阀系统大惯性、纯滞后和时变性的特点,建立了调节阀执行机构的二阶加纯滞后模型,在此基础上设计了基于灰色预测模糊PID算法的复合控制器。PID模块作为该复合算法的基础,用来减小系统偏差,提升动态性能;模糊控制模块对系统偏差及其变化率进行模糊处理,输出值作为PID参数的调整量,实现在线调整控制参数,克服时变性对系统的影响;灰色预测模块对系统输出数据序列进行提取并预测未来发展趋势以进行系统的“超前控制”,进一步解决气动系统滞后和稳态性能差的问题。基于灰色预测模糊PID算法的复合控制器将灰色预测模型、模糊控制和比例微积分算法相结合,可实现阀门位置的高精度调节与智能控制。仿真结果表明,灰色预测模糊PID控制算法相比常规PID以及模糊PID具有更快的响应速度、更高的调节精度以及更好的稳态性能。     

权重改进的蛙跳算法优化PID参数

针对非线性、大延迟、时变的控制系统,传统的PID控制效果不理想,为此提出用蛙跳(shuffled frog leaping algorithm,SFLA)仿生优化算法整定PID参数,但传统蛙跳算法易陷入局部最优,收敛速度慢,因此提出权重改进的蛙跳算法(weight improved shuffled frog leaping algorithm,WISFLA)。该算法引入线性递减惯性权重修正最差青蛙的更新策略,可以平衡算法的全局搜索和局部搜索。通过两个经典控制系统的仿真测试,结果表明,WISFLA算法可以平衡算法的全局搜索和局部搜索,比SFLA和PSO(particle swarm optimization)的寻优能力强,迭代次数少,更适合PID参数的整定优化。     

一种微小孔电火花加工模糊控制策略研究

针对微小孔电火花加工(EDM)放电环境恶劣、放电间隙状态复杂多变,以及采用传统的PID控制策略难于达到预期效果等问题,提出了一种基于多层压电陶瓷叠加驱动下的控制策略,并对其进行了控制算法研究,设计了一种微小孔电加工微进给模糊PID自适应控制系统,并进行了仿真试验来验证其控制效果。研究结果表明,采用模糊自适应控制策略能加快微进给系统的响应速度,具有稳定性好、精度高等优点,并得到了良好的控制效果,为微小孔电加工机床的实际应用打下了良好的理论基础。     

变论域模糊自整定PID内模控制在主汽温控制系统中的应用研究

火电厂主汽温控制系统具有大惯性、大延迟和时变等特性,采用常规PID串级控制方法难以获得满意的控制效果。通过引入1／1pade级数逼近纯滞后环节,将内模控制转换为常规PID控制器的参数的整定,运用变论域模糊控制原理来整定PID参数,从而实现了变论域模糊自整定PID内模控制。它充分综合了变论域模糊控制、内模控制、PID控制的优点。通过对锅炉过热蒸汽温度控制系统的仿真研究表明,变论域模糊自整定PID内模控制的控制效果优于常规的PID串级控制,它能适应对象参数的变化,具有较强的鲁棒性和自适应能力,控制品质好。     

永磁直流无刷电机改进的单神经元PID自适应控制仿真研究

电机的控制方法对充分发挥永磁直流无刷电机使用性能起着关键作用,因此将智能控制方法应用到了永磁直流无刷电机的控制中.对永磁直流无刷电机的数学模型进行了分析,在Matlab R2008a+Simulink中建立了永磁直流无刷电机控制系统的仿真模型,为提高系统响应的快速性、稳定性和鲁棒性,提出了将改进的单神经元PID控制方法...     

基于PID神经网络的智能车舵机控制系统研究

针对传统PID控制算法在电磁导航智能车舵机偏差处理中存在比例、积分、微分参数一经确定,不能在线调整,不具有自适应能力的缺点,提出了将PID神经元网络（ PIDNN）控制器及其算法应用到智能车的舵机控制系统中来对传统PID控制进行改进。 PIDNN控制系统不依赖智能车舵机的数学模型,能够根据控制效果在线训练和学习,调整网络连接权重值,最终使系统的目标函数达到最小来实现智能车的舵机控制。仿真测试表明,PIDNN控制系统的响应快,无超调,无静差,与传统PID控制算法相比,大大提高了智能车舵机控制系统的性能。     

基于极点配置的直线伺服系统自校正PID控制

采用基于极点配置的自校正PID控制算法,实现针对直线伺服系统的控制设计与仿真。首先确定了系统的ARX模型结构,引入带遗忘因子的递推最小二乘法在线估计模型参数,根据参数估计结果以及期望的系统闭环特征多项式,再通过极点配置的方法来整定增量式PID控制器的输出;整定过程中引入了普通增量式PID控制器形成变结构控制器,以避免系统初始阶段由于数据量不足所带来的影响。利用Matlab实现了所提出算法的设计与仿真。仿真结果表明,自校正PID控制能够实时估计被控对象的参数,适应被控系统的变化,具有较强的参数估计与自校正能力。     

基于龙格-库塔法的自适应PID控制算法及其应用

针对大滞后系统提出一种基于四阶龙格-库塔预测模型的自适应PID控制算法,该算法是先对系统的状态变量进行步长预测,然后将此预测值代入系统输出方程,求出被控对象的步长测量值,再将该测量值作为反馈值进行PID控制运算。在控制运算中,沿二次型性能指标的负梯度方向对加权系数进行在线修改,实现了自适应PID的优化控制。仿真结果表明该预测控制算法的响应速度快,鲁棒性强,有很强的实用性。