基于深度学习工况预测的稳压器控制优化

为了优化传统核电站稳压器控制，本文将深度学习方法引入PID控制器。将长短期记忆（Long Short-Term Memory,LSTM）模型使用传统PID控制仿真数据训练后，为PID控制器提供工况预测数据，弥补因为传感器信号传输以及PID控制器计算带来的反馈延迟，从而使得PID控制器能够依据更实时的工况进行控制信号的计算。在验证实验中，对基于上述方法的智能PID控制器进行了功能验证和复杂工况运行验证。实验结果表明，智能PID控制器能够有效降低传统PID控制过程中的超调量（最高可降低80.7%），同时可以将传统PID控制达到稳态的时间缩短最多60.73s。该控制器的控制性能虽然受工况变化影响仍然较大，但是为核电站稳压器的智能优化方法进行了有益探索，为后续进一步利用人工智能方法改进传统核电站仪控方法提供了借鉴。     

异步电机矢量控制系统设计

基于异步电机的矢量控制理论,用MATLAB/SIMULINK构造出仿真模型。电机控制中控制器的PID参数对系统的精确度至关重要。文章以速度误差积分型为目标函数,采用惩罚机制,利用遗传算法对异步电机速度控制器的参数进行优化、仿真。实验结果表明,用遗传算法优化的参数,可以提高系统的控制精度、动态性能。     

基于PSO的神经网络机械臂自校正控制

粒子群优化算法(PSO)基于群体的演化算法,本质上是一种随机搜索算法,并能以较大概率收敛到全局最优.针对非线性机械臂系统,利用径向基函数(RBF)神经网络和PID控制器作为混合控制器,运用PSO算法对神经网络参数进行在线学习优化,同时在PID控制器的辅助下对机械臂系统进行在线自校正控制.计算机仿真表明,该控制器具有较高的控制精度和响应速度,可以满足机械臂工作要求.     

基于模糊PID的驾驶模拟器方向盘力反馈系统设计

为了给驾驶模拟器的操纵人员提供清晰的"路感"反馈,利用直流电机转向柱设计了一套方向盘力反馈系统。分析了直流电机输出端的力矩传递到操纵人员手端的过程,并设计了模糊逻辑PID控制器对直流电机进行控制;利用Matlab/Simulink对控制器进行设计,并对驾驶模拟器力反馈系统进行模型搭建和系统仿真,分析了使用模糊PID控制器与普通PID控制器的性能对比。结果表明:可以通过控制直流电机输入电流的方法去控制驾驶模拟器方向盘的反馈力矩;相比采用普通PID控制器,力反馈系统采用模糊PID控制器可以有效地减少超调量,加快系统达到稳定的速度。     

PID控制参数优化中的改进免疫遗传算法

针对传统的PID控制起参数优化方法的缺点,提出了一种结合精英策略的改进的人工免疫遗传算法(IGAE),该算法的特点是以新的抗体相似度、期望繁殖率以及克隆选择概率的定义方法和计算公式作为优化问题的目标函数,采用IGAE去调整和优化PID控制器的三个增益参数,结合精英选择策略(elitism strategy)以获得性能最优的PID控制器.仿真实验结果表明新的免疫遗传算法具有全局优化的能力,响应速度快、鲁棒性强,对变参数PID控制的参数优化设计是成功和有效的.     

啤酒灌装贮液缸液位控制方法研究

为精准控制贮液缸液位，进一步提高啤酒灌装精度和质量，设计了一种啤酒灌装贮液缸液位控制方法。首先，建立了啤酒灌装过程数学模型。在传统PID控制方法的基础上引入一种人工搜索优化算法，该算法可实时调整PID控制器参数，可提高系统的控制精度和稳定定。最后，基于PLC搭建控制系统并进行实验研究。实验结果表明：采用所述方法，灌装体积偏差绝对值的最大值为1mL，平均值为0.36mL，灌装体积偏差较小、波动幅度也比较小；与传统PID控制相比，采用文中所述方法可以灌装精度提高约5倍。采用SOA算法优化PID控制器参数可以提高啤酒灌装精度，整个系统的稳定性和鲁棒性明显提高，能够满足啤酒灌装工艺对精度的要求。     

基于模糊遗传算法的二自由度PID控制器优化设计

针对一般遗传算法中交叉概率和变异概率存在的选择困难问题，利用模糊推理系统来自适应估计交叉概率和变异概率，提出了模糊遗传算法（FGAs），并用于二自由度PID控制器参数寻优设计。仿真和实验表明，所设计的二自由度PID控制器可以使系统同时具有良好的目标值跟随特性和干扰抑制特性。     

基于比例阀的气动伺服系统神经网络控制方法的研究

研究了用神经网络PID控制器对基于比例阀的气动伺服系统进行控制的方法。用神经网络辨识器来逼近非线性动力学系统,并在线修改控制参数。实验及分析表明,适当的选择网络参数,经过充分的离线训练,该控制器可以进行在线的自适应控制,系统的控制精度和动态特性有明显提高,且在环境参数变化时,控制器具有在线自学习和自整定参数的能力。     

基于小脑模型与PID并行的电液伺服系统控制的研究

该文将小脑模型连接控制器（CMAC）神经网络与常规PID控制并行应用于液压伺服系统中，这种并行控制算法可以有效地解决由于液压油的压缩性与泄漏，静摩擦的存在等因素引起的非线性液压系统的跟踪问题。仿真实验结果表明，经过CMAC神经网络对常规PID控制器的输出的不断在线学习，系统能够有效抑制扰动，并具有实时性好，输出误差小，鲁棒性强等优点。     

四旋翼飞行仿真器的PID神经元网络控制器设计

针对四旋翼飞行仿真器系统具有多输入、多输出及多变量等特点，设计了一套基于四旋翼飞行仿真器的PID神经元网络控制器。首先建立四旋翼飞行仿真器系统模型，然后以四旋翼飞行仿真器为控制平台，并以MATLAB/Simulink软件为实验平台，搭建PID控制器和PID神经元网络控制器模型，并分别使用两种控制方法进行实时飞行仿真实验。最后实验结果表明，相比PID控制，PID神经元网络控制方法对四旋翼飞行仿真器的调节时间更短、超调量更小，具有更优的控制性能。     

水轮机调速系统的混沌优化策略

针对水轮机调节系统非线性、复杂性、不确定性的特点以及利用传统PID控制器无法获得高性能调速系统的特征,本文首先将二次型性能指标引入单神经元并利用自学习功能构成了单神经元自适应PID控制器,其次运用混沌动力学特性与退火策略结合起来的混沌优化方法对控制器参数进行寻优.仿真结果表明,该方法有效地实现了控制器参数的最优整定,明显改善了水轮机调节系统的控制品质.     

基于模糊自整定PID的布带缠绕机张力控制算法的研究

针对常规PID控制器在数控缠绕机的张力控制过程中参数整定难以实现的困难,介绍一种基于模糊自整定PID的控制算法,根据偏差和偏差变化率来实时调整各参数。经过实验证明,该系统比常规PID控制系统具有更好的调整性能和控制特性。     

基于干扰观测器的舰船运动模拟器非线性控制

舰船运动模拟器在使用中会受到来自被测设备的干扰力,该干扰力对模拟器的精确控制存在较大影响。针对此问题,根据系统动力学模型,提出一种自适应干扰观测器,在线观测模拟器所受干扰力,并在控制器中进行补偿。分析液压驱动的舰船运动模拟器在精确控制中的困难,使用鲁棒控制器克服参数不确定性和未建模不确定性引起的干扰。利用反步法推导出综合非线性控制器,并通过Lyapunov方法证明了该控制器是渐近稳定的。试验证明,该控制器在存在较大外干扰情况下能够平稳运行,且与普通比例积分微分(Proportional integration differential,PID)算法相比,有效地提高了系统的动态跟踪性能。     

基于改进遗传算法的电液伺服系统轨迹控制

为了提高挖掘机器人电液伺服系统的轨迹精度,首先,建立挖掘机器人电液伺服系统模型;其次,对遗传算法的种群、适应度函数、交叉概率和变异概率进行改进,设计改进遗传算法的PID控制器,在联合仿真平台上进行了仿真研究,用阶跃和斜坡信号评估控制器性能;最后,搭建挖掘机器人轨迹控制实验平台,采用对挖掘机器人精度要求较高的斜坡作业验证控制器性能。结果表明:相比较于传统的PID控制器和经典遗传算法优化的PID控制器,改进遗传算法优化的PID控制器调整时间短,响应快速,实际动作控制时轨迹跟踪误差最小,可用在挖掘机器人实际轨迹控制中。     

基于超声波传感器的液位控制实验研究

该文在熟悉KNT-PGK3型高级过程控制实验装置的基础上,研究了基于超声波传感器的水箱液位控制。在现有实验设备与软件环境下,分别采用PID控制与模糊控制方法对实验台的水箱液位进行控制研究。实验过程中,先进行厂家参数PID控制实验,观察分析控制效果,再结合实际的控制效果,优化调整PID参数,并将优化后的PID控制应用到液位控制实验中。通过分析实验结果找出不足,提出了模糊控制方法并设计了模糊控制器,再进行实验验证。由3种实验结果可知,优化参数PID控制改善了系统的动态性能与稳态性能,模糊控制方法取得了更好的控制效果。     

交流位置伺服系统自适应模糊PID控制器设计

为实现机电伺服系统的高精度位置跟踪控制,针对实际系统运行过程中所存在的转动惯量和负载力矩变化大等各种不确定因素,提出了一种基于滑模面的自适应模糊PID策略。利用梯度下降法实时修正PID控制器的参数,使用模糊逻辑系统逼近系统中不确定量,以使控制器能根据伺服系统运行过程中的负载特性实时调整速度给定值,从而减小系统参数变化和外部干扰对伺服系统性能的影响,最后通过Lyapunov方法推导出了模糊补偿器中不确定参数的自适应律。仿真结果表明：该控制策略与传统PID控制相比具有系统跟踪误差小,响应速度快,跟踪性能好的优点,对参数摄动及外界负载扰动具有较强的鲁棒性。     

基于步进电机的神经网络PID控制在恒压供气系统中的应用

针对常规PID控制的缺陷，提出了一种基于神经网络的自适应PID控制器，利用神经网络的自学习能力进行在线调整PID参数，通过控制步进电机将其应用于控制恒压供气系统中的气压。实验结果表明，基于神经网络的PID控制器具有计算速度快、适应性强等优点，其控制效果明显优于常规PID控制器，将其应用于恒压供气系统中是行之有效的。     

基于小波神经网络的电动负载模拟器的复合控制

为了提高电动负载模拟器的信号跟踪精度和多余力矩抑制能力,在分析系统结构和工作原理的基础上建立了电动负载模拟器系统的完整数学模型。针对电动负载模拟器中存在的力矩跟踪精度问题,提出了一种前馈补偿和基于小波网络的PID控制相结合的复合控制方法。利用改进的前馈补偿法抑制多余力矩,基于小波网络的PID控制器可以在线调整PID参数补偿系统的非线性环节,提高系统动态性能。仿真结果表明,复合控制器对多余力矩有良好的抑制效果,跟踪精度满足要求,和传统PID控制相比,系统鲁棒性得到显著提高。     

基于参数优化的连铸结晶器振动位移系统 复合控制研究

本文以伺服电机驱动的连铸结晶器振动位移控制系统为研究对象,针对系统工艺控制中要求伺服电机转速单方向、变 角速度转动,同时考虑系统控制器参数的选取大多依靠经验等问题,提出了一种基于前馈控制与参数优化的 PID 反馈控制相结 合的复合跟踪控制策略。 首先,根据伺服电机驱动的连铸结晶器振动位移系统特性,建立了伺服电机输出转速与振动位移之间 的近似数学模型。 其次,针对伺服电机单方向转动工艺约束条件,确定结晶器振动位移系统以转速补偿作为前馈控制器,保证 系统控制器输出大于零. 再次,针对振动位移系统控制器参数大多依靠经验选取的问题,提出采用一种改进的飞蛾火焰优化算 法优化 PID 控制器参数的策略,以实现结晶器振动位移高精度跟踪控制。 最后,通过仿真与实验验证所提方法的有效性,实验 结果表明:优化后的振动位移调整时间缩短了 0. 3 s,振动位移跟踪相对误差减小了 1. 8% 。     

基于遗传算法的电液弯辊力伺服控制

该文利用遗传算法，对轧机弯辊力伺服系统控制器参数进行了优化，提高了系统的控制效果，该方法简单、抗干扰性好、实时性强，仿真试验表明，基于遗传算法优化的PID控制器比基于单纯形优化的PID控制器具有更好的控制效果。