模糊自整定PID的航空发动机转速控制研究

航空发动机具有强非线性和强时变性的特点,使用定参数PID方法的转速控制系统的性能在全飞行包线内难以保证.针对上述问题,提出设计模糊自整定PID控制器,利用输入误差及变化率建立一组PID参数在线调整规则,运用模糊推理方法实时进行参数自整定.结合某型航空发动机核心机非线性实时模型,进行转速串级控制硬件在回路仿真.结果表明,提出的模糊自整定PID控制方法实现了控制器参数在线调整,参数切换扰动小,满足全包线内转速控制的指标要求.     

图书馆机器人机械手参数自整定模糊PID控制器设计

采用PC/104系列板卡设计了一款嵌入式图书馆机器人气动机械手控制器,对机械手的参数自整定模糊PID控制算法进行了重点探讨,根据模糊子集的隶属度赋值表和模糊逻辑规则,查模糊矩阵表得出修正参数,完成对PID参数的在线自校正.用Microsoft eMbedded Visual C++(EVC)编程实现了图书取放气动机械手的智能控制,给出了控制软件算法流程及关键部分实现方法.用阶跃、正弦等典型输入信号做系统仿真,实验结果表明气动机械手能够快速、稳定、几乎无误差地跟踪系统给定值.所提出的系统设计方法对类似领域具有普遍适用性.     

深度确定性策略梯度与模糊PID的协同温度控制

针对现有温度控制系统控温时间长、误差大的问题, 本文提出了一种基于深度确定性策略梯度(DDPG)和模糊自整定PID的协同温度控制. 首先, 模糊PID在控制大滞后系统时, 控制器不能立刻对产生的干扰起抑制作用, 且无法保证大滞后系统的稳定性等问题, 本文建立了模糊PID和DDPG算法相结合的温度控制模型, 该模型将模糊PID作为主控制器, DDPG算法作为辅助控制, 利用双控制器模型实现温度协同控制. 接着, 利用遗传算法对模糊PID的隶属函数和模糊规则进行寻优, 获得模型参数最优解. 最后, 在仿真实验中验证所提方法的有效性. 仿真实验结果表明, 本文提出的算法可有效减少噪声干扰, 减小控制系统的响应时间、误差和超调量.     

航空发动机模糊神经网络控制研究

航空发动机是一个结构复杂、非线性强的多变量控制对象。随着航空发动机全权限数字式电子控制器的研制和应用,控制变量也随着发动机性能要求的不断提高而越来越多,发动机智能控制技术的应用式必然的趋势。本文将智能控制引入到航空发动机多变量控制中,将模糊控制和神经网络相结合,设计出了航空发动机模糊神经网络控制器。并以某型涡扇发动机为被控对象,进行了数字仿真研究,检验了该方法的适应性。     

基于PLC的模糊PID控制器在发动机试验台测控系统中的应用

将模糊控制和PID控制结合起来运用于发动机试验台测控系统中,构造了一个参数自整定模糊PID控制器,通过模糊控制规则在线调整PID控制器的参数,用MATLAB实现该控制器的仿真。仿真结果表明该控制器的动态响应曲线好、超调量小、稳态精度高。并给出基于PLC直接查表方式实现该模糊PID控制器,为模糊控制技术在工业控制中应用提供了更加广阔的空间。     

航空发动机模糊神经网络控制研究

航空发动机是一个结构复杂、非线性强的多变量控制对象.随着航空发动机全权限数字式电子控制器的研制和应用,控制变量也随着发动机性能要求的不断提高而越来越多,发动机智能控制技术的应用式必然的趋势.本文将智能控制引入到航空发动机多变量控制中,将模糊控制和神经网络相结合,设计出了航空发动机模糊神经网络控制器.并以某型涡扇发动机为被控对象,进行了数字仿真研究,检验了该方法的适应性.     

模糊PID控制的中频电炉温控系统设计

针对中频电炉的结构,采用参数辨识方法,通过分析中频电炉的温升曲线获得相应的数学模型。针对该模型应用MTALAB仿真工具设计模糊PID控制器,该控制器根据误差及误差的变化率现场整定PID控制的参数。比较常规PID控制与模糊PID控制的仿真效果可以发现,采用模糊PID控制器根据误差与误差的变化率现场整定PID控制的参数,可以有效地提高PID控制器的控制效果。     

单相光伏并网逆变系统的模糊PID控制

研究太阳能光伏逆变系统优化控制问题.太阳能作为一种新能源被越来越广泛的应用,太阳能光伏并网逆变系统是一个非线性、时变的系统,传统PID控制很难达到控制系统的性能、精度要求.针对传统PID控制器在控制上的局限性,提出了一种将模糊PID控制代替传统PID控制应用在太阳能系统中的优化控制方法.根据控制对象建立合理的模糊规则表,采用Mamdani模糊算法,建立模糊PID控制器,实现参数的在线优化.在MATLAB软件建立SPWM控制的单相光伏并网逆变系统,通过与传统PID控制器的仿真结果对比,证明模糊PID控制对于光伏逆变系统有更好的控制效果.     

基于蚁群算法的航空发动机PID参数优化

提出一种基于蚁群算法的PID参数优化控制算法,对航空发动机的双变量解耦控制方法进行了研究.蚁群算法采用分布式并行计算机制,易于与PID控制方法结合,优化后的控制器克服了传统的PID控制参数不易整定的缺点,且控制器结构简单规范、动态和静态性能良好,具有较强的鲁棒性.仿真结果表明该控制系统实现了解耦控制,对航空发动机模型参数在大范围内的变化均有良好的控制效果.     

基于T-S模糊神经网络的涡扇发动机加速控制

航空发动机足一个结构复杂的非线性强多变量控制对象。随着航空发动机全权限数字式电子控制器的研制和应用,发动机加速性能要求的不断提高,对发动机加强智能控制技术的应用是必然的趋势。因此将智能控制引入到航空发动机控制系统中,根据模糊控制与神经网络结合的思想,针对涡扇发动机加速控制中的最优控制问题,提出了基于T—S（Tagaki—Sugeno）模型的模糊神经网络的发动机加速控制,并对控制系统的结构、网络结构进行仿真实现。仿真结果表明方法在满足发动机加速控制中各约束条件的前提下,不喘振、不超温、使发动机加速过程安全稳定,且加速时间短。