基于非线性PID的非最小相位系统控制

提出一种新型非线性PID控制器简单结构，利用非线性PID控制器的非线性特性，抑制非最小相位系统的右半平面零点所造成的负调问题，克服非最小相位系统的超凋、负调和调整时间之间的矛盾。数值仿真结果表明，由非线性PID控制器构成的非最小相位系统具有良好的动静态性能、高的控制精度和较强的鲁棒性。数值结果说明方法有效，算法简单，易于实时实现。     

一类非最小相位非线性系统的自适应控制

针对一类非最小相位的非线性系统,通过引入一个近似系统,提出了一种简单的间接自适应控制方法,并分析了采用该方法后系统输出的跟踪性能,给出了输出跟踪误差的上限.该方法可克服现有的非线性自适应控制方法只能控制最小相位的非线性系统并且容易产生过度控制的缺点.     

一类非最小相位非线性系统的直接自适应控制

一类非最小相位非线性系统的直接自适应控制韩存武,袁少强,马晓军,文传源（北京航空航天大学自控系北京１０００８３）关键词：非线性系统,自适应控制,非最小相位系统．１引言非线性系统的自适应控制作为当前自动控制领域最富有挑战性、同时也最困难的前沿课题之一越...     

非最小相位系统的PID型广义预测自校正控制器

本文将被控对象的零点分解为非最小相位项和最小相位项,建立新的预测方程,在对一般预测控制目标函数改进的基础上加入抑制超调的预测控制量和模型误差修正,得到能抑制非最小相位系统超调的PID型广义预测自校正控制器。仿真结果表明,该算法极大地改善了控制性能,提高了系统瞬态响应。     

基于Smith的非最小相位对象PID控制器设计

针对具有非最小相位时滞的过程,基于Smith预估控制思想,提出一种改进控制方案,对右半平面零点和纯滞后同时进行补偿,使闭环特征方程中不含右半平面零点,从而简化控制器设计。根据期望闭环传函,解析得出PID控制器形式,综合负调、响应时间、ISE以及鲁棒性要求整定控制器参数,针对Smith控制抗扰性较差提出了抗扰性设计。仿真结果表明,该方案对于具有非最小相位时滞的对象有较好的控制效果,并且在模型失配和有干扰输入的情况下,有较好的鲁棒性和抗扰性。     

非最小相位非线性系统的简单递归神经网络控制

从简单递归神经网络的统一结构出发设计了简单递归神经网络控制器,在引入了控制加权的目标函数下优化神经网络权值学习,因此是通常意义的神经网络控制的推广。证明了整个系统的稳定性,并通过仿真验证了控制器的有效性。     

非最小相位系统控制器的优化设计

抑制非最小相位系统的右半平面零点所造成的负调至今仍是个开放问题.以同时抑制非最小相位系统的超调、负调和调整时间为目的,合理融合遗传算法的并行搜索结构和模拟退火的可控性概率突跳,提出了设计一类PID控制器的混合优化策略.基于典型系统的数值仿真验证了混合策略的有效性和对系统的适应性,以及所设计控制器的优越性.     

非线性非最小相位系统的控制研究综述

非线性非最小相位系统是指具有不稳定零动态或内部动态的非线性系统, 其本身固有的非最小相位特性限制了许多常规非线性控制方法(如反推控制、反馈线性化、滑模控制等)的直接应用. 因此, 非最小相位系统的控制比最小相位系统要困难得多, 是控制理论与工程应用中具有挑战性的课题之一. 本文综述了目前非线性非最小相位系统的研究成果, 着重介绍了非最小相位系统的成因、特性、 理想内模求解等问题, 并对其镇定、轨迹跟踪及路径跟踪等控制方法进行了分析比较. 最后, 讨论了非线性非最小相位系统研究领域中尚存在的问题, 并对其未来发展方向进行了展望.     

一类非线性非最小相位系统的直接自适应控制

针对一类不确定的离散时间非线性非最小相位动态系统,提出了一种基于神经网络和多模型的直接自适应控制方法．该控制方法由线性直接自适应控制器,神经网络非线性直接自适应控制器以及切换机构组成．线性控制器用来保证闭环系统输入输出信号有界,非线性控制器用来改善系统性能．切换策略通过对上述两种控制器的切换,保证闭环系统输入输出有界的同时,改善了系统性能．理论分析以及仿真结果表明了所提出的直接自适应控制方法的有效性．     

一类非最小相位系统的PID控制器整定方法

针对非最小相位对象,提出了一种比例—积分—微分(PID)控制器的整定方法.将含有右半复平面零点的非最小相位系统近似拟合为一个稳定的大滞后系统,应用一种专门针对大滞后系统的PID参数两步整定方法可以对系统PID参数进行粗调,然后通过调整比例系数α,便可以成功地设置其PID控制器参数,达到抑制非最小相位时滞和负调的作用.仿真实验证明了两步整定方法的有效性和鲁棒性.     

基于自适应模糊PID控制器的非线性系统仿真

对于缺乏精确模型的过程或参数时变的滞后过程,传统PID控制难以达到良好的控制效果.普通模糊控制能够对一些非线性系统进行控制,并不需被控对象精确的数学模型,但是模糊控制难以消除系统的静态误差.针对复杂的非线性系统,设计了自适应模糊PID控制器.该控制器将模糊控制的动态性能好的优点和PID控制的稳态精度高的优点结合起来,采用模糊控制与PID控制分段控制策略,当偏差大于某一阈值时,采用模糊推理的方法调整系统的控制量,当偏差小于某一阈值时,切换到PID控制以消除系统的静态误差,较好地克服了传统PID控制和普通模糊控制所存在的主要问题.通过仿真实验分析,证明了该控制方法的有效性.     

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TCSC 非线性PID 控制策略

通过研究设计一种基于非线性PID控制的可控串联补偿系统,其不依赖于被控对象的模型特点,能够弥补传统线性PID控制的诸多不足．研究结果表明：与传统的基于线性PID控制的串补系统相比较,基于非线性PID控制的可控串补技术,由于在反馈中充分利用了非线性组合的功能,增强了系统的阻尼、改善了系统的暂态稳定性,同时系统的适应性及鲁棒性也有所提高．     

柴油机自适应遗传非线性PID调速控制仿真

研究船用柴油机控制优化问题,柴油机调速要求快、稳、准。针对船用柴油机调速系统的时变、非线性及外界干扰等特点,传统PID调速稳定时间长,控制效果不佳。为提高喷油量达到控制准确度,改善调速系统性能,提出了一种柴油机自适应遗传非线性PID调速控制策略。采用Matlab对柴油机调速系统模型进行辨识并验证其准确性。利用非线性PID控制实现各参数增益的实时调整,提高了抗干扰能力,通过自适应遗传算法对系统的动态偏差进行监控,优化非线性PID控制器参数,减少了超调量,提高控制精度。仿真结果表明,采用自适应遗传非线性PID控制器稳定时间更短,鲁棒性强,控制精度更高,优化了柴油机调速系统性能。     

非线性系统的蚁群优化预测PID控制

针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测PID控制算法。该算法以神经网络作为预测模型,将预测控制和PID控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler-N ichols方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。     

基于神经网络的广义非线性预测PID控制

针对一些复杂的非线性系统用基于线性模型的预测控制器控制效果不理想的问题，本文提出在利用前馈网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合非线性PID，用另一前馈神经网络作为控制器，实现对非线性系统的控制。经网络的在线辨识采用梯度法，仿真实验验证了方法的有效性。     

基于人工鱼群的PID神经网络非线性系统控制

研究造纸工业中的流浆箱非线性系统优化控制问题。流浆箱系统是工业过程中常见的一类非线性系统,存在着非线性、强耦合等特性。针对流浆箱要求动态响应好、精度高的特点,提出并设计了人工鱼群算法训练的PID神网络控制器。人工鱼群算法克服了PID神经网络采用BP算法训练权值时,初始权值难以确定,易陷入局部最优的缺点,实现对流浆箱的有效控制。在MATLAB环境下,对流浆箱系统进行了控制仿真。仿真结果表明,人工鱼群算法训练的PID神经网络在动态性、稳定性和精确性等方面均优于BP算法,明显改善了流浆箱这类非线性系统的控制性能,具有很好的应用效果。     

基于PLC的PID控制系统

以数控系统的伺服电机控制为例,使用ARM微处理器芯片设计与实现软PLC,在此PLC的基础上,结合模糊控制理论和PID控制算法,通过MATLAB仿真完成参数整定,设计了以个基于模糊PID算法的电机控制系统.该系统不仅应用于数控系统,也可用于其它行业的电机控制.     

Stability of a Trajectory‐Based Control Law for an Unknown Nonlinear Non‐Minimum Phase System

We investigate the stability of an unknown nonlinear discrete‐time non‐minimum phase system under a trajectory‐based control law. The system can be regarded as a first‐order approximation to a continuous‐time system. Hence, one of the parameters in the discrete‐time system equation can be regarded as the “sampling interval”. We show that, subject to certain conditions, as long as the sampling interval is neither too short nor too long, the closed‐loop system is stable in a certain sense.