基于模糊估计的可调分数阶PID控制器设计

可变分数阶微分环节直接影响分数阶PID控制器性能,设计分数阶PID控制器需要根据被控对象传递函数凭经验调整微分阶次。采用Oustaloup间接离散法数字实现分数阶微积分,再基于模糊估计由特定分数阶次近似得到任意分数阶次微积分环节,根据参数整定规则确立各环节系数,设计了一种可调分数阶次的PID控制器。仿真实验证明,此方法得到的微积分环节对控制系统性能没有影响,根据整数阶被控对象传递函数调节微分阶次,分数阶PID控制器有较好的控制效果。     

分数阶系统的分数阶PID控制器设计

对于一些复杂的实际系统,用分数阶微积分方程建模要比整数阶模型更简洁准确.分数阶微积分也为描述动态过程提供了一个很好的工具.对于分数阶模型需要提出相应的分数阶控制器来提高控制效果.本文针对分数阶受控对象,提出了一种分数阶PID控制器的设计方法.并用具体实例演示了对于分数阶系统模型,采用分数阶控制器比采用古典的PID控制器取得更好的效果.     

基于模型降阶的分数阶系统动态性能研究

由于大多数分数阶系统阶次过高,使得系统的控制器设计变得非常困难,会造成系统控制精度变差且动态性能降低等不利因素,而模型降阶技术是解决这一问题的有效工具.首先简要介绍了H2范数模型降阶的一般方法,并提出一种新的降阶模型结构,可以使降阶后的模型扩展到分数阶并且更加精确地逼近各种高阶系统.仿真结果证明,采用改进型H2范数模型降阶方法不仅保持了原有分数阶模型系统的动态性能而且还提升了原有整数阶模型系统的动态性能.     

基于最优Oustaloup的分数阶PID参数整定

目前工程控制中大部分系统采用传统PID控制,由于分数阶PID继承了传统PID的优点,并且具有更好的控制品质及更强的鲁棒性,因此针对分数阶微积分的高精度数字实现及分数阶PID控制器在工程复杂系统中的实际应用,提出一种新的分数阶微积分高精度数字实现算法-最优Oustaloup数字实现,并建立控制系统的仿真模型,利用框图式模型结合最优ITAE性能指标来整定分数阶PID的参数。通过实例仿真验证,该方法能进一步优化控制器参数,提高控制精度及获得更好的控制效果,便于非线性系统及复杂系统的分数阶PID参数整定。     

基于分数阶PID控制器的智能车控制

针对智能车高速行驶下对目标轨迹的快速跟踪要求,结合预瞄跟随理论设计了分数阶PID控制器(FOPID).分数阶PID比传统PID控制器多两个参数自由度,所以在设计过程中有更大的灵活性.利用改进Oustaloup数字实现算法,框图化实现分数阶PID控制器,通过遗传算法对IAE性能指标寻优整定FOC参数并应用于智能车被控系统...     

模型降阶方法研究

本文综合了模型降阶领域的现有方法,首先着重介绍了模型降阶的主要方法,并以图表的方式给出了各方法的分类及特性归纳。最后基于模型降阶的研究现状和存在的问题提出了一些看法,以便为实际工程应用提供参考。     

分数阶模糊免疫PID控制器的设计

为改善分数阶PID控制器的控制性能,借鉴整数阶模糊免疫PID控制器,把模糊免疫调节与分数阶PID控制器结合起来,设计了分数阶模糊免疫PID控制器。仿真结果表明了该方法的有效性,不但提高了分数阶PID控制器跟踪性能,而且还具有良好的鲁棒性和抗干扰性。     

一种神经网络分数阶PID控制器的实现

为解决分数阶PID控制器参数难于整定的问题,设计了一种基于神经网络的分数阶PID控制器。通过采用反向传播（ BP）神经网络的参数调节策略,可以实现一种五维参数自学习的PID控制器。将分数阶PID控制器数字化,通过BP算法调节神经网络突触权值,经过调整的神经网络输出作为分数阶PID控制器的参数。经过仿真验证,神经网络分数阶PID控制器比传统PID控制器精度提高6倍且控制更加稳定。     

控制系统最优降阶技术与应用

本文给出一种新的控制系统最优降阶技术并介绍其在控制系统设计中的应用，文中引入的最优降阶的准则是在指定输入信号时，对降阶模型与原始模型之间误差的加权最小积分方差。广西重点讨论连续系统的降阶算法，但结论同样适合于离散时间系统，文中还将通过一个例子来淙本方法和其它传统方法相比的优越性。     

基于改进BBO算法的分数阶PID控制器设计

针对分数阶PID(Fractional-Order Proportional-Integral-Derivative,FOPID)控制器参数整定,提出了一种改进生物地理学优化(Biogeography-Based Optimization,BBO)算法。该算法改进点主要包括:迁移操作中保留精英个体;变异操作中引入差分进化(Dtferential Evolution,ED)算法的变异策略;消除重复样本。仿真结果表明:在分数阶PID控制器参数整定中,与原始的BBO算法、遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)比较,提出的改进BBO算法具有超调量小、误差小,收敛更快的特点。     

基于改进Oustaloup滤波器的分数阶PID控制器简化设计

针对分数阶微积分算子的直接和间接近似化方法所表现出来的形式复杂、运算量大的问题,对Oustaloup滤波器的结构进行改进,对常规分数阶PID控制器进行了简化设计,并采用自适应遗传算法对控制器的参数进行整定.选取两种代表性分数阶系统,在模型处于两种典型状态下,对简化型分数阶PID控制器、常规分数阶PID控制器和整数阶PID控制器的控制性能进行仿真实验对比.结果表明,在控制器性能基本相同的情况下,通过该方法设计的简化型分数阶PID控制器性具有结构简单,耗时量小的优点,提高了工程可实现性.     

基于最优阶次分数阶神经网络的交通流预测

建立基于最优阶次的分数阶神经网络的动态预测模型,给出数据预处理、最优阶次优化和预测算法流程步骤,给定模型预测精确度的性能指标。分数阶神经网络是从时频两方面分析数据,比BP神经网络具有更灵活有效的函数逼近能力;针对短时数据分析,分数阶神经网络局部性与小波神经网络一致具有多分辨力,且有更强的自适应能力、更快的收敛速度和更高的预测精度。以短时交通流量数据为例进行仿真,与基于小波神经网络和BP神经网络模型的短时交通流量预测仿真比较,分析评价性能指标,结果表明分数阶神经网络最优阶次下可实现灵活快速有效的交通流量动态预测。     

基于遗传算法的H∞系统降阶方法

提出了基于H∞范数的系统降阶准则,并且利用遗传算法实现了基于该准则的系统降阶.这一方法的提出避免了传统方法的缺点,降阶系统达到了非常理想的性能.通过例子表明,该降阶方法优于目前普遍使用的其它降阶方法.     

分数阶控制器的数字实现及其特性

针对分数阶控制器数值计算和应用难的问题,研究了分数阶控制器的数字实现方法和控制特性．取Grunwald-Letnikov定义有限项,并直接离散化,得到有限记忆数字实现法;利用Tustin算子生成函数把分数阶微分由复频域变换到Z域,然后用连分式展开式CFE(continued fraction expansion)近似展开,可得到Tustin CFE数字实现法．两种方法的频域对比分析表明Tustin CFE法优于有限记忆法．采用设计的分数阶控制器的数字实现方法,对分数阶控制器和传统PID控制器的控制性能进行了对比实验分析．研究结果表明:分数阶控制器对非线性具有较强的控制能力．     

用改进的人工蜂群算法设计AVR系统最优分数阶PID控制器

分数阶PID控制器（FOPID）是标准PID控制器的一般形式.与PID控制器相比,FOPID有更多的参数,其参数整定也更复杂.本文提出一种基于环交换邻域和混沌的人工蜂群算法（CNC-ABC）,用于FOPID控制器的参数整定.CNC-ABC算法由于应用了环交换邻域,增加了解的搜索范围,从而能加快人工蜂群算法的收敛速度;同时利用混沌的遍历性使算法跳出局部最优解.用CNC-ABC算法优化AVR系统的FOPID控制器的参数.仿真结果表明,CNC-ABC算法整定的FOPID控制器比其它FOPID及PID控制器有较好的性能.     

基于一类SM SA 策略的模型最优降阶

将一类SMSA混合策略应用于模型的最优降阶，提出了处理约束优化和解决模型降阶通常遇到的稳定性问题的有效方法．通过对典型例子的数值仿真表明了混合策略和约束处理方法的有效性，而且第3个例子的优化结果明显优于以往文献的结果。     

基于最大灵敏度指标的分数阶PID参数最优整定方法

主要研究分数阶PID控制器参数整定问题,给出了一种基于最大灵敏度指标的分数阶PID参数最优整定方法。首先用D分割原理求得系统的参数稳定域,然后由灵敏度约束指标在参数稳定域内得到满足指标要求的参数解集。进而对参数进行优化,根据超调和调节时间定义分数阶PID控制器的优化函数,在所得的满足灵敏度约束指标的参数解集中求得一组最优的参数解。最后通过进行数值仿真,验证算法效果。     

基于理想Bode传递函数的分数阶PID频域设计方法及其应用

基于理想Bode传递函数,提出一种简便的分数阶PID控制器频域设计方法.采用传递函数模型匹配与辨识方法,将分数阶PID控制器5个参数的复杂设计问题转化为单个参数的一维搜索问题进行求解;结合短记忆法实现分数阶PID控制器数字化.该方法已成功应用于直流电机调速控制系统,能够达到期望的响应性能,具有强鲁棒性.实验结果验证了所提出设计方法的有效性.