基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力，它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数，使控制器能够适应受控对象结构的参数以及环境的变化。因此采用单神经元构成自适应PID控制器，将神经元与PID控制结合，对PID参数进行在线寻优、自校正，使PID控制能有效地对付一些较复杂非线性被控对象，特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力，采用动态自适应神经元（APE）对非线性系统进行预测，即用神经元建立起非线性系统的预测模型，预测系统的未来输出，从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明，这种自适应控制方案切实可行，其控制品质明显优于常规PID控制，且具有较强的鲁棒性，达到了良好的控制效果。     

基于Pade逼近的纯滞后系统增益自适应内模PID控制

将纯滞后环节进行 1/ 1Pade逼近后 ,根据内模控制原理 ,得到了单位反馈PID控制器的参数整定值 ,然后运用仿人智能的方法得到被控对象的静态增益 ,由此来自动调整控制器的比例系数 .仿真结果表明 ,增益自适应内模PID控制器能克服增益变化对控制性能的影响 ,显著改善控制品质 .     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力 ,它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数 ,使控制器能够适应受控对象结构参数以及环境的变化。因此采用单神经元构成自适应PID控制器 ,将神经元与PID控制结合 ,对PID参数进行在线寻优、自校正 ,使PID控制能有效地对付一些较复杂非线性被控对象 ,特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力 ,采用了动态自适应神经元 (APE)对非线性系统进行预测 ,即用神经元建立起非线性系统的预测模型 ,预测系统的未来输出 ,从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明 ,这种自适应控制方案切实可行 ,其控制品质明显优于常规PID控制 ,且具有较强的鲁棒性 ,达到了良好的控制效果。     

励磁控制系统灰色预测PID控制仿真研究

基于MATLAB对同步发电机灰色预测PID励磁控制进行仿真研究.仿真中同步发电机采用派克模型,保证了灰色预测原始数据的非负性,简化了灰色预测算法,并对稳态工况下灰色预测的处理以及原始数据采样周期等问题进行了探讨,解决了灰色预测PID控制在稳态情况下预测失控的问题.仿真结果表明:在不同工作点下,同步发电机灰色预测PID励磁控制与常规PID控制相比较,灰色预测PID励磁控制的超调量和调节时间都明显减小,控制效果优于常规PID控制.     

DCS环境下大滞后过程自适应补偿控制的应用

ＤＣＳ系统在生产过程控制中普遍应用,因此在不增加硬件投资的前提下开发和应用ＤＣＳ的先进控制功能具有实际的技术经济意义。介绍μＸＬ－ＤＣＳ环境下开发的纯滞后自适应补偿控制算法简单实用,经离线仿真实验有较好的鲁棒性,在常减压加热炉温度控制中应用得到较好的控制效果。     

变质心再入飞行器的灰色预测PID控制

再入飞行器采用变质心控制不但可以保持较好的气动外形,还可以增大机动能力,但变质心控制较强的非线性和控制耦合特性使控制器设计成本和使用性能之间的协调非常困难。文章提出了一种基于灰色GM(1,1)预测模型的变质心PID离散控制器,首先依据变质心控制机理提出增加配平位置补偿的PID控制结构,然后采用GM(1,1)模型对配平位置和姿态控制偏差进行在线快速建模预测,最后将预测值应用于改进的PID控制算法以获得控制指令。仿真结果证明该变质心灰色预测PID控制相对常规PID控制具有更好的动态特性和非线性系统自适应能力,且仍具有较低的设计成本和较强的工程实用性。     

用可编程调节器实现大纯滞后补偿控制

对实现大纯滞后补偿控制的一种新方法作了介绍,并给出了较为实用的控制程序。由于采用了以微处理器为核心的可编程调节器,使系统性能更加完善,补偿效果更为明显。仿真结果表明:方法切实可行,有一定推广价值。     

连续消毒塔系统的自适应模糊PID控制

本文提出的自适应模糊ＰＩＤ控制器，是在传统的模糊ＰＩ控制器基础上增加了具有预测作用的模糊ＰＤ控制和性能指标监督的适应性控制，使系统的控制性能大大提高，且保持了控制器结构简单和易于实现的优点。仿真研究表明了该方法的有效性。     

基于灰色预估PID控制的过热汽温控制

针对火电厂过热蒸汽温度被控对象具有大惯性,大迟延的特性,提出了一种基于灰色预估算法的PID控制策略.利用灰色预估算法能够有效地辨识出系统不确定部分的模型、估计出系统扰动参数,并对PID控制进行补偿.仿真结果研究表明:与传统的PID控制策略相比,在各种扰动情况下,新的控制策略不仅具有常规PID控制的特性,并且具有更高的控...     

专家-模糊自适应PID控制系统的设计

为了解决多容系统控制难度大的问题,设计了专家-模糊自适应PID控制器。这种控制器既具有模糊PID控制器的精度高、稳定性好、鲁棒性强的优点,又具有专家控制器进入稳定状态快的特点。对三容复杂系统的控制仿真结果表明,该方法的控制性能优于单独采用专家PID控制或模糊自适应PID控制的性能。     

带预测模型的神经网络PID控制器

在研究PID控制和神经网络的基础上提出了一种带预测模型的神经网络PID控制器,该控制器是一种3层前向神经网络,它适用于工业过程中觉的慢时变大时滞控制系统以及控制对象具体模型难以确定的控制系统,该系统能在调整PID控制器的3个参数Kp,Kd,Ki,再经PID调节器产生最优的控制作用于被控对象,采用该控制器对模型参数缓变的系统进行仿真,结果表明该器具有良好的自学能力,能获得较好的控制效果。     

延时预测内模网络控制系统

网络控制系统中存在的随机延时会导致系统的性能变差甚至不稳定.针对该问题提出了时间戳BP神经网络延时预测方法,利用历史延时数据预测下一个时刻的延时值,根据得到的延时预测值,结合内模控制原理进行网络控制系统的设计.延时环节采用Pade一阶展开近似表达法,分析了延时预测对系统性能的影响.仿真结果表明,延时预测精度有保证,系统性能仅受内模控制器滤波系数α和延时预测精度的影响,网络控制系统性能得到了很大的提高.     

基于自适应遗传算法的非线性PID控制器

生物发酵利用夹套进行加热和冷却,其温度控制精度非常重要.但这种以温度为被控对象往往存在严重的积分纯滞后现象,采用常规的控制算法难以达到所要求的控制品质.基于PID控制器各增益参数与偏差信号之间的非线性关系,采用出一种非线性PID控制器.同时,针对经典遗传算法收敛速度慢,易陷入早熟,局部最优等缺点,提出一种自适应遗传算法,自适应遗传算法通过建立适应值差值函数来适时调整交叉、变异概率.这使算法具有自适应性,将其应用于非线性PID控制器参数寻优.仿真结果表明,基于此遗传算法寻优的非线性PID控制器可以有效的抑制大滞后系统的超调缺陷,具有较好的控制精度.     

适应性2自由度PID控制系统

本文提出了一种更为先进、完善的PID控制系统——适应性2自由度PID控制系统,并对其进行了大量的仿真研完。这种控制系统克服了常规PID控制系统所固有的缺点,可以独立地设定“干扰抑制最佳整定参数”和“目标值跟踪最佳整定参数”,在控制性能上有了显著的提高。该系统能在闭环状态下对各种复杂的控制对象进行在线辨识和控制器参数的整定,使系统经常处于最佳状态。     

基于神经网络延时预测的自适应网络控制系统

针对网络控制系统存在着随机、时变、不确定的信息传输延时,采用带有时间戳的线性神经网络(TSLNN)进行在线延时预测,实时地获得当前采样周期的网络传输延时预测值.该方法选取3个先验的网络实测延时值作为神经网络的输入样本,选用widrow-hoff学习规则作为神经网络的训练算法;应用网络传输延时预测值,并采用一阶Pade方法,对数学模型中的延时环节进行线性化处理,从而获得无刷直流电机调速网络控制系统的线性数学模型;最后,利用模型参考自适应控制方法(MRAC)设计闭环控制器.仿真结果表明,将基于TSLNN在线延时预测的MRAC方法应用于无刷直流电机调速网络控制系统中,可以获得令人满意的系统动、静态性能.     

一种自适应PID算法

本文提出了一种基于内模控制原理的自适应PID控制算法。对于对象时滞时变、或模型与对象的阶次失配具有鲁棒性,并适用于非最小相位系统的控制。该控制算法设计简单,整定参数少。还可用于整定常规的PID控制器的控制参数。     

一种改进的神经元PID自适应控制

利用神经元组成的PID自适应控制尽管结构和算法简单，但收敛速度慢，跟踪效果不佳，为此提出了一种改进型的神经元PID自适应控制方法。仿真结果表明，该方法不仅具有良好的自适应性。而且收敛速度更快。     

网络控制系统的自整定鲁棒数字PID控制

为了有效地抑制网络延时对网络控制系统性能的影响,提出了一种鲁棒数字比例-积分-微分(PID)控制器设计方法.该方法将分布式的网络延时归结为单一延时;在大时变鲁棒数字PID控制方法的基础上,结合二自由度的内模控制结构,实现了控制器参数的数字双PID分离设计.对基于控制局域网络(CAN)总线的典型工业过程进行了仿真实验.结果表明,与最小化模型方法设计的控制器比较,采用设计的PID控制器能补偿网络上的延时,更加有效地抑制负载干扰并提高了系统的动态特性.