增益模糊自整定PID控制器设计

本文提出了一种模糊自整定ＰＩＤ控制器及设计方法，仿真结果表明与ＰＩＤ系统比较，模糊自整定ＰＩＤ超调量减小，抗环境变化能力强。较好地解决了对象结构时变系统控制适应能力     

基于模糊推理的自整定PID控制器

本文提出一种基于模糊推理的自整定PID控制器，利用模糊推理来优化PID控制器参数。文章深入介绍了以80C196KC单片机为核心的自整定PID控制器的软、硬件电路设计及实现。     

基于模糊推理的自整定PID控制器

设计了一种新的模糊PID控制器，用基于给定的相角裕度和幅值裕度的方法给出了PID控制器参数的初值，在运行过程中，用模糊控制器在线调整PID参数，使过程具有较高的控制品质。     

模糊推理自整定PID控制器

设计了一种新的模糊PID控制器,用基于给定的相角裕度和幅值裕度的方法给出了PID控制参数的初值。在运行过程中,用模糊控制器在线调整PID参数,使过程具有较高的控制品质。     

基于神经网络的自整定PID控制器设计

针对非线性时变系统,设计了一种基于神经网络的参数在线自整定PID控制器.该控制器采用基于最近邻聚类方法的RBF神经网络快速学习算法,通过实时在线辨识,建立被控系统的精确模型并得到准确的Jacobian信息;同时将此信息提供给BP神经网络,从而实现PID控制器参数的自动在线整定. 仿真结果表明,该方法提高了算法的精度和速度并具有较快的系统响应和良好的跟踪特性.     

基于BP神经网络的参数自整定PID控制器仿真研究

PID控制是迄今为止在过程控制中应用最为广泛的控制方法,但在实际应用中,其参数整定仍未得到较好的解决。把神经网络技术应用在PID控制中,充分利用神经网络具有非线性函数逼近能力,构造神经网络PID自整定控制器,并通过MATLAB仿真试验,取得较好的效果。     

基于频域辨识的自整定PID控制器

提出了一种引入继电反馈的自整定ＰＩＤ控制器,在线测出过程对象两点的频率特性,辨识出二阶纯滞后的模型,基于相位,幅值裕度整定出ＰＩＤ参数。还介绍了该方法适应范围,仿真实验及仿真结果。     

基于ARM的自整定PID控制器的设计与实现

为了解决PID参数整定困难这个问题,用户可以根据需要自动整定,不再需要人为干预,用户只需发送一个命令来启动自整定过程。选用性能高、成本低、能耗小的ARM9处理器,根据PID参数自整定的原理和功能分析的要求进行系统硬件电路设计和系统软件设计,然后将软硬件集成并测试,使被控过程输出对其设定值的方差达到最小、控制系统更加稳定、控制效果更加精确。     

基于BP神经网络的PID参数自整定的船舶操纵控制器研究

船舶操纵的模型参数具有非线性、慢时变特性。船舶操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用ＢＰ神经网络实现ＰＩＤ参数自整定的控制方法。此法能根据船舶动态特性的变化,自动重新整定ＰＩＤ参数,从而改善了操纵性能和鲁棒性。     

多变量PID控制器的在线自整定

本文研究具有ＰＩＤ结构反馈控制器的多变量控制系统的参数自整定，提出了具有校正因子的多变换ＰＩＤ控制算法及在线自动调整校正因子的专家自整定方法，将该方法用于火电单元机组负荷控制系统自整定仿真研究，结果表明系统具有好的完整性和鲁棒性。     

神经网络自整定多变量PID控制方法研究

关于污水优化处理系统控制问题。针对三相内循环生物流化床污水处理系统结构上的特殊性和生物反应过程的复杂性,以及污水处理过程的非线性、时滞、时变、多输入多输出等特点,提出一种对角递归神经网络(Diagonal Recurrent Neural Network,DRNN)的自整定多变量PID控制方法。通过DRNN对控制参数进行在线辨识,为PID控制器提供梯度信息;同时考虑到生物流化床污水处理系统输出变量之间的特殊耦合关系,将反馈偏差划分为不同等级,以调整PID参数修正速率的快慢。进行仿真验证,验证了该方法在生物流化床污水处理中的有效性和可行性。     

基于FPGA的PID神经元网络控制器设计

本文介绍了一种将PID控制规律与神经元网络相结合的方法,即PID神经元网络,之后采用硬件语言进行描述的方法将其在FPGA中实现。采用modelsim 6.0对其进行仿真验证并在Quartus II 6.0平台上进行综合,最终形成一个被灵活调用的IP核。同时,基于FPGA所实现的IP核具有很好的可移植性和复用性,适合应用到各种智能控制系统中,从而提高控制系统的实时性,具有广泛的推广应用价值。     

基于PCC的神经网络PID控制器设计

提出了一种基于可编程计算机控制器(PCC)的神经网络PID控制器,实现了以新一代PCC为硬件,利用神经网络逼近任意非线性函数的能力,对PID控制算法中的三个参数K_p,K_i,K_d进行在线调整,并利用神经网络模型对被控对象的输出值进行预测,根据预测值对神经网络各层中的加权系数进行在线修正,同时引入了带死区的控制算法;该控制方案具有调节速度快、适应能力强、可靠性高等优点;实验结果表明,该控制器具有强抗扰、响应快、鲁棒性好等特点。     

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。     

基于神经网络PID控制的自动化测试系统的开发与设计

针对汽车交流发电机性能自动化测试系统中测试对象特性的多样性及测试环境的多变性,在进行测试条件参数调节的过程中,采用改进型BP神经网络PID控制器,实现PID参数的在线自整定,改善自动化测试系统的动态品质,从而有效提高发电机生产线的生产效率.     

基于PCC的神经网络PID控制器设计

提出了一种基于可编程计算机控制器（PCC）的神经网络PID控制器,以PCC为硬件,利用神经网络逼近任意非线性函数的功能,实现了PID控制算法中三个参数Kp、Ki、Kd的在线调整。并利用神经网络模型对被控对象的输出值进行预测,根据预测值对神经网络各层中的加权系数进行在线修正,同时引入了带死区的控制算法。该设计方案具有调节速度快、适应能力强、可靠性高等优点。实验结果表明,该控制器具有强抗扰、响应快、鲁棒性好等特点。     

基于改进粒子群算法的模糊神经网络PID控制器设计

针对模糊神经网络PID控制器中参数初始值的设置对控制器性能影响大的问题,提出一种改进的PSO算法优化模糊神经网络PID控制器参数的设计方法.该方法采用实数编码的方式对控制器参数进行优化,并以ITAT指标作为改进的PSO优化算法的适应度函数.实验仿真表明:经过改进的PSO算法优化的模糊神经网络PID控制器具有良好的动静态性能,响应速度更快,超调量更小,控制精度更高.     

基于BP神经网络的PID控制研究

PID控制算法是工业控制领域中应用广泛的控制算法,但在实际应用中其参数整定问题一直是一个尚未很好解决的难点.为了解决控制参数整定,改善系统性能,利用BP神经网络技术应用到PID控制器中.通过建立三层神经网络模型,在控制过程中按照梯度下降法修正神经网络的权系数,实现PID神经网络的自学习和逼近任意函数的功能,在控制过程中根据变化实时调整PID的三个控制参数,从而进行PID控制参数的在线整定.仿真结果表明,引入了BP神经网络的PID控制系统,提高了动态性能,增强系统稳定性和快速性,并获得更好的控制效果.