PID控制的参数模糊自整定方法

针对一般PID控制算法在线调整PID的三个参数难度较大的问题,研究了PID控制的参数模糊自整定方法,即根据偏差和偏差变化率与PID三个参数的模糊关系,进行参数模糊自整定.该方法具有通用性和适应性强,参数容易整定,控制效果好等特点.并应用在WK-1型温度控制系统上,进行了实时控制实验,取得了很好的控制效果.     

基于PID控制和遗传算法的半导体激光器温控系统

为了实现半导体激光器温度的精确控制,设计了将PID控制与遗传算法相结合的高精度温度控制系统.该系统使用热敏电阻与光电二极管进行测量和反馈半导体激光器的温度值,并用热电制冷器作为温控执行器,构成了双闭环控制系统,提出了利用遗传算法在线优化PID参数的方法,根据实时测量偏差、控制器输出和上升时间构建函数作为待优化的性能指标,从而动态调整控制器的参数.结果表明,系统能够实现高精度的温度稳定控制,稳定度达到0.027%,温度偏差为0.002℃,控制效果优于传统的PID控制,具有较好的应用价值.     

基于PLC的模糊控制PID控制器的设计与应用

本文针对沙角C电厂脱硫废水处理系统反应器pH值被控对象的非线性、大滞后性等特点,介绍了一种基于模糊控制的参数自整定PID控制器.根据偏差大小和偏差变化率实时调整PID控制器的参数,利用MATLAB工具搭建的仿真模型,验证了该控制器的优异性,并最终在脱硫废水PLC控制系统中实现该控制器的使用,其对pH值的控制取得了良好的效果,同类型对象可以借鉴.     

Fuzzy-PID控制算法在永磁电磁混合悬浮系统中的应用

永磁电磁混合磁悬浮平台控制系统是典型的非线性迟滞系统,单纯采用经典PID控制或Fuzzy控制难以满足系统的快速性、稳定性、鲁棒性等要求.虽然可以采用PID控制算法结合分段调节PID控制参数的所谓非线性PID来进行控制,但是这种整定方法由于采用了分段控制,在每个分段内PID参数不再变化,在受到较大扰动时控制作用可能会不及时,从而导致吸死现象的发生.针对以上问题,提出采用Fuzzy控制和PID控制相结合的Fuzzy-PID控制算法,在常规PID调节器的基础上运用模糊推理思想,根据不同的偏差、偏差变化率对PID参数进行自校正.仿真结果表明,系统具有较好的动静态性能,满足混合磁悬浮系统的要求.     

PID控制的参数模糊自整定方法

针对一般PID控制算法在线调整PID的三个参数难度较大的问题,研究了PID控制的参数模糊自整定方法,即根据偏差和偏差变化率与PID三个参数的模糊关系,进行参数模糊自整定,该方法具有通用性和适应性强,参数容易整定,控制效果好等特点。并应用在WK－1型温度控制系统上,进行了实时控制实验,取得了很好的控制效果。     

复合钢板生产中粘合剂温度控制研究

分析了减振复合钢板生产中树脂加热过程,建立被控对象在小偏差情况下的数学模型,并研究采用模糊-PID联合控制器实现树脂材料的恒定温度控制方案,在系统存在较大偏差时采用Fuzzy控制加快系统响应速度,当系统偏差较小时采用PID控制以获得较好的控制精确度.最后对该方案仿真结果与纯PID和模糊控制方案进行对比分析,得出模糊PID联合控制器适于减振复合钢板树脂恒温控制.     

模糊自适应PID在磁悬浮系统中的仿真研究

以磁悬浮系统为对象,通过钢球位置与控制电流的实验拟合曲线,在MATLAB下运用S-函数建立了非线性模型.针对磁悬浮系统开环不稳定、强烈非线性等特性,结合PID控制和模糊控制的优点,提出了一种改进的模糊自适应PID控制方法.对位置偏差E及偏差变化率Ec采用非线性模糊化,并将PID控制器中D环节从模糊控制器中独立出来,只对P和I参数进行模糊自整定.仿真结果表明:IFPID控制系统的抗干扰和自适应能力都优于常规PID控制,具有更好的动态特性和稳定性.     

移动机器人模糊PID运动控制技术研究

针对轮式移动机器人系统的非线性和常规PID控制方法的不足,将模糊推理与常规PID控制相结合,设计了一种基于参数自整定的模糊PID运动控制系统,给出了参数自整定规律,给出了以参数分配器实现移动机器人线速度和角速度的双闭环控制方法.在自行研制的移动机器人上进行了运动控制实验研究.结果表明,该运动控制系统比常规PID控制方法相比的机器人响应速度快,线速度和角速度控制的超调量及稳态误差等控制品质得到了明显改善,同时该运动控制系统具有较强的抗干扰能力.     

基于Larsen模型的模糊PID液位控制系统

针对液位控制系统需快速实现高低液位控制的需求,提出基于Larsen模型的模糊PID液位控制系统。该系统以偏差和偏差变化率为输入,以比例系数,积分系数和微分系数作为输出,利用Larsen模型的模糊推理规则对PID参数进行整定,结合模糊控制和PID控制的优点,建立语言控制规则,获取数学模型,从而实现对液位系统的优化控制。MATLAB仿真结果表明,基于Larsen模型的模糊PID液位控制系统比PID液位控制系统的超调量降低,调节时间大幅度缩短,具有良好的动态特性且鲁棒性强。     

狭窄弯曲航段自动航迹控制方法研究

针对狭窄弯曲航段人工操船难度较大的问题,研究该环境下的自动航迹控制方法。为优化传统PID控制参数,引入最优控制策略,提出最优PID航向控制方法,可随船速和外界环境的变化实时调整PID参数。为精确控制航速以提高舵效,提出基于二分法的航速控制方法。考虑航向、航速控制二者的耦合关系,提出基于模型预测和反馈补偿的航迹控制方法。以蓝塘海峡出港航道为实验水域,在该水域分别进行了静水和环境干扰下的对比仿真实验。结果表明：静水中最优PID的最大航迹偏差为2 m,传统PID的最大航迹偏差为8 m,最大航速偏差为0.21 kn;风速12 m/s、波幅3 m、流速1.2 m/s环境干扰下,最优PID的最大航迹偏差为23 m,传统PID的最大航迹偏差为48 m,最大航速偏差为0.25kn;航迹控制方法与“先减速再加速”、“挂高取矮”等实践做法相一致。     

基于多容惯性标准传递函数的锅炉内胆水温PID控制

提出了一种PID控制器的多容惯性标准传递函数设计方法,并采用Matlab中的Simulink平台,构建了典型串联校正型PID控制系统的仿真试验系统.仿真结果显示,基于多容惯性标准传递函数的PID控制具有无超调、鲁棒性强等优点,有效提高了系统的控制效果.     

Design of Adaptive Fuzzy PID Altitude Control System for Unmanned Aerial Vehicle

Based on Matlab/Simulink and Fuzzy Logic toolboxes,the altitude control system is designed and simulated.The validity of conventional PID control method and adaptive fuzzy PID control method is compared.It can be drawn out that the adaptive fuzzy PID control method is superior to the conventional PID in rising time and overshoot etc.The effectiveness of a fuzzy PID controller shows potential application in the future,especially in the presence of model uncertainty or changing dynamics and time-varying parameters.     

Design of Adaptive Fuzzy PID Altitude Control System for Unmanned Aerial Vehicle

Based on Matlab/Simulink and Fuzzy Logic toolboxes, the altitude control system is designed and simulated. The validity of conventional PID control method and adaptive fuzzy PID control method is compared. It can be drawn out that the adaptive fuzzy PID control method is superior to the conventional PID in rising time and overshoot etc. The effectiveness of a fuzzy PID controller shows potential application in the future, especially in the presence of model uncertainty or changing dynamics and time-varying parameters.     

基于神经网络PID炉温控制系统设计

将BP神经网络控制策略引入炉温控制系统,通过神经网络模拟实现PID控制器参数在线调整。在电阻炉炉温控制系统模型的基础上,详细介绍了神经网络PID控制器的算法,并对经典PID参数选取进行了分析。最后将神经网络PID与经典PID控制效果进行了仿真比较。     

模糊PID控制的助力模式对操纵稳定性影响分析

电动助力转向系统(EPS)设计中最重要的是助力控制模式的控制器设计。在PID控制的基础上引入了模糊控制,提出了基于模糊PID控制的助力控制模式;应用TruckSim和Simulink建立EPS联合仿真模型;采用常用的操纵稳定性开环和闭环两种评价方法进行PID控制和模糊PID控制仿真对比试验,研究模糊PID助力控制模式对EPS性能及整车操纵稳定性的影响。开环评价对比试验结果表明:模糊PID控制器的助力性能较好,但操纵稳定性略差一些。闭环对比试验表明:EPS助力控制模式能有效地提高转向系转向轻便性,模糊PID控制器作用下的操纵性和汽车行驶安全性较好。认为模糊PID控制器下的助力控制模式助力性能好于PID控制器,模糊PID控制器更适合EPS助力控制模式。     

直驱式电液位置系统PID控制的研究

针对直驱式电液位置系统的特点，使用PID控制改善系统的特性。经过对比分析，采用不完全微分PID控制策略。通过仿真在不同负载下系统对阶跃和斜坡信号的响应，分析结果得出：采用PID控制方法后带载系统响应时间、稳态误差变小，系统刚度增大，减小了负载带来的影响，能够达到控制的需要。     

神经元PID在FA467粗纱机速度控制中的应用

FA467粗纱机控制系统属于大惯量、非线性时变系统，采用传统的PID和通常的自适应控制都不能满足本系统的要求。本文在吸收传统PID控制器简单易懂，不需精确的系统模型优点的基础上，采用一种基于神经网络与PID控制相结合的神经元PID速度控制方法。利用单神经元的自学习、自适应特性，在线改变增益权值，代替传统的PID固定增益，以提高跟踪性能和响应速度。实验证实，该方法大大减少了粗纱机故障几率。     

神经网络PID复合智能控制参数自整定研究

针对具有时滞一阶非最小相位系统的被控对象,提出了一种基于神经网络的PID复合智能控制设计方案,推导出复合PID控制器控制参数的整定方法.考虑到被控对象的不确定性、慢时变等特点,以神经网络元构造基于自动化复合PID控制器,解决了基于自动化复合PID控制参数在线调整的问题,使复合PID控制器适用范围更广泛.对闭环控制系统模拟结果表明,该系统控制参数整定方法简单,具有非常好的控制效果.     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

Application of Fuzzy-PID Control System in Full-Mechanized Coal Face

The control system, which includes structure, the composition of software and hardware, the form of PID control system and its systematic closed-loop, was used in No.4236 full-mechanized coal face of Xinlongzhuang mine.The typical fuzzy PID control system structure was investigated, and a simplified fuzzy PID control system was taken the place of the complex three-dimension fuzzy controller. Based on the parameter relation between fuzzy controller and normal PID controller, a common method of parameter adjustment of PID controller was summed up and the computer simulation was realized. This system can overcome the problems of large delay, nonlinear, poor running environment and great load change in the full-mechanized coal face. The simulating investigation indicates that the designing method of fuzzy controller is simple and feasible.