An Intelligent Adaptive Fuzzy PID Controller Based on Multimodel Control Approach

A novel intelligent adaptive fuzzy PHD controller based on multimodel control approach is presented in this paper.It can improve the system performance of the dynamic time- varying system at various operating conditions.The fuzzy PHD controller is implemented by combining a fuzzy PI with a fuzzy PD controller in a parallel structure. The parameters of the fuzzy PHD controller are linked, via analytical derivation, to the gains of the linear PID controller. The sum of error square is used as performance criterion to locate the model that best reresents the process among the multiple models, The desired control output to drive the process along the desired path is generated only by modifying the output scale factots GU_I and GU_D of the fuzzy PID controller, Among the prescribed models, the control signal of the nearestmmodel to the system is applied. The system can be driven to its original trajectory because of the robustness of the fuzzy PID controller, Computer simulation results show that the

核电站蒸汽发生器水位的自抗扰多模型控制方法研究

针对核电站蒸汽发生器水位控制的非线性分布特点,在自抗扰控制技术的基础上结合多模型控制提出了蒸汽发生器水位系统新的控制方案.在该控制方案中,对蒸汽发生器设计了多模型控制系统,并针对各个模型分别设计了不同负荷下的自抗扰控制器,可以对扩张状态进行在线实时估计,因此设计的扰动补偿不依赖于模型便能够达到快速消去扰动的效果.将该方法用于蒸汽发生器水位控制系统进行仿真研究,结果表明:该控制方案实现了对蒸汽发生器水位良好的动态控制,具有较强的鲁棒性和抗干扰能力,且算法简单,便于调试.

超磁致伸缩致动器的广义预测-多模PID控制

为了克服超磁致伸缩致动器的磁滞现象对精密驱动定位精度的影响,在进行磁滞补偿的前提下,研究了自校正PID控制方法,提出了基于广义预测控制的广义预测-多模PID控制方法。介绍了广义预测控制的主要思想,并由此导出PID参数与被控对象待估参数的关系,实现了广义预测PID控制;针对起动阶段控制效果不平稳的问题,提出了多模PID控制模式转换条件;最后,根据PID参数变化情况,建立致动器的多模PID控制方法,实现广义预测PID与常规PID的在线控制模式转换与控制。实验结果表明,采用广义预测-多模PID控制器,虽然单次平均运算时间比广义最小方差-模糊PID控制器长7ms,但跟踪误差均方差减少了0.066μm;同时改善了起动平稳性。提出的控制方法能有效消除由扰动带来的影响,提高跟踪精度,改善起动平稳性,适用于对实时性、控制精度要求较高的精密定位领域。

多模型方法在飞控系统故障重构控制中的应用

基于多模态控制方法,将多模型选择模态的方法用于飞机发生故障时的重构控制:设计多个不同状态的模型及其控制器,模型采用固定模型和自适应模型,相应控制器按模型匹配方法设计,理想模型依飞行品质要求设计,依据转换标准判断当前飞机状态与哪一个模型最接近并转换到相应控制器上。自适应模型及其控制器是采用基于梯度的参数调节方法设计和实现的。最后以某机为例进行了仿真验证,结果表明该方法是有效的。

多模式模糊控制理论在速度反馈式液压电梯系统中的应用

本文通过液压电梯速度控制系统的研究，提出一种多模式模糊控制方式，介绍了多模式模糊控制的原理。

火力发电机组的多模型神经网络控制

本文针对大型火力发电单元机组,采用PID神经网络作为控制器,提出多模型切换神经网络控制。通过仿真实验证明它有效的提高了系统的运行性能和抗干扰性。

燃料电池机器人动力系统多模型切换控制

针对燃料电池驱动的自主机器人动力系统中,燃料电池、辅助动力单元、电动机传动系统、机器人本体等子模型多造成的控制复杂性,介绍了基于燃料电池驱动的机器人系统的系统构成.阐述了燃料电池机器人的DC/DC变结构控制和基于聚类的模糊滑模变结构多模型切换控制,并简述了基于LABview的燃料电池机器人系统虚拟仿真平台的建立.

PSO算法在多模型自校正动态矩阵控制中的应用

为解决多模型控制中固定模型获取问题,将粒子群优化(PSO)算法应用于多模型自校正动态矩阵控制.对一类含跳变参数的单输入单输出离散时间系统,当模型参数突然跳变时,通过PSO算法在线优化自适应模型参数,并根据模型相似度实现固定模型的动态管理,以有效控制模型数量和减轻系统负担.模型切换策略用于选择当前与实际被控对象最接近的控制器.仿真结果表明,该方法能够较大地改善系统的瞬态响应,优于常规的自校正动态矩阵控制算法;并说明了其有效性和可行性.

单元机组的多模型神经网络控制

针对大型火电单元机组,采用PID神经网络作为控制器,提出多模型切换神经网络控制。通过仿真实验证明它有效的提高了系统的运行性能、抗干扰性。

舰载指控系统多通道交互集成技术研究

人机交互友好性是影响指控系统作战效率的一个重要因素。在分析指控系统人机交互的需求基础上,提出一套适用于舰载指控系统的多通道人机交互框架,形成了多通道人机交互集成规范,可以提高交互的自然性和高效性。