四旋翼无人机预设性能自适应PID控制

针对四旋翼飞行器在轨迹跟踪过程中存在建模误差和外界干扰问题,设计了一种双闭环控制系统。内环姿态环采用自适应PID算法,用滑模算法作为自适应机制,结合梯度下降法克服传统PID需要手动调节参数的问题,并用RBF神经网络消除滑模控制过程中产生的抖振现象;外环位置环采用预设性能自适应PID算法,即在自适应PID算法的基础上加上预设性能控制,将误差用预设性能函数进行转换,使系统误差能够始终稳定在预设值,实现位置的快速跟踪;最后用Lyapunov函数证明系统的稳定性。从跟踪的快速性、稳定性和稳态性能方面,由仿真结果对比证明本文所设计的控制算法有很大的优越性,并能对不同形式的外部扰动表现出强抗干扰性。

改进自适应粒子群算法的PID参数优化

标准粒子群优化算法(PSO)易在局部求得最优解,为解决这一问题,采用自适应权重,在迭代中调整惯性,确保在每一次迭代中使用最佳权重,较好地解决局部最优的问题。该方式可改善传统PSO算法,与实践经验整定法、标准粒子群算法及一般自适应粒子群算法的寻优结果对比。结果显示:其超调量为3.2%,调节时间减少到0.165 s,与其他3种方法相比,振荡更低,且收敛速度更快。采用该方法调整,系统参数确保比例、积分、微分(PID)控制器的性能指标更好,以及控制系统更稳定。

基于Hurst指数的PID控制参数优化

为了提高PID控制过程的控制性能,提出一种基于Hurst指数的PID参数优化方法。首先,给出基于Hurst指数的控制性能评价方法。然后,以Hurst控制性能指标为基础,结合绝对误差积分和控制作用限制项来定义PID参数优化的目标函数,使用遗传算法来求解PID参数值。最后,通过数值仿真和工业实例验证了该方法有效性。

PID回路性能评估与整定技术在精细化工企业的应用

运用PID回路性能评估与整定技术全面管理精细化工企业的PID回路。针对企业的实际生产情况,PID回路性能评估采用多指标综合评估方法,PID参数整定采用基于闭环辨识和内模控制的整定方法。精细化工企业将技术与管理相结合,提出PID回路闭环迭代改进的应用模式,实现了企业自动化水平的迭代提升,同时验证了该项技术的有效性与实用性。

单神经元自适应PID控制器的研究

将二次型性能指标引入单神经元并利用自学习功能构成了自适应 Ｐ Ｉ Ｄ 控制器；分析了神经元自适应控制系统的稳定性和学习算法的收敛性．仿真结果表明，这种控制方案具有良好的自适应性．

基于线性二次型的单神经元PID最优控制器设计及仿真

讨论了线性二次型最优控制理论在神经网络PID控制系统中的应用。将二次型性能指标引入单神经元PID控制器中,设计出单神经元自适应PID最优控制器,从而实现了PID参数在线自适应寻优。给出了完整的设计过程和学习算法,分析了其稳定性。最后,运用MATLAB仿真实现证明了该方法的可行性、有效性,并得到了较为理想的控制效果。

汽车主动悬架自适应模糊PID控制研究

为改善汽车行驶平顺性,建立了简化的1/4车二自由度汽车主动悬架模型,提出了主动悬架自适应模糊PID控制方法。该方法中PID控制器以车身垂直速度的误差为控制参量,将车身垂直速度误差及误差变化率作为模糊控制器的输入变量,对PID控制器参数进行在线自调整。以C级路面白噪声随机信号为输入,利用MATLAB/Simulink对自适应模糊PID控制器进行了仿真,结果表明:自适应模糊PID在车身垂直速度、加速度及轮胎动载荷等控制方面明显优于被动悬架及传统PID控制,说明该法具有较好的控制效果和鲁棒性。

一阶时滞过程PID控制器优化准则

对单回路控制系统,期望得到控制器的统一优化准则。以误差积分性能指标描述系统时间响应,以环路函数的频域约束表示系统稳定裕度,从而建立一种综合的鲁棒性能(RP)指标,即系统的稳定裕度和积分性能的指数加权指标。针对比例积分微分(PID)控制器串联一阶时滞过程(FOPDT)的系统,通过计算机数值运算,选择出RP的合理加权因子范围为1～2。以加权因子取1.5的RP作为控制器优化准则,对时滞比从0到∞的FOPDT过程获得了最优PID控制。仿真表明,该法对鲁棒性和积分性能的折中是合适的,对一般工业过程的控制器参数优化有较大的借鉴意义。

基于PNNPID的车辆加速度控制器设计

针对传统的自适应巡航(adaptive cruise control,ACC)加速度控制算法对系统变化辨识速度慢、动态性能差、调整缓慢的问题,提出了一种基于PNNPID(parallel neural network proportion integration differentiation)的加速度控制算法.通过分析传统SNNPID(serial neural network proportion integration differentiation)对误差直接反馈的不足,应用神经网络自学习功能,开发了基于并行控制原理的车辆加速度控制器;考虑车辆平顺性,设计了符合驾驶行为的滤波限幅方案.实验结果表明,相比基于SNNPID的加速度控制器,基于PNNPID的加速度控制器最大偏差控制在±0.25 m/s^2以内,并具有平均误差小、调整时间短和瞬态特性良好的特点,滤波限幅方案有效提高了驾驶的舒适性.

基于单神经元自适应PID控制器的无刷直流电动机控制方法研究

研究三种单神经元自适应PID控制器,并对无刷直流电动机进行转速控制;通过Matlab仿真软件M函数对其进行仿真,总结可调参数的选择规律。通过对仿真结果分析比较,基于二次型性能指标学习算法的单神经元自适应PID控制动态自适应能力强、响应快、鲁棒性好。

基于蚁群算法的PID参数优化

针对常规整定方法下的PID控制器参数整定一般离不开人工经验调整,且难以得到最佳参数的缺点,提出一种基于蚁群算法的PID参数整定方法,利用Ziegler-Nichol法确定参数的搜索范围,在二次型性能指标下对PID控制器的参数进行优化,通过与Ziegler-Nichol法、单纯形法的控制效果进行对比,可以得出该整定方法得到的控制系统具有更强的抗干扰能力和鲁棒性.文中还研究了二次型性能指标可调参数对优化结果的影响,MATLAB仿真结果表明,在二次型性能指标下控制效果更好.

一种非线性PID控制器及其参数分析

利用凸组合方法构造非线性PID控制器,并对有关参数进行了分析.通过简单地调节非线性函数的有关参数,这种非线性PID控制器可以形成灵活的增益策略.采用这种控制器,能够使性能指标互为冲突的双方同时取得较好的控制效果.为检验这一方法的有效性和全面性,本文分别对一个延时过程和一个三阶伺服系统进行了仿真,仿真结果表明,这种控制器具有较好的性能.

一种改进的单神经元PID控制器的研究与仿真

为改善单神经元控制中学习速度慢,动态响应特性等问题,研究了一种改进的单神经元PID控制算法,该算法在神经元算法的加权系数中引入了二次型性能指标。在此基础上将其运用于电厂锅炉过热气温控制,设计了一种基于二次型性能指标的单神经元PID的过热汽温控制系统,总结了算法中参数的设置修正规律。仿真结果表明,这种控制算法具有优良的控制性能。

基于阶跃跟踪响应的PID控制器性能评价与调节

对阶跃跟踪扰动下的PID控制器性能评价与调节方法进行了研究。首先给出一种由系统闭环阶跃响应数据辨识过程阶跃响应系数的方法。基于辨识得到的过程阶跃响应系数,给出了求取PID/PI控制系统最佳控制性能(SSE指标意义下)和最佳控制器参数的方法。最后给出了对PID/PI控制器阶跃跟踪性能进行评价和调节的流程。仿真实验验证了方法的有效性。

非线性系统的PID控制器的研究与设计

研究工业过程控制,非线性系统难以建立其精确的数学模型,常规PID算法难以实现其控制。对此,将神经网络算法和PID算法结合起来,为提高性能和响应速度,设计了针对非线性系统的自适应PID控制器,PID控制器采用单神经元来实现自适应调整。分别采用了三种学习算法来实现单神经元PID控制器参数的调整,即基于二次型性能指标的学习算法、基于BP神经网络辨识的学习算法和基于RBF神经网络辨识的学习算法。三种算法的仿真结果表明,都实现了PID控制器的自适应调整的目的,实现对非线性系统的有效控制,证明三种方案的可行性。

一种参数快速收敛的多变量系统神经网络PID控制

对多变量系统设计了神经网络ＰＩＤ控制，解决了多变量系统Ｐ、Ｉ、Ｄ参数难以整定的问题。基于对象模型，提出了一种新型神经网络控制器的训练方法，该方法用多步二次型性能指标函数去训练控制器的权值，从而提高了控制器参数的收敛速度和系统的响应性能，降低了各通道之间的耦合。

改进单神经元网络PID算法下的车用轮毂电机控制系统仿真

针对采用传统PID控制下轮毂电机控制系统中存在转速超调量大、转矩突变严重等问题,在单神经元网络PID的基础上,引入最优控制理论中的误差二次型性能指标对单神经元网络PID算法的学习规则进行改进,将改进后单神经元网络PID算法运用到轮毂电机矢量控制系统的速度环中。仿真结果表明:改进后单神经元网络PID控制的轮毂电机矢量控制系统速度环响应速度快、转矩突变小以及运行状态更加稳定。

不确定连续系统预设性能非线性PID控制

研究不确定连续系统仅输入输出数据可利用情况下的非线性PID控制问题.在系统参考输入信号和输出信号连续可微的条件下引入预设性能控制理论,并基于预设性能控制的性能函数和误差转换思想设计了简单的非线性函数以组合形成非线性PID控制器,进而从理论上证明其可行性.仿真实验表明,所设计的控制器继承了传统PID的优点,且参数调整更灵活,系统的鲁棒自适应性和抗扰性更好.

基于自适应PID控制器的平面一级倒立摆的研究

倒立摆是一个强耦合、严重不稳定的系统,其背景来源于火箭发射等课题。在该系统中,PID控制器常常被采用。由于该系统在建立数学模型时次要的因素被忽略了,实际上是一个非线性系统;为了提高系统的控制性能,根据计算智能逼近非线性系统的功能,设计一个RBF神经网络控制系统,实现对常规PID控制器的参数进行自适应整定。最后使用BC++编写系统的控制程序,通过实物控制验证基于RBF神经网络的PID控制器参数的自适应整定的系统具有较好的瞬态性和鲁棒性。

四种先进PID控制方法及性能比较

针对常规PID参数固定,使得应用范围受到限制的问题,研究四种先进PID控制方法。在常规PID基础上,分别引入模糊技术、Vague技术以及遗传算法,提出Fuzzy-PID、Vague-PID、GA-Fuzzy-PID、GA-Vague-PID控制方法并对其控制性能进行比较。在介绍常规PID的基础上,引入智能技术,在线实时调整PID的三个参数,即自适应PID。利用模糊控制对被控对象模型精度要求不高且鲁棒性高、解耦性强的优点,构成Fuzzy-PID;基于Vague集相似度量的近似推理更符合实际,易于得到控制量,便于工程实践,构成Vague-PID;利用遗传算法(Genetic Algorithms,简写成GA)实现对模糊控制规则的整定,构成GA-Fuzzy-PID、GA-Vague-PID。给出上述四种自适应PID设计方法,并从理论上进行分析比较,指出各自优缺点。仿真结果表明:上述自适应PID较常规PID上升时间短、响应速度快;引入GA整定后的GA-Fuzzy-PID、GA-Vague-PID分别比未引入GA的Fuzzy-PID、Vague-PID上升时间短、响应速度快。