基于遗传算法比例积分微分控制器的铅冷快堆堆芯功率控制

比例积分微分(proportion integration differentiation,PID)控制器对堆芯功率控制过程存在适用性低的问题,而采用遗传算法(genetic algorithm,GA)整定PID控制器参数可以很好地解决此问题。为了实现铅冷快堆堆芯功率的有效控制,基于遗传算法PID控制器,结合堆芯状态空间模型,建立铅冷快堆堆芯功率控制系统,模拟堆芯反应性和堆芯进口温度扰动下系统的响应情况,并与PID控制器的控制结果进行比较。结果表明,外界存在扰动时,引入控制器可使堆芯达到稳定状态,与初始状态偏离较小,且遗传算法PID控制器的控制效果比PID控制器更为显著。

比例-积分-微分压力控制的放电雾化烧蚀磨削加工方法

为了提高电火花放电雾化烧蚀加工效率,以烧结金刚石材料作为加工电极,利用金刚石颗粒的磨削作用实现了高效雾化烧蚀与机械磨削的复合加工.其中,通过测量加工过程中金刚石颗粒与工件之间的机械磨削作用力,实现了基于压力信号检测的伺服控制,以保证金刚石颗粒的磨削作用,并采用反比例、模糊和比例-积分-微分(PID)压力控制方法来维持加工过程中的压力稳定性.同时,以高强钢Q420C为加工对象进行了3组加工效率对比试验.结果表明:采用PID压力控制方法,在30min的加工时间内所得加工深度可达14.5mm,最大压力在1.0N以内,其加工效率和加工稳定性优于其他2种控制方法.

基于模糊神经比例微分积分的静变电源控制

针对静变电源模糊比例微分积分(模糊PID)控制隶属度和控制规则一旦确定后无法更改等不足,为提高静变电源输出电压的质量,提出以模糊神经比例微分积分(模糊神经PID)控制代替模糊PID控制。利用神经网络自学习的特点完善和调整模糊逻辑规则,并与PID稳态控制性能的优势相结合,实时地对静变电源电压控制量进行调整。仿真结果表明,模糊神经PID控制系统具有良好的鲁棒性和自适应能力,对干扰也有较好的抑制效果,解决了模糊PID控制器在静变电源控制中的精度不太高、自适应能力有限的难题,满足了静变电源输出的要求。

区间比例积分微分控制器理论在制导炸弹控制系统设计中的应用

应用区间多项式及区间系统比例积分微分控制器 (PID)设计理论 ,给出了一种飞行控制系统PID控制器设计方法。该方法同时考虑稳定性指标和时域性能指标。首先求出PID控制器的所有稳定参数集 ,再在该集上得出满足时域性能指标的PID控制器参数区域。只需设计一组控制器参数 ,就可具有较强的适应被控对象参数变化的能力。理论分析和仿真试验结果表明了该方法的可行性。

基于模糊比例积分微分算法的汽车半主动悬架振动分析

为提高汽车的平顺性和舒适性,针对半主动悬架系统,建立1/4车辆简化模型,引入模糊控制策略,结合比例积分微分(proportion integration differentiation,PID)控制以解决悬架运动过程中PID控制器参数不可变而引起的控制效果不理想等问题。并通过软件进行仿真分析,同时在相同参数下与单纯由PID算法控制的悬架以及被动悬架进行对比分析。仿真结果表明,基于模糊PID算法的半主动悬架能够更加出色地应对道路不平对汽车所造成的冲击,降低垂向振动,提高车辆驾驶稳定性。

引入PID反馈的SHAEKF算法估算电池SOC

电池荷电状态(SOC)的估算精度是电动汽车电池组的重要指标。为提升SOC估算精度,在融合Sage-Husa扩展卡尔曼滤波(SHEKF)算法与自适应扩展卡尔曼滤波(AEKF)算法的基础上,增加比例积分微分(PID)反馈环节,形成改进算法。采用粒子群优化(PSO)算法对二阶RC等效电路模型进行参数辨识;用开源电池数据集对模型和算法进行实验和分析。改进的SHAEKF算法在电池动态应力测试(DST)、北京动态应力测试(BJDST)和美国联邦城市驾驶(FUDS)等工况下的平均估计误差都在1%以内,与单纯的融合算法SHAEKF算法相比,最大误差可减小5%。

基于金豺优化PID的直流电机调速控制系统

针对传统直流(DC)有刷电机调速系统适应性不强、抗干扰能力和稳健性差等缺点,设计了基于金豺算法优化比例-积分-微分(PID)的直流有刷电机控制系统.在建立电机数学模型的基础上,将金豺优化(GJO)算法应用于PID参数整定,实现对电机的控制,并分别与传统试凑法、反向传播(BP)-PID算法和麻雀算法(SSA)-PID进行对比.仿真结果表明:所设计的控制算法在调节时间上减少了12 ms,超调量降低了3.689%,受到干扰后的调节时间减少了17 ms,表现出更快的调节转速、更强的抗干扰能力和更好的稳健性,为直流有刷电机调速控制提供了一种有效的方案.

模糊反馈增量式比例积分微分油气悬架控制

为了提升工程车辆的行驶平稳性,以工程车辆油气悬架为研究对象,以车身加速度为主要优化目标,设计了基于模糊反馈的增量式比例积分微分(proportional-integral-derivative,PID)油气悬架控制系统。对被动悬架,增量式PID和模糊反馈增量式PID控制器进行仿真,对车身垂向加速度、车轮动载荷、悬架动挠度和控制力4个指标进行分析。选取C级路面和车辆行驶速度作为油气悬架系统输入激励,在降低车身垂直加速度的前提下,着重解决增量式PID控制器存在的问题。仿真结果表明,与传统被动悬架系统相比,基于模糊反馈的增量式PID控制油气悬架系统的车身垂向加速度的均方根值降低52%、悬架动挠度降低24%、车轮动载荷降低了44%。与增量式PID相比,悬架动挠度降低了69%,且基于模糊反馈的增量式PID控制器相比较于传统增量式PID控制器其输出控制力降低了86%。因此可以证明,基于模糊反馈的增量式PID控制器,不仅可以提升油气悬架系统综合动态性能,对改善车辆行驶的平顺性和操作稳定性,具有较好的应用前景,且其在经济性和环保性方面同样更具优势。

基于改进DDPG-PID的芯片共晶键合温度控制

芯片共晶键合对加热过程中的升温速率、保温时间和温度精度要求较高,在使用传统的比例-积分-微分(PID)温度控制方法时,存在响应时间过长、超调量过大、控制温度不够准确等问题。针对共晶加热台的温度控制问题,提出了一种基于改进的深度确定性策略梯度(DDPG)强化学习算法优化PID参数的控制方法,采用分类经验回放的思想,以奖励值大小为标准对经验进行分类存放,根据智能体当前的状态和下一步动作,从相应的经验池中进行采样并训练,并根据PID控制算法的特性设计了合理的奖励函数,改善了强化学习中奖励稀疏的问题,提高了算法的收敛速度与性能。仿真结果表明,与传统PID控制、常规DDPG-PID控制相比,改进DDPG-PID控制缩短了响应时间,降低了超调量,近乎消除了稳态误差,提高了控制性能和系统稳定性。

基于模糊自适应PID的煤矿提升机变频调速控制方法

煤矿提升机通常需大功率电动机提供动力,能源消耗巨大,导致煤矿提升机控制波特率较小,因此,设计一种基于模糊自适应PID的煤矿提升机变频调速控制方法。根据煤矿提升机的实际工况和性能要求,选择适当的变频调速范围。运用模糊自适应PID方法,根据煤矿提升机的实时状态和控制目标,确定变频调速的控制参数。通过模糊控制器的模糊化处理以及PID控制器的精确调整,实现对煤矿提升机变频调速的自动控制。实验结果表明,基于模糊自适应PID的煤矿提升机变频调速控制方法,控制波特率均在120bps/h以上,证明该方法对于煤矿提升机变频调速控制具有良好的控制效果,为煤矿提升机的安全、高效运行提供有力保障。

基于模糊PID的打磨头角度控制策略研究

在进行风电机组叶片表面打磨工序时,需要控制打磨头的径向与叶片表面保持垂直。对打磨头的角度调整问题进行分析和研究,通过分析打磨头的结构构成与运动轨迹,建立打磨头伺服系统的数学模型。基于角度变化引起的重力转矩补偿量,提出一种模糊比例-积分-微分(Proportion-Integral-Differential,PID)的角度伺服控制系统。Simulink仿真验证结果表明,重力补偿后模糊PID控制方法的打磨头伺服系统响应速度更快、误差更小,能够较好地调整打磨头的角度。

基于遗传算法整定驱动参数的水力发电机PID控制

为了弥补PID控制容易出现超调的现场,设计了一种基于遗传算法整定驱动参数的水力发电机PID控制方法。从正弦信号方面对水力发电机开展进给测试,促进了跟随性能的显著提升。研究结果表明:遗传算法整定方案在迭代到37次时达到收敛,幅频特性表明系统获得了理想响应性能。采用遗传算法整定驱动参数后获得更低跟随误差,表现出了更优的跟随性能。正弦信号下遗传算法参数整定时达到了更低跟随误差,表现出了更优的跟随性能。绝对误差极值降低35.5%,绝对误差积分降低50.1%。该研究有助于提高水力发电机控制稳定性,也可适用于其它的机械传动机构。

基于PID算法的轧钢加热炉煤气智能燃烧控制研究

常规的轧钢加热炉煤气智能燃烧控制方法主要使用Fuzzy双交叉限幅控制器进行控制阶跃响应,易受温变超调作用的影响,导致燃烧效率偏低。基于此,提出一种基于比例-积分-微分(Proportion Integral Differential,PID)算法的轧钢加热炉煤气智能燃烧控制方法。生成轧钢加热炉煤气智能燃烧控制策略,利用PID算法设计轧钢加热炉煤气智能燃烧控制器,从而实现轧钢加热炉煤气智能燃烧控制。实验结果表明,设计的轧钢加热炉煤气智能燃烧PID算法控制方法在不同控制起始时间下的煤气智能燃烧效率均较高,控制性能良好,具有较高的实际应用价值。

基于自适应PID算法的变频器节能控制系统设计

在当前的电气应用中,变频器控制系统应用广泛,但面临的挑战也愈发明显。特别是在能耗管理方面,由于其缺乏智能调控频段能耗的能力,系统整体能耗偏高。为此,文章提出基于自适应比例-积分-微分(Proportional Integral Derivative,PID)算法的变频器节能控制系统设计。构建以微处理器为核心的变频器节能控制结构,将神经网络与PID控制器相结合,构造自适应PID控制器。结合变频器节能控制结构的能耗计算与反馈,通过自适应调节权值系数完成变频系数调整,降低各频段能耗,实现变频器节能控制研究。实验结果显示,该系统节能效果显著,能耗最高仅为20 J,且相较于对比文献,该系统运行稳定,运行时间短,为变频器节能控制运行提供了保障。

基于双环PID算法与大津法的板球视觉控制系统

针对板球视觉控制系统易受光强影响及控制效果不佳的问题,研制了一种基于图像传感器的板球视觉控制系统。图像处理算法采用了大津法,对图像二值化处理效果做了对比,并对小球图像进行二值化优化处理,获取了准确的质心坐标。针对板球视觉控制系统的小球运动特点,设计了双环比例—积分—微分(PID)算法,并对小球运动进行优化控制。本系统实现了二值化图像的阈值自适应,小球实现了任意区域间的切换运动及避开阻挡区域的路径规划运动,控制系统精度达到设计要求。

发动机可变气门正时阀的微分先行的PID控制算法

为优化发动机可变气门正时(VVT)阀原有的控制,提出了微分先行的比例积分微分(PID)控制算法。分析了VVT阀的工作原理与机械结构,测定了VVT阀的关键参数。建立了数学模型与Simulink仿真模型,借助于Matlab/Simulink平台。用实机平台与仿真平台,验证所提出的控制算法。结果表明:在VVT阀控制中,面对目标期望值的波动,与传统PID算法相比,在阶跃测试时,微分先行PID算法超调量降低0.8%,静态误差降低0.15%;在追踪测试时,其超调量降低1%,静态误差降低0.15%。因此,本算法完成了对VVT阀的优化控制。

基于模糊神经网络PID的无人艇航向控制器研究

针对常规比例、积分和微分(proportional integral derivative,PID)控制器在无人艇航向控制系统中表现出的稳定性差、控制精度低等问题,文章提出一种将模糊控制与反向传播(back propagation,BP)神经网络相结合的控制算法;在MATLAB中对比常规PID控制器、模糊PID控制器与模糊神经网络PID控制器在给定期望航向角下的航向控制性能,仿真结果表明模糊神经网络PID控制器对无人艇的航向控制性能最佳;在搭建的实验平台上对不同航向控制器下无人艇的航行轨迹和航向角进行比较,实验结果进一步验证了模糊神经网络PID航向控制算法的优越性。

基于PID的陆区航路纵向碰撞风险控制

为提高陆区航路运行的安全性,减少间隔冲突隐患,仿真研究陆区航路纵向碰撞风险,首先,基于位置误差理论建立陆区航路的纵向碰撞风险数学模型,综合考虑飞行员干预时间,使用安全目标水平反推,确定航空器运行安全区域的前后边界;然后,使用Matlab软件的System Identification工具箱拟合辨识快速存取记录器(QAR)数据,得到反映发动机推力手柄角度和速度变化对应关系的传递函数,依此设计比例、积分与微分(PID)控制系统,将航空器纵向间隔控制在安全区域内;最后,使用Simulink搭建控制系统进行仿真,以验证控制系统功能。结果表明:在给定航路流量(50架/h)条件下,该控制系统能够实时计算2机纵向安全间隔范围(3326~16674 m),并在产生间隔冲突时于70 s内将前后机间隔调整至标称值。PID控制系统能够将碰撞风险始终维持在安全目标水平之上,提高航空器运行的安全性。

模糊PID控制下的CSPRs配对进近纵向碰撞风险

为控制近距离平行跑道(CSPRs)配对进近的纵向碰撞风险,提高该程序的运行安全,首先,基于快速存取记录器(QAR)数据分析航空器在进近过程中的速度变化特征,拟合其在进近阶段的定位误差分布;其次,考虑前机的尾流影响,建立基于位置误差的配对进近纵向碰撞风险模型,计算得到前后机的最优纵向间隔;然后,使用Matlab的System Identification工具箱,拟合辨识发动机推力手柄角度和飞机速度变化的相关数据,得到其对应关系的传递函数,根据该函数设计模糊比例、积分、微分(PID)控制系统,通过控制前后机间的纵向间隔使碰撞风险维持在最低值;最后,使用Simulink仿真验证该控制系统。结果表明:模糊PID控制系统在响应时间、超调量、稳定性等方面的表现皆优于传统的PID控制系统,该模糊PID系统能在50 s内将前后机的纵向碰撞风险控制在最低值(1.72×10-38次事故/飞行小时),并且在整个配对程序的实施过程中维持该值。

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分(PID,Proportional Integral Derivative)控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足,提出一种基于PID型迭代学习控制(ILC,Iterative Learning Control)的列车自动驾驶(ATO,Automatic Train Operation)曲线跟踪算法。通过迭代学习控制,优化跟踪过程,减小跟踪误差,缩短收敛时间;设置典型场景对所设计的算法进行仿真试验,并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明,PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度,能够在有限的迭代次数内实现精确跟踪,验证了所提算法的有效性。