基于DSC和数字预测非线性PID控制的DC/DC变换器

以数字信号控制器(Digital Signal Controller,DSC)MC56F8323为主处理单元,提出一种具有数字预测的非线性PID控制器。设计并实现了模块化高压输入航空静止DC/DC变换器原理样机,给出了该样机的总体结构方案、关键硬件电路、相应的软件流程和实验结论。5 kW样机验证了数字控制所带来的优良的系统性能。

DC/DC变换器数字预测非线性PID控制策略

以DSP芯片TMS320LF2407为主处理单元,功率变换部分采用双管正激电路,提出一种具有数字预测的非线性PID控制器。设计并实现了模块化高压输入航空静止DC/DC变换器原理样机,给出了该样机的总体结构方案、关键硬件电路、相应的软件流程和实验结论。基于5kW样机的实验结果表明,这种数字式预测非线性PID控制能使DC/DC变换器具有良好的动、静态特性。

基于数字预测非线性PID的模块化DC/DC变换器研究

模块化设计是提高系统可靠性、维修性,降低生产成本的一种基本方式。本文对模块化的DC/DC变换器进行了建模和仿真,在对几种常规反馈控制算法比较的基础上,提出了一种基于数字预测的非线性PID算法,仿真和实验结果表明,该控制算法的性能较常规控制算法有较大的提高。最后设计了基于DSP的系统软、硬件部分,并给出了实验结论。

一种数字电动舵机的非线性PID控制算法研究

文章介绍了一种非线性PID控制算法在数字电动舵机中的应用,利用跟踪微分器,获得输入输出的位置跟踪误差和它们的微分误差,并对它们进行非线性组合完成非线性PID控制器的设计,并在Matlab上进行了仿真同时进行了实际舵机控制的验证实验。仿真和实验结果表明通过该算法所设计的舵机控制器,控制动态性能好,稳态误差小,对系统内部非线性参数不确定性和外部负载变化有较强的控制鲁棒性。

时变时滞系统的灰色预测非线性PID控制

针对时变时滞过程提出一种新的控制结构。在此控制结构中,利用遗传算法自动跟踪系统的时滞变化,由灰色预测模型根据辨识的时滞提前预测出系统的输出,而系统的预测输出与输入的偏差以及偏差变化率为非线性PID控制器的输入。仿真结果验证了这种结构能很好地满足时变时滞系统的快速动态响应和稳定性要求。

基于神经网络的非线性预测自整定PID控制

提出在利用前馈神经网络对非线性系统建模的基础上,对系统输出实现递推多步预测,并且结合自整定PID方法,实现非线性系统控制,神经网络在线辨识时采用学习速度较快的扩展Kalman滤波方法,仿真实验表明了该方法的有效性.

采用非线性模块的BP神经网络PID水位预测控制

因非线性时变控制系统造成的滞后,压水堆核电厂蒸汽发生器(SG)水位控制会引起的较大惯性或耦合,对此提出一种基于非线性模块的BP神经网络PID控制预测模块。采用BP神经网络模型作为非线性预测模块,调用SG水位PID控制运行数据作为非线性预测模块的训练样本;提取BP神经网络模型的输出数据作为BP神经网络PID的输入数据,多重优化BP神经网络的权值及阈值,缩小修正差值逼近系统整定值;构建SG水位非线性模块的预测数值与系统运行数据之间的非线性映射关系,修正带有预测判断方向的阈值,实现在线动态调整输出PID各参数的最优值。实验结果表明,预测模块可有效缩短系统的稳定阶跃响应周期,具有较高的计算精度。

基于广义预测的非线性解耦PID控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络的非线性多变量PID解耦控制方法。该控制器是由常规PID控制器与解耦补偿器、未建模动态前馈补偿器组成,而PID参数的整定是通过广义预测的方法实现的。同时给出了该控制方法的闭环系统的稳定性和收敛性分析。最后通过仿真实例验证了所提方法的有效性和可行性。

基于Taylor逼近的非线性系统PID型多步预测控制

基于局部递归神经网络对非线性系统进行递归多步向前预测,将系统实际多步向前预测值按泰勒公式在其递归预测值上展开,实现对非线性系统多步预测输出值的二次逼近,减少了预测误差.进而通过对PID型多步预测性能指标函数极小化求取控制量.控制器与广义预测控制器结构相似,其参数通过神经网络在线辨识获得.仿真实验表明了该方法的有效性.

基于神经网络的广义非线性预测PID控制

针对一些复杂的非线性系统用基于线性模型的预测控制器控制效果不理想的问题 ,本文提出在利用前馈网络对非线性系统建模的基础上 ,对系统输出实现递推多步预测 ,并且结合非线性PID方法 ,用另一前馈神经网络作为控制器 ,实现对非线性系统的控制。神经网络的在线辨识采用梯度法。仿真实验验证了方法的有效性。

Buck型DC-DC变换器中数字预测模糊PID控制器的设计与实现

为了提高数字DC-DC变换器的瞬态响应性能,设计了一种基于数字预测控制方法的模糊PID控制器.该控制器根据Buck型DC-DC变换器的电路结构,准确预测单个开关周期或多个开关周期后的负载电压和电感电流,以克服环路时延对系统瞬态响应的影响;同时,在基本PID控制基础上引入模糊控制,实时在线调整PID控制参数,以克服变换器的非线性特性对瞬态能力的影响.所设计数字控制器经FPGA验证,结果表明,与基本PID控制相比,所设计数字预测模糊PID控制器能有效提高变换器的瞬态响应能力,变换器的瞬态响应时间缩短1/3,电压超调量小于5%.

三相电压型脉宽调制整流器的非线性预测控制

脉宽调制(pulse width modulation,PWM)对电流跟踪的要求比较高,而数字化控制的延迟会严重影响整个系统的性能。为解决这一矛盾,并考虑到PWM整流器的非线性特性,将基于微分几何理论的非线性预测控制方法应用于三相电压型PWM整流器。利用泰勒展开得出状态值和指令值下一控制周期的预测值,并根据性能指标得出当前周期的控制量。为进一步提高电流跟踪精度,将状态变量及其指令值的偏差作为目标方程,在性能指标中引入目标方程的积分,得出了新的控制率。对非线性预测控制的本质进行分析。仿真和实验结果均表明,输入电流为正弦量,畸变率低,功率因数高,暂态特性优异,能有效补偿延迟的影响,验证了所提方法的正确性和有效性。

非线性PID控制器在超导磁储能装置中的应用

基于非线性比例积分微分PID(Proportional Integration Differential)控制器在设计上具有不依赖于被控系统数学模型的特点,设计了用于电力系统的超导磁储能装置SMES(Superconducting Mag-netic Energy Storage)的非线性PID控制器。概述了非线性PID控制器利用"跟踪-微分器"非线性结构产生控制所需的比例、积分、微分信号的原理。介绍了含SMES的电力系统模型及非线性PID控制器的设计。数字仿真结果验证了所设计的控制器是可行的,同时表明该控制器结构简单、易实现。

空调系统PID控制与灰色预测控制特性的数字仿真研究

本文叙述数字ＰＩＤ控制和灰色预测控制的基本原理，并在微机上对典型的空调温度自控系统作了数字仿真研究二仿真结果表明，灰色预测控制因不需要被控对象精确的数学模型，且自适应能力强，参数调整方便，较常规的ＰＩＤ控制有更多的优越性，非常适于常用空调系统的自动控制。

基于BP神经网络辨识的预测滤波PID控制

针对复杂非线性系统采用常规PID控制性能不好的问题,通过BP神经网络构建系统输出量的辨识器,在目标函数中加入优化参数的增量约束项,提出可克服算法病态的牛顿法,并用其在线学习BP神经网络的连接权,根据增量式预测滤波PID控制,推导了PID控制参数应满足的线性不等式约束条件,将PID控制参数的优化归结为线性不等式约束的最优化问题。综上研究提出基于BP神经网络辨识的在线优化参数预测滤波PID控制。仿真研究说明,因算法具有在线优化PID控制参数和预测控制性能,故提出的智能PID控制算法与常规PID控制相比,具有更优的性能。

基于多元非线性回归算法的动车组变压器温度预测研究

对动车组状态参数进行预测是实现动车组数字化精准维修的重要前提之一。目前对动车组数据的利用方式主要以定量观测和定性分析为主,缺乏准确的状态预测量。为此,文章提出了一种基于多元非线性回归的预测算法,通过建立变压器温度预测模型,实现了变压器温度值的次日预测,并以此指导由温度导向的变压器日常运维项目。通过对比CRH5A型动车组车载数据中变压器温度原始数据和预测模型数据,结果显示采用该模型变压器温度预测精度达到95%以上,验证了所提方法的有效性,其对提高列车检修效率、节支降耗有着重要的作用。

基于RBFNN的非线性多变量大时滞系统的PID控制

针对非线性多变量大时滞系统,研究了一种基于神经网络的智能控制策略。该文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真。仿真结果表明,控制器能根据系统的运行状态获得对应于某种最优控制律下的PID参数,解耦后的系统具有较好的动态和静态性能。该方法具有控制精度高、响应速度快的优点,并具有较强的自适应性和鲁棒性。

基于人工智能的火电厂锅炉燃烧系统故障预测与诊断

火力发电厂锅炉系统的可靠性和效率直接影响整个发电系统的性能和稳定性,因此提出一种基于人工智能的火电厂锅炉燃烧系统故障预测与诊断方法,结合自适应控制的智能冷却系统和数字孪生技术,实现对锅炉温度的精确控制和故障预测。智能冷却系统通过比例-积分-微分(Proportional Integral Derivative,PID)控制算法动态调节冷却介质的流量,保持锅炉在最佳温度范围内运行。利用数字孪生技术构建锅炉系统的虚拟模型,与实际系统实时同步,进行状态监测和故障预测。结果表明,该系统能够快速响应温度变化,保持系统稳定,有效预防故障的发生,提高了锅炉系统的运行效率和可靠性。

一种自调节灰色预测PID控制器

为提高传统PID控制的性能及扩大其适用范围,提出一种结合传统PID控制、灰色预测和全程快速非线性跟踪-微分器的自调节灰色预测PID控制器。利用灰色预测对系统的输出偏差和预测偏差进行合成形成一个综合偏差,用来代替传统PID控制中的实际偏差项。这样控制器既有预测系统未来行为的功能,又能根据预测模型精度自动调节控制器参数,能有效减小预测误差对系统的不利影响。同时用非线性跟踪-微分器代替差分法来提取微分信号,提高了微分信号的品质。仿真结果表明,与传统PID控制器相比,该控制器可获得更为优良的动态性能。

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法.该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识,利用多步预测误差对PID型控制器网络进行训练,从而实现PID参数的在线自适应寻优.通过对典型非线性系统的仿真研究,该控制系统具有较强的适应性和鲁棒性.