基于通讯的智能PID参数整定控制系统的仿真开发

开发了一个基于上、下位机通讯的智能 PID参数整定控制系统。上位机的算法采用基于 BP神经网络的 PID参数在线整定 ,并利用 MATL AB来实现。上、下位机的通信以及显示监控部分利用 VC来实现。利用 VC与 MATL AB之间的接口程序来实现下位机的测量数据、PID控制和上位机的智能 PID参数整定部分的数据和命令传递。对一个非线性时变系统 ,作了仿真实验 ,仿真结果良好 ,表明本文所采用的方法是可行的、有效的。

后验控制算法与参数后验自优化的智能检测控制系统

从控制参数优化、现场调试和智能控制技术,特别是检测控制领域的需求出发,提出了一种后验控制算法并设计了基于该算法的控制器用于中央空调节能;该算法解决的核心问题是控制系统受先验知识(系统运行前配制好的参数)的限制,在系统运行环境不同或变化时无法主动改变自身参数,自优化适应的问题;该算法可以使控制系统在先验知识不足的情况下就可以开始运行,运行中控制器根据具体运行环境自动优化参数,实现控制器推广前参数一次性设计,控制器使用过程中自适应具体环境,大幅缩短调试整定周期。

无人车辆行驶路径的分层协调最优跟踪控制

为了实现无人车辆对给定路径高精度跟踪控制,设计了分层协调最优控制器的路径跟踪方法。首先建立了车辆的动力学模型;综合路径跟踪控制精度和稳定性,以分段函数的形式设定了预瞄距离;建立了单点预瞄控制系统的状态空间方程并进行了线性化处理。设计了分层协调最优跟踪控制器,上层控制使用LQR最优控制,基于系统状态得到实时最优控制律;下层控制使用参数智能整定PID控制,实现了参数对系统工况的实时最优化,从而下层控制器能够准确跟踪上层控制器计算的最优控制律。经仿真验证,在变道-直线行驶和U形轨迹中,分层协调最优控制器的跟踪精度最高,且控制律幅值整体小于另外两种控制器。在连续转弯、大曲率等复杂道路的跟踪控制中,分层协调最优控制器能够实现较高精度跟踪,而文献[12]优化控制跟踪失败。实验结果表明,分层协调最优控制器具有较强跟踪能力和较好鲁棒性。

基于神经网络的无人直升机优化控制仿真研究

无人直升机是一种非线性、强耦合的复杂系统,使用传统的PID进行控制,存在着控制精度低,鲁棒性差等问题。针对上述问题,设计了一种具有控制参数智能整定功能且在工程上易于实现的自适应神经网络PID控制方法。首先,基于时标分离思想设计了双回路闭环控制器,外回路为路径跟踪控制器,内回路为姿态稳定控制器;然后,利用神经网络,以系统实时前飞速度信息作为输入,实时输出最优控制参数与控制基准点,从而实现控制性能最优化。最后,利用无人直升机非线性模型进行航线仿真,验证了自适应控制方法的有效性与优越性。航线仿真中,使用自适应控制律的无人直升机姿态控制响应更加平滑稳定,路径跟踪更为准确。仿真结果表明,改进后的神经网络PID控制方法克服了传统PID控制方法非线性控制能力差的缺点,提高了控制精度,加快了响应速度,具有更强的鲁棒性与智能性。