混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器.以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案.仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度.该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案.

一种模糊神经PID控制器的设计

提出一种新型的模糊神经PID控制器,分析了其结构组成和基本性能。仿真结果表明,这种模糊神经PID算法的学习速度明显快于常规的BP算法,而且其控制系统具有较好的动态性能。

导弹发射装置随动系统模糊神经PID控制器

在有些系统性能指标要求很高的导弹发射装置的随动系统中,传统的PID控制往往难以满足要求。文章以某型导弹发射装置的随动系统为模型,结合了模糊控制、神经网络及PID等控制算法,设计了模糊神经PID控制器。通过与传统的PID控制器仿真实验对比,可以看出应用模糊神经PID控制器能够有效地提高该随动系统的动态性能和鲁棒稳定性。

基于模糊神经PID控制器的掘进机悬臂运动控制系统

掘进机悬臂机构的负载变化具有很强的随机性。为能实现悬臂运动的精确控制和提高巷道成形质量,设计了将模糊神经PID控制器应用于掘进机悬臂运动的控制系统,即该控制器将控制掘进机悬臂液压缸运动的电液比例阀工作电流偏差e和偏差变化率ec作为输入变量。重点介绍了控制器的结构组成、网络模型和学习过程。该系统利用Matlab/Simulink对电液比例阀的模型进行了仿真,结果表明该控制器不仅具有较强的鲁棒性,而且在被控对象参数发生较大变化时能自适应地调整PID参数,基本满足了掘进机悬臂运动控制的要求。

采摘机器人机械手避障方法研究——基于遗传优化和模糊PID控制器

为了提高采摘机器人机械手移动的自动化程度,使其在移动过程中有效避开障碍物,将基于PID控制器的避障系统引入到了机械手的设计上,并采用遗传算法和模糊算法对控制器进行了优化,提高了机械手移动的准确性和平稳性。模拟采摘机器人机械手的作业环境,对机械手的避障功能进行了测试,结果表明:机械手可以成功躲避障碍物,且采用遗传和模糊算法优化的机械手具有更高的移动平稳性,对于提高果实采摘效率和质量具有重要的作用。

基于改进麻雀搜索算法模糊PID控制器设计

为了提高无刷直流电机输出转速与转矩的平稳性,提出了一种通过时变惯性权重改进的麻雀搜索算法模糊PID控制器控制无刷直流电机。通过在Matlab/Simulink中对无刷直流电机进行控制仿真,仿真结果表明,时变惯性权重改进麻雀搜索算法模糊PID控制器控制无刷直流电机,其转速与转矩的平稳性符合要求,并且能够实时响应负载的变化。

基于模糊神经网络的氢液化氦气压力PID控制

为了解决氢液化装置氦气压力调节系统超调量大、响应速度慢、调节时间长、控制参数无法在线整定等问题,针对系统具有非线性和时变性的特点,设计了基于模糊神经网络的PID控制器以及基于双曲正切函数的改进型激活函数。仿真结果表明:相比传统PID控制或模糊PID控制,采用模糊神经网络PID控制的系统动态性能显著改善,使得氢液化装置的氦气压力调节更加稳定可靠。

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。

飞机起落架自适应模糊神经PID控制方法的研究

针对传统PID控制与模糊PID控制的飞机起落架控制系统存在达不到理想控制精度以及控制速度的问题,提出一种基于模糊控制和神经网络的模糊神经PID控制算法。通过对起落架运动特点以及动力学相关的理论分析建立飞机起落架的运动模型,将此智能PID控制方法应用到飞机起落架的姿态控制系统中。利用MATLAB/Simulink软件进行仿真,并基于树莓派装置进行了起落架单腿实验。仿真和实验结果表明:模糊神经网络PID控制系统的响应速度和抗干扰能力相较于传统PID和模糊PID都有了较大的提升,系统稳定性更强。在飞机起落架控制系统中,应用模糊神经PID控制可进一步提升系统的响应速度,降低系统运动的惯性冲击,提高整体机构的稳定性。

基于模糊神经网络PID变压器恒温箱控制系统研究

针对变压器油色谱恒温箱对温度精细化的要求以及分析现有成熟的温度控制方法,提出了模糊神经网络PID控制进行优化,实现了对温度的可靠控制。系统将温度的误差e和误差率e(c)通过模糊化输入,依据隶属函数和模糊规则推理得到PID调控因子,再利用BP神经网络以梯度下降法对隶属中心值和基宽和权值进行学习训练。通过使用Matlab软件对传统PID、模糊PID和模糊神经网络PID三种模式进行仿真,得到模糊神经网络PID控制模式具有响应速度快、控制精准高、抗干扰性好、收敛速度和系统的鲁棒性优秀等优势。能够有效地改善恒温箱系统温度控制的性能。

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明:模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。

基于变论域模糊PID的金属热处理过程温度控制方法

为高效且安全地提取金属合金内的可用材质并分析其性能,利用变论域模糊PID技术,实现对热处理过程的温度控制。设定在金属规则状态不变的情况下,论域会随着偏差的缩减出现伸缩,即需要增添新的规则。若偏差率能够支持模糊量化取整,控制器的伸缩因子可能会陷入无法取值的情况。此时,通过二元函数分片双一次插值法计算伸缩因子,在临近分档之间填充新规则,确保伸缩因子取值的连续性。然后,在模糊PID控制过程中加入变论域,依靠控制器实现对金属热处理过程温度的控制。根据实验验证情况可知:该方法有效提高了控制效果,在应用该方法后,缩短了温度控制时间,在100s内就可以是加热温度到达拟定值。

模糊自整定PID的液压马达驱动机床主轴速度控制研究

液压马达驱动机床主轴系统具有参数时变和高度非线性,传统PID控制器控制精度不高。针对液压马达驱动机床主轴系统速度控制问题,采用模糊自整定PID控制器实现液压马达驱动机床主轴系统的有效控制,并对控制效果进行仿真验证。构造了液压马达驱动机床主轴系统模型简图,建立了液压马达驱动机床主轴系统数学模型。对传统PID控制器参数,用模糊控制器进行实时整定,开发了模糊自整定PID控制器。最后,采用MATLAB对液压马达驱动机床主轴系统进行仿真。同时,与传统PID控制器的计算结果进行对比和分析。仿真结果显示:采用模糊自整定PID控制器的液压马达驱动机床主轴转速超调量小,具有更快的响应时间,跟踪精度高,同时系统能耗减少20%左右;即使受到较大随机干扰,模糊自整定PID控制器也能快速消除干扰,使机床主轴转速处于受控状态。采用模糊自整定PID控制器可以有效提高液压马达驱动机床主轴系统的动态稳定性以及抗干扰能力。

基于BP神经网络的连铸结晶器液位模糊PID优化控制研究

针对塞棒和拉坯速度等因素对连铸结晶器液位在线控制的影响,提出了一种融合BP神经网络和模糊PID的优化算法。根据连铸结晶器液位控制模型,利用BP神经网络将金属液流入量影响因素量化为塞棒位置,再利用模糊PID关联结晶器内液位与塞棒位置修正量、拉坯速度,在线整定PID参数以实现结晶器内液位的优化控制。仿真结果表明,BP神经网络和模糊PID能避免连铸结晶器液位控制产生的超调,在较短时间内使液位趋于稳态,减小液位的控制偏差,降低塞棒和拉坯速度等不确定扰动对铸坯质量的影响。

四旋翼飞行仿真器的PID神经元网络控制器设计

针对四旋翼飞行仿真器系统具有多输入、多输出及多变量等特点,设计了一套基于四旋翼飞行仿真器的PID神经元网络控制器。首先建立四旋翼飞行仿真器系统模型,然后以四旋翼飞行仿真器为控制平台,并以MATLAB/Simulink软件为实验平台,搭建PID控制器和PID神经元网络控制器模型,并分别使用两种控制方法进行实时飞行仿真实验。最后实验结果表明,相比PID控制,PID神经元网络控制方法对四旋翼飞行仿真器的调节时间更短、超调量更小,具有更优的控制性能。

Smith预估模糊PID控制算法及其在粉末定量称重中的应用

针对上海科源电子科技有限公司研发的定量称重系统(由高精度抖粉装置与万分之一天平组成),在工作中因粉末密度、粉末流动性、颗粒大小、湿度、天平延时等因素造成的非线性和滞后等问题,采用Smith预估模糊PID控制器优化控制方法。首先通过理论分析,得出系统的传递函数,再构建Smith预估的模糊PID控制器,以适应系统的非线性、滞后等特性,最后将此算法代入MATLAB进行仿真并于实际系统中进行1 g定量抖粉实验。Smith预估模糊PID控制算法和传统PID算法的标准差分别为0.0020和0.0042,表明Smith预估模糊PID控制算法在实际环境中稳定性更好,能有效减小系统的称重误差。

基于模糊自适应串级PID控制器的仿生机器鱼位姿控制

为提高仿生机器鱼位姿的控制精度,针对串级PID控制器中固定的内环比例、积分、微分系数不能较好地适用于仿生机器鱼所面临的复杂水环境,且控制参数整定难度大等问题进行了研究。首先,在串级PID控制器的仿生机器鱼位姿控制的基础上,利用模糊控制实时调整串级PID控制器中内环的控制参数,提出基于模糊自适应串级PID控制器的仿生机器鱼位姿控制算法。然后,在多水下机器人协作控制系统平台下进行对比实验。实验结果表明,与串级PID控制器相比,模糊自适应串级PID控制器减少了仿生机器鱼到达目标位姿的时间,降低了位姿误差,验证了算法的有效性。

乡镇生活污水溶解氧浓度模糊神经网络PID控制系统研究

在乡镇生活污水处理的好氧阶段,溶解氧浓度控制是非常重要的过程,具有滞后性和多干扰等特点,传统控制策略因控制精度较低和自适应能力差而难以满足要求。设计了基于模糊神经网络PID算法的溶解氧浓度控制方案,并在MATLAB中进行仿真。仿真结果表明,该控制方案具有响应速度快、超调量小和抗干扰能力强等优点。

基于BP神经网络PID的中子发生器离子源阳极电流控制研究

本文将BP神经网络算法与PID控制结合,优化了中子发生器控制离子源阳极电流PID调节过程,实现了控制器自适应整定,提升了控制效果。基于离子源阳极电流控制模型改进了PID算法,通过MATLAB/Simulink软件对两种算法进行仿真并对比分析。通过LabVIEW控制并采集离子源阳极电流值,使用改进后的BP神经网络PID算法控制程序进行实验。经实验表明,BP神经网络PID对离子源阳极电流控制能够实现参数的自适应整定,相比传统PID控制器超调量更小、响应速度更快,提高了中子发生器的控制稳定性。

基于多重模糊神经网络的PID温度控制算法

传统PID算法在控制具有大滞后、非线性、时变性等动态特性复杂的温度对象时,存在超调量大、参数无法自调节、模型自适应能力差、系统稳定性低等问题。为此,文章提出一种多重T-S型模糊神经网络PID温度控制算法。该算法根据PID算法的结构特点,利用T-S型模糊神经网络的单输出特性,建立能分别输出PID 3个参数的3重网络模型。MATLAB仿真实验结果表明,该算法与传统PID、BP神经网络PID,以及常规模糊神经网络PID等相比,超调量低,稳定性好,模型自适应性强,抗干扰能力强,综合性能指标好。