基于迭代学习的变风量空调系统全局优化控制实验研究

目的：采用实验方法研究变风量全局优化问题,利用迭代学习控制策略优化动态控制性能,获得变风量系统在系统层次的最优。创新点：1.采用全新的兼有变风量和变水量功能的实验平台;2.引入递阶优化控制理论,建立变风量系统的动态和稳态模型;3.采用先进控制策略,如自校正比例积分微分（PID）控制和迭代学习控制等。方法：1.将系统进行分解（图4）,并建立系统稳态模型（公式6–11）、动态模型（公式12–15）和能耗模型（公式16）;2.在此基础上采用变速积分 PID、自校正 PID 和迭代学习控制对系统底层进行动态控制,在系统整体优化中引入迭代学习。结论：1.先进控制策略的引入有利于优化变风量系统动态控制过程;2.采用基于迭代学习的优化方法,可使系统节能约18.2%。     

基于改进粒子群算法的PID参数优化研究

PID控制是典型的工业控制,其核心内容是PID参数优化。为解决参数优化时不能确保得到最佳性能且耗时问题,通过改进粒子群算法学习因子,研究基于相等随机因子粒子群算法的PID参数优化,将其与标准的粒子群算法及迭代次数线性变化的学习因子进行比较。仿真结果表明,该算法性能指标tr、ts、δ%分别为1.782、3.285、14.07%,两种对比算法的tr、ts、δ%分别为1.804、4.825、24.33%和1.802、4.135、16.56%,改进算法提高了PID参数的稳定性、收敛速度和搜索精度,性能指标更优。     

一种神经网络智能PID控制器

提出一种将线性PID控制与神经元自适应、自学习相结合,基于计算机的新型神经网络智能PID控制(NNPID)方法。采用PID控制器和NN控制器共同调节,并具有自整定、自学习算法。还给出了NNPID控制器的结构、算法及二阶对象下系统的仿真结果。     

基于RBF神经网络的X型四旋翼飞行器优化控制

为使X型四旋翼无人机系统能够在受到扰动时快速调整状态以适应环境变化,对X型四旋翼无人机进行区别于传统的受力分析,建立动力学数学模型,采用RBF神经网络和PID联合控制方法,依靠神经网络自学习和非线性映射特征实现系统控制参数的动态整定。以MATLAB/Simulink为实验平台,对RBF神经网络PID控制系统和单纯PID控制系统分别进行仿真。实验结果表明,RBF神经网络PID控制比传统的PID控制调整时间更短、控制效果更好,增强了系统自适应性。     

线性离散系统的H∞开环迭代学习控制器设计

针对线性离散系统,研究了开环动态迭代学习控制律的设计问题.首先给出了闭环系统的收敛充分条件,然后把迭代控制转化为H∞设计问题,最后利用线性矩阵不等式（LMI）方法求解迭代学习控制器.通过仿真实例表明了设计方法的有效性.     

基于虚拟仪器的直流电机模糊PID控制实验研究

应用ELVISⅡ虚拟仪器实验平台对直流电机模块进行模糊PID速度控制实验设计。首先分析了电机的控制原理,在LabVIEW环境中设计了PID控制器及切换式模糊PID控制器,并对实验数据进行对比分析,与PID控制相比,模糊PID控制响应速度快、稳态精度高。最后进行了电机模块控制实验设计。实验教学结果表明:基于虚拟仪器设计的模糊PID速度控制实验可以激发学生学习控制系统设计的兴趣,调动学生的主动性,进一步提高实验教学质量。     

BP神经网络PID控制在稀土永磁无刷直流电动机伺服系统中的应用

利用PID和神经网络的自学习、非线性和不依赖模型等特性实现PID参数的在线自整定．依据控制要求实时输出Kp,Ki,Kd,依次作为PID控制器的实时参数,代替传统PID参数靠经验的人工整定和工程整定．仿真结果表明该方法提高了稀土永磁无刷直流电动机伺服系统控制和响应速度,具有较强的自适应性和鲁棒性．     

运用MATLAB改进PID控制教学方法

传统PID控制的教学方法以定性分析、说理教学为主,教学效果并不令人满意,学生只能在概念上去认识PID控制的规律,理解比较肤浅．运用MATLAB进行PID控制规律的教学方式改革,通过形象化的仿真演示,有助于提高学生对PID控制规律的深入理解,激发学生的学习兴趣,培养学生的创造性思维．     

基于神经元自适应PID的交流永磁同步电机仿真研究

伺服电机因其可实现精确的速度、位置控制广泛应用于工业机器人领域.而由于机器人工作环境和工作对象的复杂和多变,导致传统控制算法的控制效果无法满足系统的既定目标.利用神经网络学习算法的自学习和自适应能力,结合传统PID控制算法设计了一种神经元自适应PID控制器.与传统PID控制器的控制效果相比较,仿真结果证明应用神经元自适应PID控制算法的伺服系统具有更强的稳定性和抗干扰能力.     

基于神经网络PID算法的研究与设计

传统PID的算法模型对于复杂的过程和非线性系统难于建立准确的数据模型,甚至在控制过程中出现不稳定现象.为解决此类问题,按PID控制方式选择神经元学习控制所需的状态变量,将自适应神经元与ID控制算法结合起来,较好地解决了交流变频调速系统负载扰动、时滞现象及非线性控制的问题.通过仿真实验比较传统PID和NN PID算法,说明NN PID具有较好的鲁棒性.     

永磁无刷直流电动机调速系统的模糊控制研究

永磁无刷直流电动机调速系统是一个非线性、多变量、时变系统。采用传统的PID控制方法进行控制,难以达到良好的控制效果。通过设计一种模糊PID控制器,应用模糊算法在线自动整定PID参数的方法,将其应用于无刷直流电动机调速控制系统。仿真实验结果表明,该模糊PID控制方法较常规PID控制和单纯的模糊控制具有更好的控制性能,具有无超调、响应快、鲁棒性强等特点。     

线性时滞系统开闭环PID型迭代学习控制

针对线性时滞系统讨论了开闭环PID型迭代学习控制算法。对于初始状态函数渐近重复的情形,给出了这类系统的极限轨迹和迭代输出收敛于该极限轨迹的较弱的充分条件。仿真结果表明,这种算法是有效的。同时,从仿真实例也可看出,在收敛速度方面,开闭环算法优于开环算法。     

交流伺服系统的模糊自适应PID控制研究

交流伺服系统是一个非缌陛、多变量、强耦合的系统,采用传统的PID控制和普通模糊控制方法,难以达到理想的控制效果。通过设计一种模糊PID控制器,应用模糊算法在线自动整定PID参数的方法,将其应用于交流伺服系统位置调节器。仿真结果表明：模糊自适应PID控制方法具有较强的自适应能力和抗负载扰动能力,动态响应速度、稳定性等均优于常规PID控制和普通模糊控制,从而满足了交流伺服系统较高的控制要求和控制效果。     

基于迭代控制的两自由度移动小车路径跟踪控制

基于迭代控制的两自由度移动小车路径跟踪控制主要是研究小车在两自由度情况下的路径跟踪情况.利用迭代学习控制算法使小车的跟踪误差以最快的速度达到零,从而达到理想的跟踪效果.仿真结果表明,迭代学习控制具有很好的跟踪效果.     

无刷直流电机的模糊调速控制研究

无刷直流电机(BLDcM)的动力学特性是一个高阶、非线性、强耦合的系统,采用传统的PID控制方法进行控制,难以达到理想的控制效果.采用模糊控制理论与常规PID控制相结合组成模糊PlD控制器,应用模糊算法在线自动整定PID参数的方法,并将其应用于无刷直流电动机调速控制系统.仿真与试验结果表明,该模糊PID控制的效果明显优于常规PID控制和模糊控制,具有无超调、响应快、鲁棒性强等特点,从而验证所用控制方法的可行性.     

模糊径向基神经网络球磨机优化控制

球磨机是一个非线性、强耦合、时变性的复杂对象,针对其实现自动控制的难点问题,在基于神经网络PID控制的方法基础上,提出模糊径向基神经网络PID的思想用于其生产过程的控制。采用粒子群优化与BP算法优化调整网络权值,模糊径向基神经网络的输出即是PID算法的参数,实现PID算法参数的自适应整定。通过对某球磨机制粉系统的控制仿真表明,该方法控制的响应快、超调量小、抗干扰性强,具有良好的跟踪性和鲁棒性,控制品质优于常规的神经网络PID控制方法。     

基于神经网络PID的气垫船转艏角速度保持控制研究

为解决全垫升气垫船受风和惯性力影响较大,容易产生侧漂,其转艏角速度较常规船舶难于控制的问题,建立了全垫升气垫船的平面运动模型。设计了神经网络PID控制器,利用BP神经网络具有的任意非线性表达能力,通过对系统性能的学习,实现具有最佳组合的PID控制。对气垫船的转艏角速度控制进行仿真,并与常规PID控制效果进行对比,结果表明,在全垫升气垫船受风力干扰的情况下,神经网络PID控制器相比常规PID控制器在克服风力干扰方面控制效果更好。     

变论域模糊PID控制在数字随动实验系统中的应用

该文提出了一种变论域模糊自适应PID控制方法,利用变论域思想,设计了一种基于模糊规则的伸缩因子控制器,动态地调整模糊控制器的量化因子和比例因子。利用MATLAB的RTW/RTWT功能在实验室的数字随动系统上分别对PID控制、模糊PID控制、变论域模糊PID控制三种方法进行了实验对比,结果表明变论域模糊PID控制方法超调量小,调节时间短,具有更好的动态响应性能和自适应能力。     

PID控制与性能评价仿真实验系统设计

针对传统PID算法实验教学中,算法种类少、参数整定过程不直观、实验教学效果不理想等问题,采用Matlab设计开发了一个PID控制与性能评价仿真实验系统。该系统将PID控制算法进行分类,通过人机交互方式动态调整PID参数,引入性能评价方法对各类PID控制算法进行性能评价,实现控制系统动态系统参数以及对应阶跃响应曲线可视化。实验教学结果表明,该系统人机交互界面友好,系统参数和曲线显示实时性高,系统性能评价客观有效,有利于教师教学讲解和学生的学习理解,教学效果良好。     

四旋翼飞行器动态粒子群优化算法的PID控制技术

针对四旋翼飞行器的标准粒子群优化算法PID控制器容易陷入局部最优解、过早收敛的问题,提出了一种动态粒子群优化算法的PID控制技术。该算法主要由两部分组成:①根据迭代过程中粒子群粒子与全局最优粒子间的欧氏距离大小动态改变惯性权重,并设置系数控制其对惯性权重的影响程度;②引入杂交进化,在指定迭代次数内,若粒子群全局最优值连续未变,则对指定数量的粒子进行杂交,增加粒子多样性,避免陷入局部最优。通过Matlab/Simulink搭建四旋翼飞行器模型并仿真。结果表明,该优化算法能有效地避免陷入局部最优和过早收敛,使四旋翼飞行器得到更平稳、精确的控制,减少超调,提升计算效率。