相机稳定平台的RBF神经网络PID控制方法

相机稳定平台是作为飞行器航拍的一种外挂式设备, 可以采用先进的控制 策略避免飞机姿态变化和机身抖动对航拍质量造成的影响。常规的PID 控制需要人为手 动调节参数, 提出一种基于RBF 神经网络PID 参数自整定的控制方法。通过设定初始 PID 参数, 利用RBF 神经网络自学习能力进行在线参数整定。仿真结果表明, 与传统 PID 相比,RBF 神经网络PID 具有较高的精度和较强的适应性, 平台跟踪精度可以达到 3′以内。     

基于支持向量机回归和RBF神经网络的PID整定

针对工业控制领域中非线性系统控制,在基于梯度下降法的RBF网络PID整定的基础上,对整定算法作出改进,控制目标不再是使当前跟踪误差最小,而是使当前跟踪误差和下一时刻跟踪误差的平方和最小。实现过程为:先由RBF神经网络在线辨识被控对象离散模型,得到被控对象的Jacobian信息,采用梯度下降法对PID控制器参数进行初步整定;然后,将系统跟踪误差和PID参数输入支持向量机模型,通过回归预测系统下一时刻的误差,改进的整定算法利用预测误差信息对参数进行再整定。仿真结果表明,引入支持向量机回归优化的RBF神经网络PID整定收敛速度更快,精度更高,跟踪性能优于RBF神经网络PID整定。     

迭代学习方法在PID控制器参数自动调节中的应用及收敛性分析

针对PID控制器参数在具有不确定项或输出干扰项的非线性时变系统中的调节困难,提出了应用迭代学习方法整定PID控制器参数的方法,利用系统的跟踪误差信息自动整定控制器参数,通过理论分析得到此设计方法收敛的充分条件。此方法设计简单且具有普遍性,仿真结果验证了此设计方法的有效性。     

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。     

基于遗传算法的航空发动机多目标优化PID控制

提出采用多目标遗传算法,对航空发动机PID控制器参数进行优化设计.使用先进多目标遗传算法NSGA-Ⅱ对航空发动机PID控制器进行参数整定.针对某型航空发动机在飞行包线内的飞行状态进行控制器参数的优化选取,仿真结果表明,与传统手动试凑调节PID控制器参数进行比较,转速阶跃响应过程的性能指标得到了很好的优化,获得了令人满意的优化效果.      

基于交替联合迭代的关节电机滑模控制参数整定方法

机器人关节电机的控制器参数整定是实现系统良好控制性能的前提。提出了一种基于交替联合迭代的关节电机滑模控制器参数整定方法。设计了永磁同步关节电机的电磁参数,并设计了PID电流环控制器和滑模速度环控制器结合的滑模PID控制器。利用工程整定方法初步整定滑模速度环控制器的参数；增设冗余PID速度环控制器,对其参数进行整定,以冗余PID速度环控制器和滑模速度环控制器作用于系统时的输出转速为迭代变量,交替选择速度环控制器参数进行联合迭代,完成滑模速度环控制器参数的整定。利用MATLAB/Simulink软件对系统进行仿真,证明方法具有较高的整定效率,可使关节电机控制系统获得良好的控制性能。     

Fuzzy自整定PID控制器设计及其MATLAB仿真

针对常规PID控制器不能在线进行参数自整定的问题,结合模糊控制技术,提出了一种模糊自整定PID参数的方法,运用MATLAB进行仿真研究表明,该模糊自整定PID控制器既具有PID控制器高精度的优点,又具有模糊控制器快速、适应性强的特点,使被控对象具有良好的动、稳态特性。     

电动舵机模糊自整定PID控制仿真研究

针对传统PID控制器参数不易整定的缺点,将模糊控制和PID控制结合在一起,构造了模糊自整定PID控制器,并将其应用于电动舵机伺服控制系统,仿真和实验结果表明:此方法稳态精度高,动静态性能好,提高了系统的控制性能,具有较好的控制效果。     

飞机部件柔性装配多轴协同控制算法研究

根据飞机部件柔性装配多轴协同控制的需求,采用模糊自整定PID算法进行实时控制。依据模糊自整定PID控制策略和PID参数的整定原则,结合MATLAB软件,用MATLAB语言编程与SIMULINK相结合的方法实现了一种飞机部件柔性装配模糊自整定PID控制器的设计、分析与仿真。     

航空发动机自适应神经网络PID控制

本文提出了一种航空发动机多变量自适应神经网络 PID控制方法, 采用基于共轭梯度的神经网络学习算法在线整定控制器参数。该控制器的设计无需知道发动机精确模型, 具有响应速度快、抗干扰能力强和鲁棒性好等优点。控制器不仅算法简单, 实现容易, 而且适用范围广。      

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

飞机航向神经网络PID参数自整定控制器研究

飞机航向操纵的模型参数具有非线性、慢时变特性。飞机航向操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用BP神经网络实现PID参数自整定的控制方法。此法能根据飞机动态特性的变化，自动重新整定PID参数，从而改善了飞机航向的操纵性能和鲁棒性。     

基于模糊神经网络的智能PID控制算法

舵机控制系统存在响应速度慢、抗干扰能力差、系统参数不易整定、现有控制技术与设计方法的局限性等问题,这些问题影响了舵机的性能。为了提高制导火箭弹舵机伺服控制系统的性能,文章从舵机智能控制技术出发,研究了舵机的智能控制算法和Simulink系统仿真模型,采用模糊神经网络PID控制器来提高舵机的稳定性。仿真结果表明,模糊神经网络相比其他控制器进一步提升了舵机控制系统的控制效果。     

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。     

遗传算法在航空发动机控制中的应用

对于航空发动机这样复杂的系统，经典的定常算法难以对其实现良好控制。遗传算法具有良好的寻优特性，操作方便、速度快，不仅适用于单目标寻优，也适用于多目标寻优。遗传算法可以根据不同的控制系统，针对一个或多个目标，均能在规定的范围内寻找到合适参数。文中采用遗传算法实现了对PID参数的最佳整定。最后，通过数字仿真证明了其在航空发动机控制系统中应用的可能性。     

LQR与Fuzzy控制在飞机俯仰运动中的对比仿真

目的为解决传统PID控制控制参数固定、控制响应速度慢、超调量大,难以完成飞机自动驾驶仪俯仰系统控制的问题;方法分别设计LQR最优控制器和模糊控制器,并建立对应的Matlab控制模型进行仿真研究;结果阶跃响应仿真实验结果表明,飞机俯仰系统LQR控制器与模糊控制器比飞机俯仰系统PID控制器更好地实现对飞机俯仰角的控制,具有响应快速,超调小,误差小的优点;飞机俯仰系统LQR控制器比模糊控制器响应更快,跟踪性能更好;结论飞机俯仰系统模糊控制器在抗干扰鲁棒性、跟踪性能和稳态性能指标综合考虑上优于LQR控制器,更适用于实际的飞行环境。     

涡轴发动机自适应非线性预测控制

为了实现当直升机旋翼负载变化时,尽量保持功率涡轮转速恒定,并提高系统动态品质,研究了一种针对涡轴发动机的自适应非线性预测控制(ANMPC)算法.基于涡轴发动机稳态数据和动态特性,采用递归最小二乘法(RLS)进行模型参数辨识,建立了具有在线自适应能力的涡轴发动机数值-ARX(auto regressive with external input)并联预测模型.在此基础上,通过多步输出预测和反馈校正,利用序列二次型优化(SQP)算法,进行在线滚动优化,从而获得了涡轴发动机ANMPC控制器.仿真结果表明:当旋翼负载变化时,相比于传统的串联PID(比例-积分-控制)控制器,ANMPC控制器能够使得功率涡轮转速收敛更快,超调量/下垂量更小.      

某型发动机数控系统的相似参数自适应控制

针对航空发动机在全飞行包线非线性和时变的特点,提出了参数自适应PID控制器设计方法,研究了用最小二乘法和相似参数法两种参数估计器进行在线参数辨识和参数整定的问题。通过与发动机线性模型和部件级非线性模型的仿真,对两种控制算法进行了比较,确定了相似参数法自适应PID控制器具有稳定性好,计算简单,适用于全包线等优点。将相似参数法自适应PID控制器用于某型航空发动机全权限数控系统,通过试车和试飞,验证了该方法的优点。