基于迭代学习的PID控制器研究

将目前对u(t)的记忆与修正改成对期望控制ud(t)的记忆与修正,提出两种新的拟合控制系统的PID控制器参数的方法。这两种方法实现的PID控制器较常规的PID控制器结构简单,作用于系统可获得较佳的动态特性和较强的鲁棒性。研究目的是为迭代学习控制理论在设计性能优良的控制器方面扩大应用领域。     

基于改进PSO算法的PID控制器参数优化

针对PID控制器参数设计问题,提出了一种基于改进PSO算法的优化方法。该方法将初始的粒子群分成两组搜索方向相反、相互协同的主、辅子群,在保持种群小规模情况下,增强算法全局探索能力,实现高精度的优化结果。仿真结果表明,该方法相比于传统算法,所得到的控制器参数使控制系统获得了更好的动态响应特性和满意的控制效果。     

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。     

基于Bang-Bang控制思想的迭代学习控制算法研究

根据迭代学习控制基本原理,吸取了Bang-Bang控制的思想,提出了新的迭代学习控制算法。与常用的利用迭代误差或误差变化率进行控制率计算的算法相比,该算法只需根据迭代误差的符号即可计算控制率,不仅大大减小了计算工作量,而且增强了系统的抗干扰能力。给出了算法表达式和控制结构图,进行算法收敛性分析。仿真结果表明该算法的有效性和收敛性。     

基于微分进化算法的二自由度PID控制器参数优化

针对二自由度PID控制器参数多、调节困难等问题,提出了一种基于微分进化算法参数调节优化方法。证明了微分进化算法能够收敛到平稳点,并具有概率全局收敛性。研究了二自由度PID控制器参数与抑制特性、跟踪特性的关系,并将微分算法与遗传算法、粒子群算法的参数优化结果进行了比较。仿真验证表明,微分算法能够更好地实现二自由度PID控制器参数的调节,具有优异的跟踪特性和抑制特性。     

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。     

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。     

基于迭代学习控制的转台位置相关扰动抑制

针对高精度转台恒速工作状态时存在的位置相关周期非线性扰动,提出了一种闭环迭代学习算法。当系统存在初态偏差时,该算法能够保证给定频率范围内的跟踪误差是一致有界的。并对跟踪精度进行了分析。仿真结果表明该方法对位置相关周期非线性扰动具有很好的抑制性能。     

PID神经网络控制器在飞控系统中的应用

BP神经网络已被广泛应用于PID控制器的优化调参,但这种调参方法具有收敛速度慢、学习时间长、连接权重初值为随机值、易于陷入局部极小等缺点.提出了一种不同于用BP网络调整PID参数的新的融合方法:PID神经网络控制器(PIDNN);该控制器不仅能克服以上缺点,而且具有很好的鲁棒性.对PIDNN在某无人机姿态控制系统的应用进行了仿真研究,仿真结果表明该控制器能够大大地改善姿态控制系统性能.     

基于粒子群算法的导弹PID控制参数选择

PID控制在导弹控制系统的设计中得到了较多的应用,但PID控制器的性能依赖于其参数的整定和优化。利用粒子群算法对控制器的参数进行优化,并对俯仰通道控制系统进行了仿真研究,结果表明,攻角和俯仰角速度都取得了较好的效果,当气动参数具有不确定性时,效果依然较好,验证了方法的有效性。     

烟支重量控制系统的模糊PID控制器设计

针对传统的娴支重量控制系统响应速度慢、重量偏差大等问题,提出了烟支平均重量的模糊PID控制算法,给出了该算法的详细描述,控制器用平均重赶的偏差和变化率来维持一个恒定的输出烟支重量。仿真结果表明,该控制系统具有调整时间短、稳态误差小、超调量小,采用模糊PID控制器比采用传统的PID控制器可以得到更好的动态响应性能和控制精度。     

线性广义系统的迭代学习控制

讨论了正规，稳定，无脉冲的定常广义系统的迭代学习控制问题，通过构造满足广义约束的Lyapunov函数来分析定常广义系统在P型学习律下迭代学习误差的收敛性问题，同时给出在每次迭代时初态固定于同一点的误差收敛的充分性条件，最后给出数值仿真算例说明该学习律的有效性。     

基于最优控制的落角约束攻击设计

针对导弹落角控制和精度控制的矛盾,运用飞行力学原理和最优控制理论,以落地速度倾角作为终端约束,以脱靶量、最小能量为性能指标,给出了一种适用于攻击地面目标的最优导引律。设计了导弹三通道的PID控制器,最后进行了导弹的6DOF仿真研究,仿真验证了设计方法的有效性。     

基于支持向量机的航空发动机PID解耦控制

针对航空发动机多变量控制系统中各回路之间存在的耦合现象,提出了一种基于支持向量机(support vector machines,SVM)的航空发动机PID(proportion integration differentiation)解耦控制方法.利用SVM辨识发动机非线性模型,并获得SVM瞬时线性化模型,在线性化模型的基础上完成了PID参数的在线自整定.利用Lyapunov稳定性定理对控制器的收敛性进行了分析.通过对某型航空发动机的仿真,验证了该方法的有效性和可行性.      

基于混合遗传算法的航空发动机PID控制参数寻优

结合某型航空发动机的比例积分微分控制(PID)参数整定与优化问题, 提出了一种全局最优且与初值无关的优化算法.算法采用与单纯形相结合的混合遗传算法, 结合了遗传算法良好的全局收敛性和单纯形算法的优秀的局部搜索能力, 提高了搜索速度与精度.仿真结果表明这种方法具有较好的收敛性与稳定性.      

改进的P型迭代学习控制算法

针对多输入多输出的定常线性系统的迭代学习控制问题, 给出改进的P型迭代学习控制算法, 该算法中利用最新算出的控制分量代替旧的控制分量, 这样可以加快控制输入的收敛速度, 利用该算法进行学习控制, 使系统的实际输出以更快的速度收敛于系统的理想输出.     

磁悬浮柔性转子系统变学习速率单神经元PID控制

磁悬浮轴承柔性转子系统的转速范围较大,固定的控制参数很难同时保证系统所需的低频和高频特性。本文在一般单神经元PID控制的基础上,将转速信号引入磁悬浮轴承数字控制器,在不同转速段选择不同的学习速率以调节控制参数得到合适的磁悬浮轴承的刚度和阻尼。试验结果表明,变学习速率单神经元自适应PID控制能够明显减小转子在各阶临界转速时的振幅,有助于磁悬浮轴承柔性转子系统的安全稳定运行。