一种高精度温度控制的复合方法及其应用

介绍了一种用于高精度温度控制的复合方法及其在恒温槽上的成功应用.该方法集Fuzzy逻辑和专家式智能PID(比例、积分、微分)控制于一体,充分运用了专家的人工调节经验和PID控制的定量调节特性,较好地满足了高精度控温中的高精度与快速性要求.采用了简单新颖的PID参数在线修正和温度变化预报方法,易于实现.用于恒温槽时控制精度优于0.01℃.实践证明该方法在高精度控温中具有良好的控制效果.      

一种非线性鲁棒PID控制器设计方法

针对一类非线性不确定系统,提出了一种基于PID(比例-积分-微分)控制的鲁棒控制方法.整个控制器由PID控制器和一个鲁棒补偿器构成.首先,基于系统的标称模型设计PID控制器;然后在PID控制的基础上,设计一个辅助鲁棒补偿器,用于补偿系统非线性、参数摄动和外界扰动等对系统控制性能的影响.补偿器的设计基于李雅普诺夫(Lyapunov)稳定性理论进行,从而保证了闭环系统的鲁棒稳定.采用该方法对倒立摆跟踪问题进行了仿真控制,仿真结果验证了设计方案的有效性.     

基于IFA-ELM的航空发动机自适应PID控制新方法

针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机(ELM)对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法(IFA)优化ELM网络参数,形成优化的ELM训练方法IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.      

四旋翼飞行器的非线性PID姿态控制

针对四旋翼飞行器的非线性姿态运动动力学模型,设计了一种新的几乎全局稳定的非线性PID (Proportional Integral Derivative) 姿态控制器.该控制器由一个线性PID的控制部分和一个惯性力矩补偿部分组成,可以抑制常值干扰和幅值有界且能量有界的干扰.数字仿真验证了该控制器对干扰的抑制作用.在搭建的姿态控制实验平台上进行了定点姿态跟踪控制实验.实验结果显示俯仰角和滚转角的误差均小于1°,验证了该控制器对小角度控制的有效性和对未建模动态的鲁棒性.      

基于神经网络自适应稳定PID控制方法的研究

经典的基于对象精确数学模型的PID控制方法的自适应性较差,难以适应具有非线性、时变不确定性的被控对象.神经网络控制算法的稳定性又受到迭代初值的影响,且算法复杂.为此提出了一种基于RBF神经网络的、结构简单的、稳定的PID直接自适应控制方法.讨论了控制器参数迭代初值选取的基本原则,并给出了在保证系统稳定性前提下参数的迭代算法.仿真研究结果表明,该方法的鲁棒性和跟踪性能均优于经典PID方法.      

高精度交流伺服系统的模糊PID双模控制

交流位置伺服系统因其存在参数时变、负载扰动以及电机的非线性等缺点 ,很难为其建立准确的模型.模糊(fuzzy)控制具有无需建立被控对象的数学模型、鲁棒 性好等优点,但稳态精度差.将模糊控制和PID控制相结合,设计了Fuzzy-PID双模控制器. 在论域内用不同的控制方式分段实现控制,这样就综合了模糊控制和PID控制的优点,克服 了各自的缺点.该控制器结构简单、易于实现.在半闭环交流位置伺服系统上所做的实验表 明,采用Fuzzy-PID双模控制器与采用经典PID控制器相比,阶跃响应的调整时间减少了33.7% ,并且无超调,轨迹跟踪误差减小了47.2%.      

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法,通过监测砝码的移动量和参考力传感器叠加系统的力值量,实时调整加卸载机构的加卸载速度,以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动,影响力标准机复现力值准确度的问题,同时也消除了力值过冲现象,避免了因逆程效应而导致的力传感器输出偏差。     

基于奇异摄动法的水下机器人串-并联PID控制

针对串级PID控制应用于水下机器人位置、姿态控制时出现的收敛速度慢、抗扰动能力差等问题,提出一种基于奇异摄动法的串-并联PID控制方法.使用时标分解法得到水下机器人的快慢子系统模型,根据奇异摄动法设计串-并联PID控制.以自主设计的水下机器人为基础,使用最小二乘法测定水动力参数.通过仿真与实验证明串-并联PID控制具有...     

一种具有饱和积分项的卫星姿态控制律

为消除常值干扰的影响,提出了一种具有饱和积分项的类PID姿态控制律.所提出的控制律不仅可以消除常值干扰带来的影响,并且由于积分项具有饱和约束,该控制律可以防止控制量由于积分项的持续积分而变得过大.利用前向系统的相关理论,严格证明了闭环系统的全局渐近稳定性质,并给出了相应的充分条件.仿真验证了该方法的有效性.     

汽车DYC模糊PID控制方法

直接横摆力矩控制DYC(Direct Yaw-Moment Control)是提高汽车操纵稳定性特性的重要方法,其研究对于提高汽车的主动安全性具有重要意义.在深入研究汽车操纵动力学和先进控制理论的基础上,设计了具有智能积分模块的模糊PID(Proportion-Integral-Differential)控制器,将该控制方法应用于DYC控制.建立了能够反映车辆转向工况基本动力学性质的车辆动力学模型,在Simulink环境下对开发的智能积分模糊PID控制器进行了仿真测试与分析.仿真结果验证了算法的可行性和有效性,表明智能积分模糊PID控制方法可以实现较为理想的DYC控制效果,在该领域具有良好的应用前景.     

基于ADRC和RBF神经网络的MSCSG控制系统设计

为了克服外部扰动突变对磁悬浮转子悬浮稳定度和磁悬浮控制敏感陀螺（MSCSG）输出力矩精度的影响,提出了一种基于自抗扰控制器（ADRC）和径向基函数（RBF）神经网络相结合的MSCSG径向偏转控制方法。阐明了ADRC参数对MSCSG控制效果的影响,通过优化设计ADRC,并将RBF神经网络和ADRC结合运用,实现对控制器参数的实时调试,从而克服外界扰动突变的影响。仿真证明所提方法相较于单ADRC控制,不仅改善了解耦控制精度,而且提高了系统对外部扰动和参数变化的响应速度和鲁棒性,可应用于MSCSG的高精度、快响应、强鲁棒控制。      

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

RBF神经网络在静电悬浮位置控制中的应用

静电悬浮位置控制系统具有非线性、时变性的特点,传统的控制方法不能有效抑制扰动的影响。针对该问题提出了一种神经网络与PID相结合的RBF-PID控制策略。以球形样品为例分析其受力情况,推导出静电悬浮位置控制系统的机理模型。搭建基于RBF-PID控制器的静电悬浮位置控制系统,并根据仿真结果实时在线调整控制参数。仿真结果表明,当样品带电量从10–9 C突变至3×10–9 C时,RBF-PID控制器只需0.12 s即可使样品达到稳定状态。实验结果表明,当样品处于加热状态时,实时调整参数后系统的平均绝对误差为0.0416 mm,控制效果比传统PID控制策略提高了70%。所提出的控制方法辨识精度高,具有比传统PID方法更强的鲁棒性和稳定性。      

基于自适应神经网络的飞行器主动容错控制

针对飞行器非线性系统执行器故障,利用RBF神经网络和自适应控制律,提出了基于自适应神经网络的故障重构和容错控制方法。设计了自适应神经网络观测器,利用神经网络逼近故障,引入调节因子,设计自适应律以在线调整神经网络权重向量和中心向量。构造自适应神经网络控制器,结合神经网络设计补偿控制输入。利用Lyapunov稳定性定理证明了所提方法可以实现系统渐近稳定。仿真实验结果验证了所提的方法对故障系统具有良好的观测性能、控制精度和响应速度。     

基于神经网络的仿真转台控制系统

在转台存在偏载、摩擦等不确定负载干扰的情况下,用神经网络与PID(Proportional-Integral-Differential)控制相结合的方法,设计了适应负载变化的转台控制系统.分析了基于BP(Back Propagation)神经网络的自适应PID控制器的基本原理,建立了转台位置控制系统的数学模型,并对控制系统进行仿真分析和实验验证,通过与传统PID控制的对比实验与仿真表明:所设计系统由于有自学习能力,能动态调整PID参数,使系统表现出良好的抗干扰能力和跟踪性能,证明了所设计系统的有效性.该算法结构简单,PID初始参数调整方便,易于在转台实时控制系统中应用.     

Mars entry fault-tolerant control via neural network and structure adaptive model inversion

The capability of autonomous fault detection and reconstruction is essential for future manned Mars exploration missions. Considering actuator failures and atmosphere uncertainties, we present a new active fault-tolerant control algorithm for Mars entry by use of neural network and structure adaptive model inversion. First, the online BP neural network is adopted to conduct the fault detection and isolation. Second, based on the structure adaptive model inversion, an adaptive neural network PID controller is developed for Mars entry fault-tolerant control. The normal PID controller will be automatically switched into neural network PID controller when an actuator fault is detected. Therefore, the error between the reference model and the output of the attitude control system would be adjusted to ensure the dynamic property of the entry vehicle. Finally, the effectiveness of the algorithm developed in this paper is confirmed by computer simulation.     

基于逆动力学和在线参数辨识的飞机姿态控制

传统的综合飞行/火力控制系统的设计使用了PID(Proportion-Integral-Differential)结构的飞行/火力耦合器,具有鲁棒性差、设计工作量大等缺点.提出了一种基于逆动力学和在线参数辨识的方法,用于直接设计综合控制系统中的姿态控制器.其中,对飞机的转动动力学方程,推导得到了其逆特性的解析形式;使用在线参数辨识方法,对飞机的气动特性进行估计并用于舵面分配.以六自由度非线性飞机模型为对象进行了仿真,结果表明所设计的姿态控制系统具有快速性好、通道间解耦效果明显、对气动模型误差的鲁棒性强等优点.本方法也可推广用于其他的飞行器姿态控制系统设计.     

变结构航天器模糊神经网络滑模控制器设计

变结构航天器是目前航天领域的重要发展方向,航天器结构的变化将导致质量分布发生明显变化,这对航天器动力学建模和控制器设计都提出新的问题。针对这种情况,采用混合坐标法和拉格朗日方程建立了航天器刚柔耦合动力学模型,利用几种典型工况的参数近似得到变结构过程中动力学参数的变化规律。设计滑模控制器对航天器变结构过程进行姿态控制,为提高滑模控制器的适应性,设计模糊神经网络（FNN）自适应调节滑模控制器参数,并利用径向基函数（RBF）神经网络逼近动力学模型,得到控制力矩与姿态变化之间的近似关系,用于FNN的优化。通过仿真得到航天器变结构期间无控、滑模控制和模糊神经网络滑模控制的姿态变化,仿真结果对比验证了模糊神经网络滑模控制对于滑模控制的优势,证明了其在变结构航天器姿态控制方面的有效性。