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。     

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。     

基于DSP技术的角位置伺服控制器设计

随着数字信号处理器(DSP)功能越来越完善、运行速度越来越快、价格越来越低,本文提出了基于DSP技术的角位置伺服控制器设计方法,包括控制器的整体结构设计、控制算法设计和可靠性设计.利用DSP可以实现模数转换、数模转换、数字I/O的采集及控制算法.本文设计的控制器可以大幅度减小控制系统的体积、元器件的数量,并且提高了控制...     

非线性系统的神经元自适应PID控制

针对一类具有时滞的非线性系统,提出了一种神经元自适应PID控制方法.根据被控对象响应的控制品质要求,利用神经元的权值在线调整功能,可以实时调整控制系统的PID参数,克服了经典PID控制算法中参数不易实时在线调整的缺点.仿真结果显示了该设计方法的有效性.     

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。     

一种新型的智能非线性PID控制器

在分析总结标准PID控制器、各种变形PID控制器、非线性PID控制器特点的基础上，提出了一种智能非线性PID(INPID)型变结构控制器。将该INPID控制器应用于典型带延迟一阶对象和二阶对象控制，并与传统PID进行了对比，证明该控制器具有良好的控制效果、广泛的对象适应性和很强的鲁棒性。仿真结果表明．在控制量受限越强和系统参数变化范围越大的情况下，其优势越突出。     

具有神经网络自适应补偿的位置伺服系统的PID控制

本文提出一种具有神经网络自适应补偿的、位置伺服系统的、ＰＩＤ控制结构模式。在该系统中，控制器由两部分构成：一部分是常规的ＰＩＤ算法；第二部分是由前馈神经网络构成的自适应补偿器。数字仿真试验和实际测试的结果表明：本文提出的方法对存在系统参数不易准确确定及飞线性因素不易定量描述的位置伺服系统的控制问题，显示出了较好的效果。系统输出精度高，响应速度快并具有相当强的鲁棒性和客错性。     

基于遗传算法的电液位置伺服控制系统PID参数整定

为了改善电液伺服位置系统的控制性能,本文采用了传统遗传算法对相关PID参数进行寻优整定。通过仿真工具SIMULINK和实际试验表明,控制系统既有较快的动态响应,又有较高的稳态精度。     

无人机参数优化自抗扰编队保持控制器设计

针对无人机编队飞行中的队形保持问题,采用结合粒子群算法的自抗扰控制技术对控制器进行设计,使响应过程具有良好的动态品质和较小的稳态误差。建立三维空间内基于相对误差的无人机编队飞行模型,并在此基础上设计了跟踪微分器、扩展状态观测器和非线性状态反馈自抗扰控制器,采用粒子群算法对控制器中部分参数进行优化整定。仿真结果表明,设计的结合粒子群算法的改进自抗扰控制器具有良好的控制性能,能以较高的精度实现无人机编队保持任务。     

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。     

PID Controller Optimization by GA and Its Performances on the Electro-hydraulic Servo Control System

A proportional integral derivative （PID） controller is designed and attached to electro-hydraulic servo actuator system （EHSAS） to control the angular position of the rotary actuator which control the movable surface of space vehicles. The PID gain parameters are optimized by the genetic algorithm （GA）. The controller is verified on the new state-space model of servo-valves attached to the physical rotary actuator by SIMULINK program. The controller and the state-space model are verified experimentally. Simulation and experimental results verify the effectiveness of the PID controller adaptive by GA to control the angular position of the rotary actuator as compared with the classical PID controller and the compensator controller.     

磁悬浮球系统的一种非线性控制方法研究

介绍了磁悬浮球系统的数学模型,并构造了一种非线性状态观测器;其次,设计了一种非线性PID控制器对误差进行控制;最后,应用MATLAB工具对闭环系统进行了仿真。仿真结果表明,该非线性PID控制器可以改善系统响应的品质,实现快速无超调调节效果,并且控制器的参数可以在较大范围变化,具有较强的鲁棒性。     

基于并规则的模糊PID控制器的设计与仿真

当前大多数模糊系统的推理机都是以交规则的形式出现,随着输入的增加,规则的数目将早指数增长,出现了规则组合爆炸的问题。采用并规则设计的一种模糊PID控制器,解决了规则爆炸的问题,同时改善了系统的动态性能和实时性。     

基于混合粒子群算法的航空发动机数学模型解法

以双转子混合排气涡扇发动机为研究对象,研究了粒子群算法(PSO)应用于航空发动机性能仿真时,控制参数对模型收敛性的影响,并结合N+1点残量法的优点,提出了在模型不收敛点采用粒子群算法与N+1点残量法交替计算的混合算法。理论分析与数值仿真结果表明,该算法既保持了N+1点残量法的高效率、高精度计算,又继承了粒子群算法大范围收敛的优点,可实现模型大范围、高效率、高精度收敛。     

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。