分数阶 PID 控制器在火电厂锅炉汽包水位控制中的应用研究

基于有理函数逼近理论,结合对数幅频特性渐近线思想构造出了分数阶积分算子、分数阶微分算子的逼近函数,将此理论应用于分数阶PID控制器,并将此控制器用于锅炉汽包水位的控制中.仿真结果表明,分数阶PID控制器比传统的整数阶PID控制器以及模糊PID控制器对汽包水位的控制系统具有更好的控制品质.     

分数阶PID控制运用于励磁控制系统

针对传统的PID(proportion integration differentiation)控制器已难以满足励磁控制系统动态、静态性能以及遏制干扰能力的要求,采用比传统的PID控制器多了两个参数的分数阶PID(FOPID)控制器.该控制器调节的范围更加广泛,能够很好的适应当前励磁控制系统的需要.对其控制器与PID控制器做了对比仿真,结果表明:分数阶PID控制器具有优于传统PID控制器的性能.     

分数阶PID控制器及其数字实现

提出一种新的比例、积分、微分(PID)控制器——分数阶PID控制器(包含分数阶积分器和微分器)，把传统的PID控制器的阶次推广到分数领域，它不但适合于分数阶系统，也适用于某些整数阶系统，并能够取得一些优于整数阶PID控制器的效果．给出了分数阶PID控制器的一种数字实现形式，运用Grunwald—Letnicov分数微积分定义，取有限项作近似处理，从而可以直接在时域中运用Z变换方法来计算分数阶PID控制器．仿真结果证明了所给方法的有效性．     

RBF网络自整定PID控制在网络化控制系统中的应用

文章针对网络化控制系统普遍存在的时延问题,介绍了一种基于径向基函数神经网络自整定PID的控制策略.在Matlab/Simulink环境下搭建了基于TrueTime工具箱的网络控制系统的仿真平台.仿真结果表明:与常规PID控制相比,神经网络自整定PID控制算法可有效地提高系统的鲁棒性和自适应性,且此方法易于实现,便于工程...     

基于RBF神经网络的PID控制器

传统的PID控制器参数难以整定,且依赖于对象的精确数学模型,适应性较差。针对传统PID控制效果不理想的问题,采用RBF神经网络对PID参数进行整定,并用MATLAB进行仿真,取得了令人满意的效果。     

最优分数阶PIλDμ网络时延控制器

将分数阶控制理论应用于网络控制系统的时延研究当中,设计了适用于网络控制系统的分数阶最优PIλDμ控制器,并通过仿真实验将其针对固定时延和随机诱导时延的控制效果与整数阶最优PID控制器作了比较.实验结果表明,分数阶控制器和整数阶控制器在应用于对象为整数阶的网络控制系统时均能得到较为理想的效果,但分数阶控制器得到的阶跃响应的超调量更小、上升时间和调节时间也都相对更短,这说明最优分数阶PIλDμ针对网络时延具有更为理想的控制效果.     

分数阶控制系统稳定性分析

分数阶控制系统的特征根方程多为复变量S的无理多项式,将无理多项式转化为有理多项式非常困难.本文通过考察控制系统的频率特性,提出利用Nyquist判据和对数频率稳定判据来判断分数阶控制系统的稳定性.     

电机位置系统的分数阶PID控制

采用了增益鲁棒规则设计了分数阶PID(FOPID)控制器,并对电机位置系统进行了仿真,仿真结果表明分数阶PID控制器的鲁棒性及动态响应性能要优于传统的整数阶PID(IOPID)控制器,从而验证了该控制器的有效性与合理性。     

分数阶超混沌Chen系统的RBF神经网络自适应滑模同步

针对分数阶超混沌系统的同步问题,通过设计一个新型含分数阶滑模面的RBF神经网络自适应滑模控制器,应用滑模控制和主动控制原理实现分数阶超混沌Chen系统的驱动系统和响应系统间的同步.在RBF神经网络控制方案的基础上引入分数阶滑模控制器以提高系统的鲁棒性,并在分数阶滑模控制器中增设自适应参数使得控制律在迭代过程中找到合适的切换增益,免除繁冗的人工调参过程.根据Lyapunov稳定性定理证明了该方案下系统的稳定性.当存在外部干扰时,将RBF神经网络与分数阶滑模控制相结合,更利于系统在迭代过程中找到最近似的权值,并通过补偿控制降低干扰对控制系统的影响.数值仿真结果验证了该控制方法的鲁棒性及有效性.     

分数阶系统的二自由度PID预期动态整定法

采用实际模型简单控制的策略,针对分数阶系统提出一种基于预期动态方程的二自由度PID整定方案(DDE)。通过选取预期动态方程系数,将控制器参数与系统控制要求建立联系,确定各个参数的取值规则。8个分数阶模型的控制仿真结果表明,用DDE法整定的整数阶二自由度PID控制器可以使系统满足预期动态,并且该控制器具有与分数阶PID相当或较其更好的控制效果。     

基于改进RBF神经网络的PID整定

针对非线性系统,采用了基于径向基函数（RBF）神经网络的PID整定。RBF神经网络参数的初始值直接影响收敛速度,本文通过聚类法优化初始值。仿真结果表明,基于聚类法优化的RBF神经网络收敛速度快,整定效果优于未使用该方法的整定结果。     

基于RBF神经网络的自动泊车路径规划

文章通过逆向路径规划分析平行泊车过程的可能碰撞点和计算泊车所需的最小泊车空间,用泊车初始区域代替传统路径规划的初始点,实车试验采集泊车过程的数据,采用不同的数据样本用于粒子群优化的RBF神经网络,避免对安全距离等多种约束关系的分析,使规划的泊车路径能较好适用于实际泊车过程。仿真结果和实车试验均表明按照上述方法生成的路径泊车成功率较高。     

模糊自适应卡尔曼滤波技术在球果采集机器人控制系统中的应用

为实现自动采果,采用基于模糊自适应卡尔曼滤波的RBF神经网络对机械手动作进行控制.通过MATLAB编程固化到芯片中,将在线获得的三维激光扫描仪及传感器数据进行实时处理并控制采果运动.试验表明:采用的神经网络控制系统工作有效,采果机器人每天可采落叶松球果700~1 000 kg,效率为未采用神经网络控制时的1.4~2.0倍,为人工采集的40~60倍.     

基于PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

基于混合递归算法优化的PID控制器

针对RBF神经网络PID控制器,使用递阶遗传算法和梯度下降法的混合算法来优化隐含层到输出层的权值、隐层节点的中心和核宽度.仿真显示,精度高,性能优于梯度下降法.     

径向基函数网络在形状识别中的应用

径向基函数神经网络是一种应用相当广泛的神经网络。文章对径向基函数网络的基本原理、网络结构和学习算法进行了介绍,根据径向基函数网络的特点将其应用到形状识别领域,并通过MATLAB平台编程实现其算法。实验结果证明网络初始中心和样本数目的选择对识别结果影响较大;在初始中心选择相同的情况下,实验样本数目越多,识别结果越好;在达到一定数目后,识别正确率趋于稳定。     

基于参数自整定P ID的水下滑翔机航向控制方法

水下滑翔机航向控制的精度对海洋目标观探测具有重要意义。现有的水下滑翔机航向控制技术以比例积分微分（proportional-integral-derivative,PID）为主。为保证水下滑翔机按照预期轨迹运动,PID控制器参数需要反复设定和调整,很难达到快速准确的控制效果。针对该问题,提出了一种基于径向基函数（radial basis function,RBF）神经网络的参数自整定PID航向控制方法。首先建立水下滑翔机水平面内运动模型,然后构建了RBF神经网络结构,并通过梯度下降法给出了神经网络参数以及PID参数的迭代公式。仿真结果表明,该方法相较于常规PID控制方法能在较短的时间内收敛,控制系统精度较高,同时控制器参数能够快速自整定。为今后的水下滑翔机航向控制器提供了设计参考。     

基于RBF神经网络的输电线路故障类型识别新方法

基于径向基函数(radial basis function,RBF)神经网络理论,采用电流突变量比例系数,提出了一种对输电线路故障类型识别的新方法。利用PSCAD/EMTDC软件建立500 kV高压输电线路仿真模型,仿真不同工况下的故障。由各相电流之差提取故障差流信号的突变量,并计算故障后一个周期内差流突变量的有效值,得到故障状态下各相差流突变量占三相差流突变量有效值总和的比例系数,结合零序电流判别系数构造故障类型识别特征向量,建立RBF神经网络进行故障类型识别。仿真结果表明,采用电流突变量比例系数作为特征量包含的信息更丰富,对RBF神经网络的训练效果更好,不受故障位置、故障初始角和过渡电阻等因素的影响,网络识别精度高。     

基于流形分析与AP算法RBF神经网络分类器

提出了一种基于流形分析与近邻传播（AP）算法的径向基函数（RBF）神经网络分类算法.通过流形分析算法对数据集进行初步处理,然后通过指数函数调整相似度矩阵,再重新进行AP聚类,在此基础上构造RBF神经网络分类器,通过拟合正确率来判断算法是否收敛,并对分类结果运用FMI指标进行评价.实验结果表明：改进算法中RBF网络隐节点数普遍得到增加,使得RBF神经网络拟合精度得以提高;从分类结果可以看出该算法对训练数据集都获得了很好的拟合正确率,对测试数据集也获得了较高的测试正确率.