基于遗传算法的混沌系统二自由度比例-积分-微分控制研究

二自由度比例-积分-微分(PID)控制算法简单、实用，但将其应用于复杂非线性系统控制时参数整定困难.运用改进的遗传算法进行二自由度PID控制器参数优化，参数优化的收敛速度快、准确，将其应用于Chen氏混沌系统和同步电动机混沌系统的控制中，仿真研究收到良好的控制效果. 关键词： 混沌系统 遗传算法 比例-积分-微分控制     

基于遗传算法的统一混沌系统比例-积分-微分控制

提出了一种并行遗传算法用于比例-积分-微分(PID)控制器结构和参数的同时优化,遗传算法采用浮点数和二进制混合矩阵编码.优化后的PID控制器用于统一混沌系统的控制,仿真研 究结果表明：1) 用一个比例-积分(PI)调节器可将统一混沌系统控制到零不动点； 2) 用 三个PI调节器可将统一混沌系统控制到非零不动点；3) 所提出的并行遗传算法具有很强的 全局优化能力,较好地克服了简单遗传算法的过早收敛问题；4) 整个控制系统具有很好的调 节品质和很强的鲁棒性,对PID调节器用于控制混沌系统具有重要的参考价值. 关键词： 混沌 统一混沌系统 遗传算法 比例-积分-微分控制     

基于粒子群优化的混沌系统比例-积分-微分控制

基于比例-积分-微分(PID)控制算法的简单性和实用性,但对于复杂非线性系统控制时参数的难以确定问题,运用集群智能中的改进粒子群算法进行PID控制器的优化,并应用于若干混沌系统的控制.对Hénon混沌、Duffing混沌、六辊UC 轧机混沌、Nagumo-sato神经元混沌、Chen氏混沌以及永磁同步电动机混沌的控制进行了仿真研究.研究结果表明： 用PID进行混沌系统的输出反馈控制是有效的,从而拓宽了PID控制的应用范围; 用简单方法控制复杂混沌系统是完全可能的,对混沌系统的控制具有较好的参考价值; 粒子 关键词： 混沌 比例-积分-微分控制 粒子群优化算法     

基于遗传算法的PID控制器优化设计

遗传算法是一种模拟自然进化而提出的简单高效的优化组合方法。本文研究了比例-积分-微分(PID)控制器优化设计的性能指标的选择问题，介绍了遗传算法的基本原理，给出了利用遗传算法进行PID控制器优化设计的步骤。同时给出了一个用遗传算法进行单环系统PID控制器优化设计的仿真实例。仿真结果表明了遗传算法应用于PID控制器优化设计的可行性和有效性。遗传算法还克服了其它方法的某些弊端。     

参数不确定统一混沌系统的鲁棒分数阶比例-微分控制

针对含参数不确定的整数阶统一混沌系统, 提出一种鲁棒分数阶比例-微分(PD^μ)控制. 通过变换将受控统一混沌系统转换成等效被控对象及其等效控制器. 针对等效被控对象, 基于一种改进Monje-Vinagre方法并考虑到求解性能约束方程组的复杂度, 设计了鲁棒PD^μ控制器. 通过基于最小相角边界传递函数和最大增益边界传递函数的设计约束来保证受控统一混沌系统对参数不确定性的鲁棒性能. 数值仿真验证了所提出方法的有效性.     

基于期望控制函数频率特征的解耦多变量控制

提出一种简单的解耦多变量系统比例积分微分(PID)控制器设计方法;首先,将多变量过程前馈解耦为多个独立单回路系统,利用解耦器对角环节保证解耦器的稳定性和可物理实现性;其次,针对每个已解耦单回路系统,提出同时考虑设定值跟踪、扰动抑制和鲁棒稳定性要求的期望闭环传递函数,由此得到期望控制函数,并基于期望控制函数的频率特征快速获取PID控制参数;最后,示例了解耦多变量控制器的设计过程;仿真结果表明该解耦PID设计法对一般多变量时滞过程的控制是有效的。     

混沌系统的遗传神经网络控制

提出遗传神经网络控制混沌新方法.将小扰动技术和周期控制技术结合起来，用遗传算法训练神经网络，使之成为混沌控制器.对Henon映射和Logistic映射的仿真结果说明控制器能产生小扰动控制序列信号，将混沌振荡转变成规则运动状态.该方法无需了解动态系统数学模型，具有一定抗噪声干扰能力，可将它推广应用到其他混沌系统的控制中. 关键词： 遗传算法 神经网络 混沌 周期控制     

一种新颖的滑模非线性比例积分混沌控制方法

一种新颖的滑模非线性比例积分控制方法（SMNPIC）被提出用于高精度驱动一类时变不确定混沌系统到任意期望轨道。SMNPIC区别于以前的滑模控制技术之处在于滑动模的一个非线性比例积分函数被包含在控制率中，因此不仅稳态误差和高频抖振都被减小，同时鲁棒性和快速性也能被保证。此外，SMNPIC实际上能被作为一类非线性PID控制器，不仅仅跟踪误差及其直到n-1阶微分被考虑，而且跟踪误差的积分也被考虑，因此有比传统PID更多的有用信息能被使用，因此更好的动静态特性能被获得。通过不确定Duffing-Holmes系统的仿真实例证实了SMNPIC用于混沌控制能获得好的性能。     

双边缘测风激光雷达法布里-珀罗鉴频器控制方法

 提出一种双边缘测风激光雷达法布里-珀罗(F-P)干涉仪鉴频器的非线性比例-积分-微分(PID)控制方法。该方法利用发射激光在鉴频器校正通道的透过率作反馈进行F-P干涉仪鉴频器的稳定控制。首先给出F-P干涉仪鉴频器透过率的控制模型,由气压波动、温度变化和振动等引起的外界扰动被等效为施加在致动压电陶瓷上的扰动外力。为了进行扰动补偿,用新增的反正切函数设计了非线性PID控制器,提高了经典PID控制方法的反馈增益。仿真结果显示,与经典的PID控制相比,新的非线性控制方法可以使F-P干涉仪鉴频器在更短的时间达到稳定状态,并且稳态误差约减小到原来的1/20。     

双边缘测风激光雷达法布里-珀罗鉴频器控制方法

提出一种双边缘测风激光雷达法布里-珀罗(F-P)干涉仪鉴频器的非线性比例-积分-微分(PID)控制方法。该方法利用发射激光在鉴频器校正通道的透过率作反馈进行F-P干涉仪鉴频器的稳定控制。首先给出F-P干涉仪鉴频器透过率的控制模型,由气压波动、温度变化和振动等引起的外界扰动被等效为施加在致动压电陶瓷上的扰动外力。为了进行扰动补偿,用新增的反正切函数设计了非线性PID控制器,提高了经典PID控制方法的反馈增益。仿真结果显示,与经典的PID控制相比,新的非线性控制方法可以使F-P干涉仪鉴频器在更短的时间达到稳定状态,并且稳态误差约减小到原来的1/20。     

多移动机器人轨迹跟踪控制系统设计与实现

针对轮式移动机器人的轨迹跟踪控制问题,在分析了机器人运动学模型的基础上,构建多机器人的领航-追随模型。采用跟踪微分器在输入输出两端安排过渡过程,设计了一种基于多变量解耦的非线性PID轨迹跟踪控制器。搭建以Arduino Mega 1280控制板为核心的移动机器人实验平台,采用速度PID控制器以满足机器人驱动电机的实时调速要求,基于ROS提出一种结构化和模块化的多机器人控制系统。在此基础上进行实验,并将实验结果与传统PID方法控制的实验结果进行对比。实验结果验证了本文所提算法的有效性,控制器易于实现且具有一定的鲁棒性。     

基于GA参数整定的时变时滞系统灰色预测控制

针对一类数学模型未知且存在时变时滞的复杂系统,提出一种基于遗传算法参数整定的灰色预测控制方法。该方法采用BP神经网络对系统的时变时滞进行辨识,利用灰色预测算法对系统的输出进行预测,进而使用基于遗传算法整定PID控制器对系统进行输出反馈控制。该方法将灰色预测算法与遗传算法相结合,有效提高了控制器的自适应性。通过仿真实例,结果表明该方法能够对具有大时滞、大惯性、模型不确定等特点的复杂系统进行有效地控制。该方法是可行的、有效的。     

改进蚁群PID-神经元解耦的CFB锅炉燃烧系统控制

床温和主汽压都是循环流化床锅炉生产运行中的重要参数,会直接影响机组的安全性和经济性。但由于这两者对象存在非线性、大时延、强耦合等特点,其现场控制效果一直不太理想。本文首先采用自适应神经元将床温和主汽压解耦,再利用具有分工特征的蚁群算法优化参数的PID控制器对两者进行独立控制。采用该算法优化常规PID控制参数,能够实现控制参数的快速寻优。该方案应用于循环流化床锅炉燃烧系统仿真,结果表明能有效实现系统解耦,且具有响应快、超调量小等优点,有效地提高了控制品质。     

Compensation control study based on impairment-aware for Wavelength Switched Optical Networks (WSON)

In an optical network, the optical signal transmitted along the lightpath may need to travel through a number of cross connect switches (OXCs), optical amplifiers, and fiber segments. While the signal propagates toward its destination, the optical components would continuously degrade the signal quality by inducing impairments. When the signal degradation is so severe that the received bit-error rate (BER) becomes unacceptably high, the lightpath would not be able to provide good service quality to a connection request. Such a lightpath, which has poor signal quality due to transmission impairments in the physical layer, should not be used for connection provisioning in the network layer. This paper presents an adaptive PID controller based on the power compensation of BP neural network to restrict the influence of the impairment power for a networked control system (NCS) with the presence of controller time-delay and power compensation at amplifiers' node firstly. Control algorithms continuously adjust their channel powers in response to dynamic information from the network links. And the controller could achieve the on-line adaptive power compensation without changing the parameters of PID controller. The results of simulation show that the proposed controller could adjust better channel power at the transmitter sites and achieve channel optical signal-to-noise ratio (OSNR) optimization with controller's time-delay.     

Fractional-order optimal fuzzy control for network delay

Fuzzy logic control has been used frequently in tuning network control system (NCS) due to its on-line dynamic static non-linear match and several remarkable fractional-order controllers have achieved satisfactory control performance when applied to NCS in present years, therefore, in this paper, a novel fractional fuzzy logic controller which combined the fractional algorithm and fuzzy logic control together has been proposed to deal with fixed and random network induced delays in closed-loop feedback systems. The comparisons of set-point tracking performances of fractional fuzzy logic PID controller (FFuzzyPID), conventional fuzzy logic PID controller(FuzzyPID), fractional optimal PID controller (FOPID), and optimal PID controller(OPID) on a representative plant with fixed and random network delays have been shown with simulations. The simulation results indicate that fractional fuzzy logic controller has higher capability to handle network delays compared with other controllers in most cases.     

改进SIFT融合五官特征的旋转人脸检测算法

针对传统PID控制算法对四旋翼飞行器的姿态角进行控制时,其控制参数很难随着环境的变化进行自整定,进而影响四旋翼飞行器的稳定性的问题,提出了一种改进的PID控制算法。该算法通过改进单神经元中的K值公式提高了Kp、Ki、Kd的学习速率,从而提高了系统的响应速度;通过增加超调惩罚措施,通过适当的放大或缩小超调,可以使系统超调达到最小。通过与增量型PID、标准二次型单神经元PID算法进行比较,并且进行仿真实验。结果表明：所提方法具有参数自整定能力强且快速响应、鲁棒性强及稳定性好。     

基于模糊神经网络的自适应PID控制器

提出了一种应用于自适应PID控制器的神经网络与模糊控制相结合的算法,该算法可以有效地解决普通PID控制器依赖于对象的数学模型的缺点,可实现控制系统的在线自适应调整,可满足实时控制的要求。仿真结果表明,基于模糊神经网络整定的PID控制器具有较好的自学习和自适应性,具有较快的响应速度。