工業(yè)生產(chǎn)過程中，時(shí)滯對(duì)象普遍存在，同時(shí)也是較難控制的，尤其是大時(shí)滯對(duì)象的控制一直都是一個(gè)難題。而很多溫度控制系統(tǒng)都是屬于大時(shí)滯系統(tǒng)，常見的智能溫度控制器雖然在溫度控制的實(shí)際應(yīng)用中表現(xiàn)了比較理想的控制效果，但它仍然屬于將參數(shù)整定與系統(tǒng)控制分開處理的離線整定方法，如果工況發(fā)生變化就必須重新調(diào)整參數(shù)。針對(duì)這一問題，為了實(shí)現(xiàn)時(shí)滯系統(tǒng)參數(shù)自整定的控制，本文將神經(jīng)網(wǎng)路控制、模糊控制和PID控制結(jié)合起來，設(shè)計(jì)了基于神經(jīng)網(wǎng)路的模糊自適應(yīng)PID控制器。 首先，本論文分析了時(shí)滯系統(tǒng)的特點(diǎn)，討論了幾種時(shí)滯系統(tǒng)較為成熟的常規(guī)控制算法：微分先行控制算法、史密斯預(yù)估控制算法、大林控制算法，并深入研究了它們的控制性能；并且通過仿真對(duì)這三種控制方法在溫控系統(tǒng)中的控制性能進(jìn)行了比較。 其次，在分析PID參數(shù)自整定傳統(tǒng)方法的基礎(chǔ)上，設(shè)計(jì)了一種改進(jìn)方法，并設(shè)計(jì)了相應(yīng)的控制器。該控制器綜合了模糊控制、神經(jīng)網(wǎng)絡(luò)控制和PID控制各自的長(zhǎng)處，既具備了模糊控制簡(jiǎn)單有效的控制作用以及較強(qiáng)的邏輯推理功能，也具備了神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、自學(xué)習(xí)的能力，同時(shí)也具備了傳統(tǒng)PID控制的廣泛適應(yīng)性。該方法不需要離線整定參數(shù)，實(shí)現(xiàn)了在線自整定參數(shù)。仿真實(shí)驗(yàn)表明了該控制器對(duì)模型和環(huán)境都具有較好的適應(yīng)能力和較強(qiáng)的魯棒性。 最后將基于神經(jīng)網(wǎng)路的模糊自適應(yīng)PID控制器應(yīng)用于貝加萊PID溫控裝置，能夠出色地實(shí)現(xiàn)參數(shù)的在線自整定。理論分析、系統(tǒng)仿真、實(shí)驗(yàn)結(jié)果都證實(shí)了這種控制策略能有效地減少系統(tǒng)超調(diào)量，并減少了調(diào)節(jié)時(shí)間，提高了系統(tǒng)的實(shí)時(shí)性和控制精度。
標(biāo)簽： 時(shí)滯系統(tǒng) 參數(shù) 自整定控制
上傳時(shí)間： 2013-07-05
上傳用戶：xinyuzhiqiwuwu
·PID參數(shù)自整定在溫度控制系統(tǒng)中的應(yīng)用
標(biāo)簽： PID 參數(shù) 中的應(yīng)用 自整定
上傳時(shí)間： 2013-04-24
上傳用戶：guobing123
根據(jù)比例因子與系統(tǒng)性能的關(guān)系和整定原則，得到可行的整定規(guī)則表，對(duì)瀝青撒布控制系統(tǒng)采用了參數(shù)自整定模糊控制算法控制噴灑的壓力，實(shí)現(xiàn)了灑布量的穩(wěn)定精確控制，提高了灑布質(zhì)量和生產(chǎn)效率。
上傳時(shí)間： 2013-11-01
上傳用戶：竺羽翎2222
為了研究既簡(jiǎn)單又具有優(yōu)良動(dòng)、靜態(tài)性能的逆變電源控制方案，介紹一套全新的帶有自適應(yīng)功能的逆變電源模糊參數(shù)自整定系統(tǒng)，并通過MATLAB/SIMULINK仿真實(shí)驗(yàn)驗(yàn)證了該方法能夠出色滿足各項(xiàng)苛刻性能指標(biāo)要求，具有十分廣闊的應(yīng)用前景。
標(biāo)簽： 模糊 參數(shù)自適應(yīng) 自整定 系統(tǒng)研究
上傳時(shí)間： 2013-11-22
上傳用戶：完瑪才讓
該系統(tǒng)采用自校正控制原理和常規(guī)PID控制相結(jié)合的算法!能快速整定出PID控制器的參數(shù)
標(biāo)簽： C8051F020 PID 參數(shù) 自整定
上傳時(shí)間： 2013-10-21
上傳用戶：Shaikh
針對(duì)傳統(tǒng)方法難以整定船載雷達(dá)伺服系統(tǒng)PID參數(shù)的問題，將模糊參數(shù)自整定PID控制技術(shù)應(yīng)用到伺服系統(tǒng)位置回路中，通過仿真實(shí)驗(yàn)表明該方法可以不依賴系統(tǒng)的數(shù)學(xué)模型，而根據(jù)輸入輸出關(guān)系對(duì)PID參數(shù)進(jìn)行在線調(diào)整，自動(dòng)調(diào)整環(huán)路帶寬，調(diào)高系統(tǒng)的動(dòng)態(tài)性能和穩(wěn)態(tài)性能，具有很強(qiáng)的魯棒性和自適應(yīng)性。
標(biāo)簽： PID 模糊 參數(shù) 中的應(yīng)用
上傳時(shí)間： 2013-11-13
上傳用戶：shfanqiwei
用VB實(shí)現(xiàn)解常微分方程組 包括定步長(zhǎng)四階龍格-庫塔法、自適應(yīng)變步長(zhǎng)的龍格-庫塔法、改進(jìn)的中點(diǎn)法、外推法等
標(biāo)簽： 常微分方程
上傳時(shí)間： 2014-01-04
上傳用戶：wanghui2438
提供了4種解常微分方程組的c++代碼：定步長(zhǎng)四階龍格-庫塔(Runge-Kutta)法(RK4->RKDUMP)； 自適應(yīng)變步長(zhǎng)的龍格-庫塔(Runge-Kutta)法(RKQC->ODEINT)； 改進(jìn)的中點(diǎn)法(MMID)； 外推法(BSSTEP(RZEXTR(有理函數(shù)), PZEXTR(多項(xiàng)式))；
標(biāo)簽： Runge-Kutta RKDUMP RKQC gt
上傳時(shí)間： 2013-12-21
上傳用戶：qilin
基于DRNN的神經(jīng)網(wǎng)絡(luò)整定參數(shù)自學(xué)習(xí)的PID控制仿真
標(biāo)簽： DRNN PID 神經(jīng)網(wǎng)絡(luò) 整定
上傳時(shí)間： 2013-12-31
上傳用戶：熊少鋒
利用神經(jīng)網(wǎng)絡(luò)自校訂、自學(xué)習(xí)功能在線整定PID
標(biāo)簽： PID 神經(jīng)網(wǎng)絡(luò) 整定
上傳時(shí)間： 2013-12-22
上傳用戶：gxrui1991
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
