精华内容
下载资源
问答
  • 基于ZN的PID参数自整定算法,可实现PID参数的自动整定,可在此基础上稍微手工调整即可在工业上应用
  • 电机PI参数自整定与弱磁控制
  • PID参数自动整定 matlab

    2017-12-01 16:41:54
    利用MATLAB语言实现PID参数的自动整定,并设计了GUI界面,操作简单,可用于实验室环境下的PID参数自整定,整定原则是使得系统的衰减比接近4:1 文件说明: (1)PID_GUI.m:项目主程序 (2)PID_GUI.fig:GUI界面文件 ...
  • PID参数自整定的方法及实现doc,PID参数自整定的方法及实现
  • 时滞控制系统的PID参数自整定pdf,时滞控制系统的PID参数自整定
  • PID参数自整定资料

    2013-07-05 18:13:47
    关于PID参数自整定的论文集,整理了国际先进的自整定算法论文
  • 针对单回路PID控制系统参数实验整定人工方法的缺陷,以提高控制器参数整定的准确性,减少实验人员的工作强度为目的,提出基于MCGS的参数自整定方案。方案以液位控制系统为例,采用临界比例度法。设计利用MCGS组态...
  • 基于置信规则库推理的PID参数自整定方法
  • 基于OPC与Matlab的PID控制参数自整定pdf,基于OPC与Matlab的PID控制参数自整定
  • PID参数自整定的改进遗传算法doc
  • PID参数自整定方法综述,PID参数自整定方法综述
  • 根据比例因子与系统性能的关系和整定原则,得到可行的整定规则表,对沥青撒布控制系统采用了参数自整定模糊控制算法控制喷洒的压力,实现了洒布量的稳定精确控制,提高了洒布质量和生产效率。
  • 具有参数自整定PID控制的PMSM哈密顿能量整形控制
  • 基于粒子群算法的可变参数自整定PID控制器
  • 针对模拟PID 电路的控制理论和机理,从简单、易用、直观的参数整定原则和切实改善系统控制性能的参数自整定的目的,设计了由电流
  • PID 控制器参数自整定方法比较 文中以交流伺服电机为被控对象 ,以 VB 和 MATLAB 混合编程为研究工具 ,对 PID 控制器的三种自整定方法进行研究。由此可以方便、直观地对得 出各方法的仿真曲线进行分析与比较,看出...
  • 温度控制的控制算法很多, 其中PID 算法是一种简单而实用的方法, 尤其采用计算机实现PID 控制规律, 其...针对这一问题, 我们在金属表面处理化学反应槽的温度控制中采用了一种PID 参数自整定的控制算法, 控制效果明显。
  • 仪用PID参数自整定控制器设计与应用rar,自整定控制器; PID控制; 阶跃响应; 继电振荡;
  • 基于D-Tent混沌模型的粒子群PID参数自整定算法
  • 工业温度控制系统具有非线性、时变性和滞后性等特性,严重影响温度控制的快速性和准确性,为了解决常规PID参数调节在温度控制中适应性差,调节效果不理想的问题,这里采用了模糊PID参数自整定控制方法,用模糊控制...
  • 收稿日期 :2008-07 作者简介 :康杰 (1973 , 男 , 硕士研究生 , 工程师 , 主要从事工业控制和自动化仪表等方面的研究 基于 MAT LAB 的模糊 PID 参数自整定仿真研究 康 杰 (包头钢铁集团有限责任公司计量处 , 内蒙古 ...
  • 基于PLC 的电子膨胀阀模糊参数自整定控制pdf
  • RBF+PID参数自整定控制器设计

    千次阅读 热门讨论 2018-06-30 00:05:13
    RBF网络实现PID参数自整定

    ##RBF网络实现PID参数自整定
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    代码如下

    clear;
    clc;
    %% 参数初始化
    lr=0.1;%学习速率
    beta=0.05;%动量因子
    x=[0,0,0]';%初始化输入
    nn=6;%隐含层节点数
    
    %RBF网络3-6-1结构初始化参数
    ci=30*ones(3,nn);%节点基函数中心向量
    bi=40*ones(nn,1);%节点基函数方差
    w=10*ones(nn,1); %输出层权重
    
    h=zeros(nn,1);%隐藏层输出向量
    
    ci_1=ci;ci_3=ci_1;ci_2=ci_1;
    bi_1=bi;bi_2=bi_1;bi_3=bi_2;
    w_1=w;w_2=w_1;w_3=w_1;
    
    u_1=0;y_1=0;
    ec=[0,0,0]';%误差变化率ec,e,ecc
    error_1=0;error_2=0;error=0;
    
    % PID 初始参数设置
    kp0 = 0.03;        
    ki0 = 0.28;     
    kd0 = 0.03;
    flag=1;%控制模式flag=0 PID&RBF;flag=1 PID
    
    kp_1=kp0;
    kd_1=kd0;
    ki_1=ki0;  
    
    %pid参数学习率
    kp_lr=0.20;
    kd_lr=0.20;
    ki_lr=0.20;
    ts=0.01;
    %%
    for t = 1:1:200
       time(t)=t*ts;
       r(t)=1.0*sign(sin(2*pi*t*ts));%系统参考输入
       y(t)=(-0.3*y_1+u_1)/(6+y_1^2);%系统输出
       %% 前向传播
       %1.计算每个节点RBF的输出
       for j=1:1:nn
          h(j)=exp(-norm(x-ci(:,j))^2/(2*bi(j)*bi(j)));
       end
       %2. RBF网络输出
       ym(t)=w'*h;    
       %% 反向传播
       %1. 输出权重更新计算
       d_w=0*w;
       for j=1:1:nn
          d_w(j)=lr*(y(t)-ym(t))*h(j);
       end
       w=w_1+d_w+beta*(w_1-w_2);
       %2. 节点基函数方差更新
       d_bi=0*bi;
       for j=1:1:nn
          d_bi(j)=lr*(y(t)-ym(t))*w(j)*h(j)*(bi(j)^-3)*norm(x-ci(:,j))^2;
       end
       bi=bi_1+ d_bi+beta*(bi_1-bi_2);
       %3. 节点中心更新
       for j=1:1:nn
         for i=1:1:3
          d_ci(i,j)=lr*(y(t)-ym(t))*w(j)*h(j)*(x(i)-ci(i,j))*(bi(j)^-2);
         end
       end
       ci=ci_1+d_ci+beta*(ci_1-ci_2);
      
      %% 系统雅可比矩阵计算
       yu=0;
       for  j=1:1:nn
          yu=yu+w(j)*h(j)*(-x(1)+ci(1,j))/bi(j)^2; 
       end
       dyout(t)=yu;
       %% PID控制器参数修改
       error(t)=r(t)-y(t);
       kp(t)=kp_1+kp_lr*error(t)*dyout(t)*ec(1);
       kd(t)=kd_1+kd_lr*error(t)*dyout(t)*ec(2);
       ki(t)=ki_1+ki_lr*error(t)*dyout(t)*ec(3);  
       if kp(t)<0
          kp(t)=0;
       end
       if kd(t)<0
          kd(t)=0;
       end
       if ki(t)<0
          ki(t)=0;
       end
       switch flag
           case 0
           case 1 
                kp(t)=kp0;
                ki(t)=ki0;     
                kd(t)=kd0;
       end
       du(t)=kp(t)*ec(1)+kd(t)*ec(2)+ki(t)*ec(3); %增量PID控制
       u(t)=u_1+du(t);
    
       %Return of parameters
       x(1)=du(t);
       x(2)=y(t);
       x(3)=y_1;
       
       u_1=u(t);
       y_1=y(t);
       
       ci_3=ci_2;
       ci_2=ci_1;
       ci_1=ci;
       
       bi_3=bi_2;
       bi_2=bi_1;
       bi_1=bi;
       
       w_3=w_2;
       w_2=w_1;
       w_1=w;
       
       ec(1)=error(t)-error_1;
       ec(2)=error(t)-2*error_1+error_2;
       ec(3)=error(t);  
       
       error_2=error_1;
       error_1=error(t);
       
       kp_1=kp(t);
       kd_1=kd(t);
       ki_1=ki(t);
    end
    %% 绘图
    figure(1);
    plot(time,r,'b',time,y,'r');
    xlabel('time(s)');ylabel('r(t),y(t)');
    title('RBF&PID控制器下系统输出')
    figure(2);
    plot(time,error);
    xlabel('times(s)');ylabel('error(t)');
    title('RBF&PID控制器下系统误差');
    figure(3);
    plot(time,kp,time,ki,time,kd);
    xlabel('times(s)');
    ylabel('kp,ki,kd');
    title('kp,ki,kd整定');
    legend('kp','ki','kd');
    grid on;
    
    
    

    系统输出:
    这里写图片描述
    这里写图片描述

    展开全文
  • 基于S7_200PLC的PID参数自整定方法
  • 研究论文-芯片封装中PID参数自整定算法研究
  • 基于MATLAB的PID参数自整定控制器,设置控制器类型、算法等即可自动寻找最优PID参数。
  • 交流伺服系统控制器参数自整定及优化。
  • 基于粒子群算法的PID参数自整定,栾丽君,谭立静,PID控制器的参数整定,从优化的角度来说就是在Kp, Ki ,Kd 3个参数空间中寻找最优值,使系统的控制性能达到最优。粒子群优化(PSO)算法是一
  • PID参数自整定 PID参数自整定 PID参数自整定 PID参数自整定
  • 异步电机参数辨识及矢量控制系统参数自整定

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 667
精华内容 266
关键字:

参数自整定