基于模糊自整定PID控制器的非线性系统仿真

将PID控制与Fuzzy控制的简便性、灵活性以及鲁棒性融为一体，构造了一个自适应模糊PID控制器．通过模糊控制规则在线调整PID控制器的参数，并利用MATLAB语言结合具体实例方便而快速地实现了该控制器的计算机仿真．仿真结果表明：该控制方法提高了非线性系统的动、静态特性，使系统获得了较好的性能．     

适用于非线性对象的神经元非模型控制方法

改进了神经控制器的输入信号处理函数，设计出一种非线性转换器，能有效提高神经元非模型控制器对非线性对象的适应能力。仿真试验表明，新的神经元控制器能有效地克服非线性的不利影响，具有响应快速和强鲁棒性，对过程参数的变化和负荷干扰都有较好的自适应能力。同时该控制器保留了简单，实用，无需对象模型等优点，能方便地应有竽具有非线性的工业过程控制。     

单自由度磁悬浮系统无模型自适应控制的研究

针对单自由度磁悬浮系统的非线性及难以建立精确数学模型的问题，将全格式无模型自适应控制（FFDL-MFAC）方法应用于单自由度磁悬浮系统，首先，采用无模型自适应控制算法、伪梯度估计算法、伪梯度重置算法和单自由度磁悬浮系统的动态化数据模型，设计单自由度磁悬浮系统的控制器；然后，仿真分析MFAC控制参数对单自由度磁悬浮系统控制效果的影响及对阶跃响应信号、干扰信号和噪声信号的响应特性；最后，在磁悬浮球实验装置上进行实验验证. 研究结果表明:全格式无模型自适应控制方法只需采集单自由度磁悬浮系统在工作状态下的I/O数据，无需建立单自由度磁悬浮系统精确数学模型，通过设定全格式无模型自适应控制器参数即可使控制器具备良好的自适应性和鲁棒性，实现高精度稳定悬浮控制；与PID相比，FFDL-MFAC将系统的超调量降低了0.005，稳定悬浮位移的误差均方根减小了0.2607.      

基于模糊理论的智能指数平滑行程时间预测算法

在指数平滑算法的基础上,结合模糊理论提出了一种基于模糊理论的智能指数平滑行程时间预测算法。该算法依据指数平滑法的预测误差构造模糊控制器来自适应控制平滑系数,从而自适应修正下一时期的预测值,提高行程时间的预测精度和智能化水平。最后通过实验验证了该算法的可行性、有效性。     

基于蚁群算法优化的EPS系统PID控制

汽车电动助力转向系统是一个非线性时变的复杂系统,在对它进行控制时,单独采用常规PID控制难以达到平稳准确的效果,在此加入蚁群算法(ACO)对其进行优化而得到稳定的最优参数解.根据车辆动力学关系,建立了两自由度整车模型、电动助力转向系统模型以及带有蚁群算法优化的PID控制器模型.通过Matlab,对该模型进行仿真分析.仿真结果表明,蚁群算法和PID控制的结合,使系统控制更精确、运行更加平稳.     

基于改进的BP神经网络模型参考自适应控制

针对传统BP算法的神经网络模型参考自适应控制实时性差、精度不高、收敛慢等不足,结合BP改进算法和非线性系统的可逆性,提出了基于改进的双向权值调整BP算法的神经网络模型参考自适应控制.基于此算法设计的系统辨识器和控制器的网络结构简单,精度高,仿真结果表明该算法的辨识和控制效果均很理想,可应用于工程实际.     

基于遗传算法的PID智能控制器设计

根据实际应用的需要,设计出一种基于遗传算法的PID控制器．该控制器首先采用遗传算法优化PID控制器的参数,得到一组参数的最优值,在实际控制过程中利用遗传算法不断优化PID参数,从而提高PID控制器的控制性能和自适应能力．以确保系统的动态和稳态性能最优．根据设计结果采用Matlab对此进行仿真,仿真结果表明：与常规的PID控制器相比,这种基于遗传算法优化的PID控制器用于实际控制系统可达到良好的动、静态性能和自适应能力．     

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制，探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器，其中辨识器兼作间接传递误差的通道，从而解决了控制器权值的修正问题。仿真结果表明， 经过学习控制结构具有较好的有效性。     

ģ������ӦPID����������ABS�еķ����о�

无论是经典还是现代控制理论,大多是建立在线性系统基础上,目前对非线性系统还没有比较成熟的理论.常规PID控制在对象变化时,控制器的参数不能自动修改适应.将模糊控制与PID控制相结合,利用模糊推理方法实现对PID参数的在线自整定,设计了一种模糊自适应PID控制器.在分析汽车模型的基础上,采用PID控制、模糊自适应PID控制两种方法,联合Simulink软件分别对汽车的防抱死制动系统（ABS）进行刹车运动仿真研究,极大地提高了模糊控制方法和PID控制算法的应用性能.结果表明,模糊自适应PID控制方法可以达到更好的制动效果,提高了系统的动态性能和安全性能.     

神经网络在车辆半主动控制中的应用

针对车辆半主动悬挂模型的非线性特性，研究了采用神经网络的自适应控制在车辆悬挂半主动控制中的应用，设计了采用前馈神经网络的辩识器和控制器，对控制器网络采用的学习规则进行了分析。仿真计算表明，采用神经网络自适应控制方法能有效改善车辆的平稳性，采用的神经网络辩识器和控制器的改进BP算法是有效的。