论文部分内容阅读
PID控制是一种应用很普遍的控制技术,目前在很多方面都有广泛的应用。但是它对于复杂的、动态的和不确定的系统的控制还有许多的不足之处。因此,本文采用了一些目前正在研究之中的方法进行改进,主要采用了两种控制方法。 在工业上,有许多复杂对象,特别是对无法建立精确数学模型的工业对象的控制,或者是比较复杂,非线形的控制对象,如果用传统的PID来进行控制的话,那么很难获得比较理想的控制效果,因此,在这里我们采用模糊控制、神经网络和遗传算法来进行复合控制,这样能获得比较好的控制效果。 一种是采用神经网络模糊PID控制,利用神经网络具有自学习能力和模糊控制充分利用学科领域知识,以较少的规则来表达知识的能力,以求获得更好的控制效果,有效的改善了系统结构和参数的变化导致控制效果的不稳定。 另一种是采用遗传算法控制,有利于实现全局搜索,减少陷入局部最优的机会。这样,能够有效的进行全局控制并取得很好的控制效果。 仿真的结果表明利用上述两种控制方法提高了系统的鲁棒性和系统的动态性能,改善了系统的控制效果。 综上所述,对于工业上含有滞后,非线性和复杂的控制对象,通常采用智能化的控制方法能获得比传统的PID控制更好的控制效果,当然,对于一些比较精确的数学对象来说,还是用传统的方法进行控制的效果更成熟一些,但对于过于复杂的未知的系统来说,用上述的方法会获得理想的控制结果。