基于模糊自适应PID控制的铅酸蓄电池智能充电系统的研究.pdf

单神经元自适应PID控制器的研究及MATLAB仿真.pdf

神经元自适应PID算法SCL，VAR_INPUT SV:REAL;//设定值 PV:REAL;// 测量值 siteP:REAL:=0.4;//学习速率 P siteI:REAL:=0.35;//学习速率 I siteD:REAL:=0.4;//学习速率 D wkp_1:REAL:=0.1;//比例系数（加权系数随机值） wki_1:REAL:=0.1;//积分系数 wkd_1:REAL:=0.1;//微分系数 K:REAL:=0.12;//神经元的比例系数 LimitHigh:REAL:=100.0;//输出最大值 LimitLow:REAL:=0;//输出最小值 END_VAR VAR_OUTPUT u:REAL;//输出操作值 END_VAR VAR //定义中间变量 e_i:REAL;u_i:REAL;//e_k为基本偏差量 e_1:REAL;//e(k-1) e_2:REAL;//e(k-2) x_1:REAL;//神经元输入信号，初值设为0 x_2:REAL;//神经元输入信号 x_3:REAL;//神经元输入信号 u_1:REAL;// u_2:REAL;// u_3:REAL;// x:REAL; i:INT:=0;//integer i实际为整形 wkp_i:REAL;wki_i:REAL;wkd_i:REAL;//加权系数（第i次） wadd_i:REAL;//权值和 w11_i:REAL;w22_i:REAL;w33_i:REAL;//归一化各权值

改进的单神经元自适应PID控制算法在智能车速度控制系统中的研究与应用.pdf

本资源为参加西门子流程行业挑战赛的资料，包括scl的学习文档，scl源程序

模糊自适应PID单级旋转倒立摆稳定控制simulink

自20世纪70年代被提出以来，预测控制相对传统PID控制的很多优势令其在工业过程应用中产生了重要和广泛的影响。预测控制的方法有很多种，例如：动态矩阵控制(DMC)、扩展的预测自适应控制(EPSAC)、模型算法控制(MAC)、预测函数控制(PFC)、二次动态矩阵控制(QDMC)、序贯开环最优控制(S0L0)，以及广义预测控制(GPC)等，统称为"模型预测控制"(modelDredictive Control，MPC)。

传统PID在对象变化时，控制器的参数难以自动调整。将模糊控制与PID控制结合，利用模糊推理方法实现对PID参数的在线自整定。使控制器具有较好的自适应性。使用MATLAB对系统进行仿真，结果表明系统的动态性能得到了提高。

为获得更贴近实际情况的滑移率变化,在车辆动力学模型加入空气阻力和滚动阻力,应用Matlab2012b/Simulink环境内建立更加接近实际的车辆ABS动力学仿真模型.结合模糊控制与PID控制的优点设计出一种模糊自适应PID控制器.结果表明:模糊自适应PID控制策略来解决汽车ABS的控制优化问题可行,提高了系统的动态性能和安全性能;能适应不同路面的变化;控制过程平稳且可以达到很好的制动效果.

基于模糊自适应PID的智能车控制与仿真.pdf