PID控制器参数整定与实现pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

PID控制器参数整定与实现PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　绪论 1

1.1　PID控制器参数整定的发展与现状 1

1.2　PID控制器参数整定的分类 3

1.3　PID控制的基本原理 5

第2章　PID控制器参数整定方法 8

2.1　常规Z-N整定方法及实现分析 8

2.2　基于模糊控制的PID控制器参数整定 10

2.2.1　模糊控制 10

2.2.2　模糊控制器的原理与组成 11

2.2.3　模糊自适应PID控制器参数整定原理 12

2.2.4　模糊自适应PID控制器参数整定算法 12

2.2.5　基于模糊控制PID控制器参数整定的仿真 14

2.3　基于小波神经网络的PID控制器参数整定 15

2.3.1　神经网络 16

2.3.2　人工神经元 16

2.3.3　神经网络的功能和学习方式 17

2.3.4　BP神经网络 18

2.3.5　基于BP神经网络的PID控制器设计 20

2.3.6　小波神经网络 23

2.3.7　小波神经网络的PID控制器设计 25

2.3.8　数例仿真 25

2.4　基于遗传算法的PID控制器参数整定及仿真 28

2.4.1　遗传算法的基本原理 28

2.4.2　改进的遗传算法 30

2.4.3　改进的遗传算法PID控制器设计 32

2.4.4　数例仿真 34

2.5　基于克隆选择算法的PID控制器参数整定 35

2.5.1　克隆选择算法的基本框架 35

2.5.2　基于克隆选择算法的PID控制器参数整定 37

2.5.3　仿真结果 38

2.6　基于粒子群算法的PID控制器参数整定及仿真 39

2.6.1　粒子群算法基本原理 39

2.6.2　基于PSO的PID控制器参数整定 43

2.6.3　标准的PSO算法在PID控制器参数整定中的应用 44

2.6.4　仿真结果 44

2.6.5 改进的PSO算法原理 46

2.6.6　基于改进PSO的PID控制器参数整定 46

2.6.7　仿真结果 47

2.6.8　改进的PSO与标准PSO仿真结果比较 48

2.7　多目标H2/H∞鲁棒PID控制器参数整定 50

2.7.1　线性矩阵不等式理论 50

2.7.2　LMI区域与H2/H∞性能 51

2.7.3　LMI 区域的描述 52

2.7.4　H2性能指标 53

2.7.5　H∞性能指标 53

2.7.6　系统数学模型的建立 54

2.7.7　多目标H2/H∞PID控制器设计 55

2.7.8　多目标最优H2PID控制器的设计 58

2.7.9　数例仿真 58

第3章 分数阶PID控制器的参数整定 61

3.1　分数阶微积分的定义 61

3.2　分数阶控制器 62

3.3　分数阶PIλDμ控制器的数字实现 64

3.4　基于粒子群算法的分数阶PID控制器参数整定 65

3.5　基于神经网络的分数阶PID控制器参数整定 67

3.6　基于免疫克隆选择算法的分数阶PID控制器参数整定 70

第4章 基于QDRNN的多变量PID控制器参数整定 72

4.1 对角递归神经网络 72

4.2 对角递归神经网络Jacobian信息辨识 73

4.3　准对角递归神经网络 75

4.4　准对角递归神经网络Jacobian信息辨识 76

4.5　基于准对角递归神经网络多变量PID控制算法 77

4.6　数例仿真 78

第5章 数字PID控制器的FPGA实现 83

5.1　数字PID控制器的硬件架构设计 83

5.2　各模块功能设计与实现 84

5.2.1　控制模块的设计与实现 84

5.2.2　加法器与乘法器设计与实现 84

5.3　数字PID控制器的开环仿真 86

第6章 基于BP神经网络的PID控制器的FPGA实现 88

6.1　硬件架构 88

6.2　各功能模块的设计及实现 89

6.3　仿真实验及结果分析 101

第7章 基于遗传算法的PID控制器的FPGA实现 110

7.1　基于GA的PID控制器的硬件架构 111

7.2　各个功能模块设计与实现 113

7.2.1　控制模块设计与实现 113

7.2.2　随机数模块设计与实现 115

7.2.3　存储器模块设计与实现 118

7.2.4　适应度模块设计与实现 120

7.2.5　初始化模块设计与实现 124

7.2.6　选择模块设计与实现 125

7.2.7　交叉变异模块设计与实现 126

7.2.8　存储模块设计与实现 128

7.3　仿真实验及结果分析 129

7.3.1　各模块的功能仿真 129

7.3.2　基于遗传算法的PID控制器闭环仿真 133

第8章　基于粒子群算法的PID控制器的FPGA实现 138

8.1　粒子群算法运行参数的选择 138

8.2　基于粒子群算法的PID控制器的硬件架构 138

8.3　各功能模块设计与实现 141

8.3.1　控制模块设计与实现 141

8.3.2　存储器模块设计与实现 142

8.3.3　全局最优模块设计与实现 143

8.3.4　局部最优模块设计与实现 144

8.3.5　惯性因子模块设计与实现 146

8.3.6　速度位置更新模块设计与实现 146

8.3.7　其他模块设计与实现 148

8.4　仿真实验及结果分析 148

附录 151

附录A　主要算法的基本程序 151

A.1　基于BP神经网络的PID控制器参数整定源程序 151

A.2　基于小波神经网络的PID控制器参数整定源程序 155

A.3　基于改进遗传算法的PID控制器参数整定源程序 159

A.4　基于准对角递归神经网络多变量PID控制器参数整定源程序 162

A.5　实数编码的粒子群算法源程序 168

附录B　基于粒子群算法的PID控制器的FPGA实现源程序 173

附录C　Modelsim SE的使用简介 190

C.1　添加Altera仿真库的步骤 191

C.2　功能仿真步骤 194

参考文献 203