书籍信息
SS编码: 12454031
书名: PID控制器参数整定与实现
作者: 黄友锐编著
出版社: 北京：科学出版社
年份: 2010
页数: 208
ISBN: 9787030267337
目录
1 (p1): 第1章 绪论
1 (p2): 1.1 PID控制器参数整定的发展与现状
3 (p3): 1.2 PID控制器参数整定的分类
5 (p4): 1.3 PID控制的基本原理
8 (p5): 第2章 PID控制器参数整定方法
8 (p6): 2.1 常规Z-N整定方法及实现分析
10 (p7): 2.2 基于模糊控制的PID控制器参数整定
10 (p8): 2.2.1 模糊控制
11 (p9): 2.2.2 模糊控制器的原理与组成
12 (p10): 2.2.3 模糊自适应PID控制器参数整定原理
12 (p11): 2.2.4 模糊自适应PID控制器参数整定算法
14 (p12): 2.2.5 基于模糊控制PID控制器参数整定的仿真
15 (p13): 2.3 基于小波神经网络的PID控制器参数整定
16 (p14): 2.3.1 神经网络
16 (p15): 2.3.2 人工神经元
17 (p16): 2.3.3 神经网络的功能和学习方式
18 (p17): 2.3.4 BP神经网络
20 (p18): 2.3.5 基于BP神经网络的PID控制器设计
23 (p19): 2.3.6 小波神经网络
25 (p20): 2.3.7 小波神经网络的PID控制器设计
25 (p21): 2.3.8 数例仿真
28 (p22): 2.4 基于遗传算法的PID控制器参数整定及仿真
28 (p23): 2.4.1 遗传算法的基本原理
30 (p24): 2.4.2 改进的遗传算法
32 (p25): 2.4.3 改进的遗传算法PID控制器设计
34 (p26): 2.4.4 数例仿真
35 (p27): 2.5 基于克隆选择算法的PID控制器参数整定
35 (p28): 2.5.1 克隆选择算法的基本框架
37 (p29): 2.5.2 基于克隆选择算法的PID控制器参数整定
38 (p30): 2.5.3 仿真结果
39 (p31): 2.6 基于粒子群算法的PID控制器参数整定及仿真
39 (p32): 2.6.1 粒子群算法基本原理
43 (p33): 2.6.2 基于PSO的PID控制器参数整定
44 (p34): 2.6.3 标准的PSO算法在PID控制器参数整定中的应用
44 (p35): 2.6.4 仿真结果
46 (p36): 2.6.5 改进的PSO算法原理
46 (p37): 2.6.6 基于改进PSO的PID控制器参数整定
47 (p38): 2.6.7 仿真结果
48 (p39): 2.6.8 改进的PSO与标准PSO仿真结果比较
50 (p40): 2.7 多目标H2/H∞鲁棒PID控制器参数整定
50 (p41): 2.7.1 线性矩阵不等式理论
51 (p42): 2.7.2 LMI区域与H2/H∞性能
52 (p43): 2.7.3 LMI 区域的描述
53 (p44): 2.7.4 H2性能指标
53 (p45): 2.7.5 H∞性能指标
54 (p46): 2.7.6 系统数学模型的建立
55 (p47): 2.7.7 多目标H2/H∞PID控制器设计
58 (p48): 2.7.8 多目标最优H2PID控制器的设计
58 (p49): 2.7.9 数例仿真
61 (p50): 第3章 分数阶PID控制器的参数整定
61 (p51): 3.1 分数阶微积分的定义
62 (p52): 3.2 分数阶控制器
64 (p53): 3.3 分数阶PIλDμ控制器的数字实现
65 (p54): 3.4 基于粒子群算法的分数阶PID控制器参数整定
67 (p55): 3.5 基于神经网络的分数阶PID控制器参数整定
70 (p56): 3.6 基于免疫克隆选择算法的分数阶PID控制器参数整定
72 (p57): 第4章 基于QDRNN的多变量PID控制器参数整定
72 (p58): 4.1 对角递归神经网络
73 (p59): 4.2 对角递归神经网络Jacobian信息辨识
75 (p60): 4.3 准对角递归神经网络
76 (p61): 4.4 准对角递归神经网络Jacobian信息辨识
77 (p62): 4.5 基于准对角递归神经网络多变量PID控制算法
78 (p63): 4.6 数例仿真
83 (p64): 第5章 数字PID控制器的FPGA实现
83 (p65): 5.1 数字PID控制器的硬件架构设计
84 (p66): 5.2 各模块功能设计与实现
84 (p67): 5.2.1 控制模块的设计与实现
84 (p68): 5.2.2 加法器与乘法器设计与实现
86 (p69): 5.3 数字PID控制器的开环仿真
88 (p70): 第6章 基于BP神经网络的PID控制器的FPGA实现
88 (p71): 6.1 硬件架构
89 (p72): 6.2 各功能模块的设计及实现
101 (p73): 6.3 仿真实验及结果分析
110 (p74): 第7章 基于遗传算法的PID控制器的FPGA实现
111 (p75): 7.1 基于GA的PID控制器的硬件架构
113 (p76): 7.2 各个功能模块设计与实现
113 (p77): 7.2.1 控制模块设计与实现
115 (p78): 7.2.2 随机数模块设计与实现
118 (p79): 7.2.3 存储器模块设计与实现
120 (p80): 7.2.4 适应度模块设计与实现
124 (p81): 7.2.5 初始化模块设计与实现
125 (p82): 7.2.6 选择模块设计与实现
126 (p83): 7.2.7 交叉变异模块设计与实现
128 (p84): 7.2.8 存储模块设计与实现
129 (p85): 7.3 仿真实验及结果分析
129 (p86): 7.3.1 各模块的功能仿真
133 (p87): 7.3.2 基于遗传算法的PID控制器闭环仿真
138 (p88): 第8章 基于粒子群算法的PID控制器的FPGA实现
138 (p89): 8.1 粒子群算法运行参数的选择
138 (p90): 8.2 基于粒子群算法的PID控制器的硬件架构
141 (p91): 8.3 各功能模块设计与实现
141 (p92): 8.3.1 控制模块设计与实现
142 (p93): 8.3.2 存储器模块设计与实现
143 (p94): 8.3.3 全局最优模块设计与实现
144 (p95): 8.3.4 局部最优模块设计与实现
146 (p96): 8.3.5 惯性因子模块设计与实现
146 (p97): 8.3.6 速度位置更新模块设计与实现
148 (p98): 8.3.7 其他模块设计与实现
148 (p99): 8.4 仿真实验及结果分析
151 (p100): 附录
151 (p101): 附录A 主要算法的基本程序
151 (p102): A.1 基于BP神经网络的PID控制器参数整定源程序
155 (p103): A.2 基于小波神经网络的PID控制器参数整定源程序
159 (p104): A.3 基于改进遗传算法的PID控制器参数整定源程序
162 (p105): 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
168 (p106): A.5 实数编码的粒子群算法源程序
173 (p107): 附录B 基于粒子群算法的PID控制器的FPGA实现源程序
190 (p108): 附录C Modelsim SE的使用简介
191 (p109): C.1 添加Altera仿真库的步骤
194 (p110): C.2 功能仿真步骤
203 (p111): 参考文献
网盘下载
[!pan]+夸克网盘
夸克网盘