摘要通过对足球机器人运动学模型的分析，考虑到系统的时变、非线性和干扰大等特点，以全向移动机器人为研究平台，提出一种将模糊控制与传统的PID 控制相结合的方法，应用到足球机器人的运动控制系统中。针对足球机器人运动控制中的重点问题，着重提出了基于模糊控制的动态调整PID 控制器的3 个参数kp、ki、kd的设计方法。实验表明，该控制器能较好地改善控制系统对轮速的控制效果。 　　移动机器人是一个集环境感知、动态决策、行为控制与执行等多种功能于一体的综合系统，其运动控制是移动机器人领域的一个重要研究方向，也是移动机器人轨迹控制、定位和导航的基础。传统的运动控制常采用PID 控制算法，其特点是算法简单

基于MCGS的常规PID温度控制系统.MCG

psoToolbox 提供了一个基于交互式 GUI 的工具箱，以使用粒子群优化解决优化问题。 在 M 文件中创建适应度函数。 输入： Function : 适应度函数的函数句柄。 Nvars ：要优化的变量数。 LB : Nvars 的下限 (1 X Nvars) UB : Nvars 的上限（1 X Nvars） 参数： C1 : 认知吸引C2 : 社交吸引力W：惯性人口规模：群体数量Max Iterations ：最大时期数。 点击“RUN PSO”按钮开始PSO搜索。 你会得到输出在轴下方的编辑框中。 要解决命令提示符下的问题，请使用“pso.m”。

PID温控实验平台搭建（二）——PID进阶知识介绍及源码分享 https://blog.csdn.net/qq_35953617/article/details/127849549

粒子群算法PSO优化支持向量机回归算法SVR，python写，自带数据集

文中分别以板球系统和PID算法作为控制系统和控制方法，旨在研究在自动控制领域，利用机器视觉手段采集图像数据的速度和精度能否满足系统高精度控制的需求，采用控制变量法对图像采集频率、图像颜色阈值等参数进行调节，计算图像矩获取板球位置，得出各给定参数在合适范围内时，机器视觉的手段能够满足板球在平板上的位置高精度控制的数据采集需求的结论。

针对传统PID方法对复杂系统非线性问题控制能力不足缺点，提出了一种基于人类学习认识模型的智能PID控制方法。首先建立了人类不同年龄阶段学习认识过程的数学模型，并应用该模型设计了一种可以在线自主调参的智能PID控制器。该控制器不仅具有自学习、自调整的能力，还克服了大多数智能方法计算迭代复杂、没有数学解析模型的缺点。仿真结果表明本文设计的控制器是有效的。

：为了解决一次性整定设置的ＰＩＤ控制参数难以确保控制系统始终处于最佳状态，探讨了 ＰＩＤ 控制器的模糊优化与参数学习自整定方法。基于控制参数调整的模糊性分析，总结了控制参数的 整定原则，研究了参数模糊自整定的机理，讨论了评价函数，定义了奖惩函数，提出了奖惩自学习算 法，设计了含参数学习自整定的控制系统结构。采用上述方法以某车间环境温度控制为例，控制系 统运行结果显示，可将温度稳定地控制在期望的２３～２４℃范围内。工程应用效果表明：该方法稳态 控制精度高，适应能力强，能较好地满足高精度控制的工况需要。

PSO（粒子群优化）是一种受自然启发的技术，用于优化 MUD 中的目标函数。

2020江苏省电子设计竞赛C题（省一等奖）的PID算法仿真，便于基于STM32硬件实现PID控制算法，基于matlab实现PID算法仿真，结果准确可靠，实现简单