模糊PID控制器 该存储库使用C ++来实现模糊PID控制器，以自动调整PID参数Kp，Ki和Kd。

混沌蚂蚁群算法是受自然界真实蚂蚁的混沌行为和自组织行为启发而产生的一种基于群智能理论的优化算法。介绍
了该算法的基本原理,并在对其进行算法分析的基础之上,提出了一种改进的混沌蚂蚁群算法,该改进算法采用全面学习策略
和一种简单的精细搜索策略以提高算法的性能。数值实验表明,该改进算法的收敛精度和结果稳定性优于混沌蚂蚁群算法。
在此基础上,将其应用于对P ID 控制器参数的优化,仿真显示其结果优于混沌蚂蚁群算法。

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

传统的PID控制器参数优化方法容易产生振荡和较大的超调量，因此智能算法如遗传算法（SGA）和粒子群算法（PSO）被用于参数优化，弥补传统算法的不足，但是遗传算法在进化过程中收敛速度慢，粒子群算法存在易于早熟的缺点。在分析量子粒子群算法（QPSO）的基础上，在算法中引入了权重系数，提出使用改进的量子粒子群算法（WQPSO）优化PID控制器参数。将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较。最后，通过三个传递函数实例，分别使用Z-N、GA、PSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计，并对结果进行了分析。

磨煤机的工作性能与进料配比关系密切。针对原煤在水分、灰分、挥发分和可磨性方面的特征差异,设计了基于模糊控制理论的磨煤机进料控制单元。通过应用模糊控制理论,对PID控制参数进行优化,实现了磨煤机工作过程的自动调节,提高了磨煤机的工作性能。文章重点阐述了模糊控制器的设计和PID参数的优化过程。

chapter14 基于粒子群算法的PID控制器优化设计，粒子群算法也是个不错的优化参数算法

使用Matlab中的Simulink来建立的模糊控制仿真，通过大偏差来利用模糊推理调整控制量，小偏差使用PID控制，根据误差E和误差的变化率EC及输出量U，设计模糊控制规则。其中压缩包里有模糊9条，25条以及49条的控制规则，最后会显示出误差E，误差率EC，以及输出U的输出波形图。

可实现对已知传递函数的控制对象直接设计pid数字控制器（采用零阶保持器离散化）

温度PID控制器设计—MATLAB的Simulink，模糊控制和模糊PID控制，可运行。

PID控制的原理、分类、参数整定，举例分析，具体设计案例