模糊神经网络在夹送辊同步控制中的应用

针对滚切式双边剪在钢板剪切过程中的跑偏问题以及夹送辊在输送钢板过程中不同步所造成的钢板跑偏现象,研究了基于模糊神经网络的模型参考自适应控制算法及其在中厚板生产线上双边剪夹送辊传动系统中的应用.利用模糊神经网络的自学习能力整定PID控制器参数,以实现有效的非线性控制.基于此方法进行夹送辊同步控制,以防止钢板跑偏.通过仿真实验,证明了该算法的有效性,说明了模糊神经网络的模型参考自适应控制器在系统参数时变时的控制效果优于传统的PID调节器.     

用PLC改造板带冷剪横切线次品垛板装置

冷剪横切线次品垛板装置是次品钢板分选堆垛的设备,在原生产线的设计中,次品垛板装置是一个简易平台,次品钢板的分选和堆垛全是人工进行,不适应高效率生产的要求。为此,采用PLC对次品垛板装置进行了改造,实现了次品钢板自动垛板的控制。从而提高了生产效率,保证了安全生产,使生产工艺和机组功能更加完善。     

基于神经网络PID在直流伺服电机中的应用

将神经网络与PID控制结合实现了复合控制,发挥神经网络的自适应性强、鲁棒性强和PID控制稳态精度高的优点,提高了直流电动机伺服系统的性能指标。     

神经网络PID控制在永磁直线同步提升系统中的应用

在建立永磁直线同步电动机数学模型的基础上,分析了伺服控制系统的控制要求,结合神经网络和PID控制的特点,设计出了永磁直线同步电动机提升系统的控制系统.仿真结果表明,此控制系统对系统参数变化和外部扰动具有很强的鲁棒性.     

基于模糊神经网络UC轧机中间辊弯辊控制

由于UC轧机中间辊弯辊回路的数学模型具有很强的时变性和不确定性,常规的PID控制算法无法对系统变化做出快速、精确的反应,板形的精度不易保证.为此设计一种模糊神经网络控制器并将其应用于中间辊弯辊回路控制中,在网络训练过程中用遗传算法进行寻优,将搜索范围缩小后再利用BP网络来精确求解.仿真结果表明,该模糊神经网络控制器比单独用BP算法训练网络能更好地跟踪二次板形的目标设定值,系统响应快、超调小、鲁棒性强.     

基于变结构PID的仿生机器人机电控制算法

通过对仿生机器人机电控制设计的优化提高仿生机器人电动机运行的稳定性和可靠性,提出了一种基于变结构PID模糊神经网络的仿生机器人机电控制算法.仿生机器人机电控制单元模型主要由DC/AC逆变器模型、微型同步电动机、内环控制器模型和电压外环控制器模型组成.采用变结构的前向三层自适应PID神经网络模型为学习器,实现了机器人机电控制算法的优化设计.仿真结果表明,采用该方法进行仿生机器人的机电控制,输出状态响应的稳健性较好、适应度较高,有较好的控制品质.     

神经网络PID控制在永磁直线同步提升系统中的应用

在建立永磁直线同步电动机数学模型的基础上,分析了伺服控制系统的控制要求,结合神经网络和PID控制的特点,设计出了永磁直线同步电动机提升系统的控制系统．仿真结果表明,此控制系统对系统参数变化和外部扰动具有很强的鲁棒性．     

机载稳定平台的神经网络PID控制

控制机载稳定平台使机载相机保持相对稳定保证航拍质量。基于机载稳定平台控制系统的非线性时变控制特点,针对PID控制在非线性时变系统中的不足,利用神经网络的非线性映射能力和自学习自适应能力,提出将三层神经网络和PID控制相结合的神经网络PID控制,并对机载稳定平台进行控制及MATLAB仿真。仿真结果表明机载稳定平台采用神经网络PID控制比传统PID控制具有更高的控制精度。     

基于迭代学习的永磁直线同步电动机扰动抑制

针对永磁直线同步电动机中存在的周期性扰动问题,提出了一种闭环迭代学习控制算法.该算法通过上次迭代时的输入信息和输出跟踪误差的PID校正项来获得本次迭代的控制输入.基于迭代学习控制思想并结合PID控制,设计出应用于直线电动机运动系统的迭代学习控制器.仿真结果表明,与传统的PID控制相比较,所提出的控制方法能够使系统的跟踪效果更好,且保证了在较少迭代次数下,被控系统的输出轨迹能精确地收敛到期望轨迹.     

插电式混合动力汽车离合器控制方法及仿真研究

插电式混合动力汽车配备了发动机、电动机等多个动力源,在急加速过程中会产生很大的瞬间扭矩,从而给离合器的接合带来一定的控制难度.通过对汽车起步过程中离合器的运动过程进行动力学分析,从而抽象出目标跟踪控制问题,并分别采用PID和自适应模糊神经网络控制方法对离合器进行调节.仿真结果表明:自适应模糊神经网络控制比PID控制能更好地提高离合器的动态性能,显著改善滑磨功和冲击度.所建模型可直接生成C语言代码并与底层软件集成,形成实际控制软件.