基于NEI调节机制的非线性智能优化控制器

基于神经内分泌系统的整体调节机制,提出一种非线性优化智能控制器.该控制器由提呈单元、抗体控制单元、主控单元、优化单元和辨识单元组成.提呈单元根据免疫提呈机制对控制偏差进行动态处理,抗体控制单元通过调整控制实体的数量来消除控制偏差,主控单元调整提呈单元和抗体控制单元的控制作用,优化单元和辨识单元优化提呈单元和抗体控制单元的参数.仿真结果表明,相对于传统的PID控制,该智能控制器具有较好的控制性能.     

一种基于内分泌超短反馈机制的智能控制器

基于激素分泌调节的超短反馈机制,设计了一种智能超短反馈控制器(NUC),并给出了其具体控制算法.该NUC包括传统控制单元、超短反馈单元、信号运算单元和信号输出单元等.NUC的控制输出信号,首先经超短反馈单元传输至信号运算单元,然后信号运算单元按照激素调节分泌规律进行处理.最后,信号运算单元处理后的信号与传统控制单元的输出信号,经信号输出单元进行合并运算和输出,从而构成一种非线性控制算法.仿真结果表明,相对传统PID控制,NUC具有较好的稳定性、鲁棒性和抗干扰能力.     

基于NEI 调节机制的非线性智能优化控制器

基于神经内分泌系统的整体调节机制,提出一种非线性优化智能控制器. 该控制器由提呈单元#抗体控制单元,主控单元,优化单元和辨识单元组成 .提呈单元根据免疫提呈机制对控制偏差进行动态处理,抗体控制单元通过调整控制实体的数量来消除控制偏差,主控单元调整提呈单元和抗体控制单元的控制作用,优化单元和辨识单元优化提呈单元和抗体控制单元的参数 .仿真结果表明,相对于传统的PID 控制,该智能控制器具有较好的控制性能.

     

基于CAFSA-FNN的扭矩加载系统控制研究*

针对磁粉制动器扭矩加载系统的非线性和滞后性,提出了一种基于混沌人工鱼群-模糊神经网络(CAFSA-FNN)PID控制器。该控制器采用基于Mamdani模型的模糊神经网络来整定PID控制器的控制参数,并结合混沌人工鱼群算法离线粗调和BP算法在线细调来学习和调整模糊神经网络的参数。利用Matlab进行离线仿真优化,在此基础上使用PID控制器、模糊神经网络控制器、人工鱼群-模糊神经网络控制器以及本文设计的控制器进行磁粉制动器扭矩加载实验,实验结果证明了该控制器的稳定性、快速性和有效性,能够解决滞后性问题。     

改进型模糊神经网络PID控制器的设计与仿真

传统PID控制器存在控制参数无法在线调整、控制效果差等问题。为了解决这些问题,本文提出了一款基于改进型模糊神经网络的智能PID控制器。该控制器不仅融合了模糊控制的推理能力和神经网络的学习能力,还创造性地将模糊规则参数化,使模糊规则也可以在线调整,进而提高了控制的准确性。同时,通过建构新型激活函数——IThLU函数,有效地避免梯度消失及梯度爆炸现象的发生,提高了控制的响应性。最终的仿真实验结果表明：这种改进型模糊神经网络智能PID控制器可以实现控制参数的在线实时调整,提高系统的响应性、稳定性和准确性,是对PID控制算法的有效改进。     

基于回声状态网络的电子节气门复合智能控制

针对强非线性复杂时变的电子节气门,研究了一种基于回声状态网络的复合智能控制器,并给出了该复合智能控制器的结构和实现方法.该复合智能控制器由前馈控制器和反馈控制器两个部分组成.前馈控制器为一个基于回声状态网络的逆模型控制器,用于抵消电子节气门的非线性特征;反馈控制器是PID控制器,用于补偿逆模型的建模误差,提高系统的鲁棒性.仿真实验表明,该控制器的实际效果良好.     

基于嵌入式软PLC技术的智能控制器设计

市场现存的智能控制器控制成功率低,控制过程消耗时间过长,整体性能较差。为了解决上述问题,基于嵌入式软PLC技术设计了一种新的智能控制器,在硬件元件功能方面进行优化设计,选用PLC6ED1055-1CB00-0BA0型号编辑器作为编辑模块主参考元件,设定智能控制器编辑模块,选用8460+8560系列增量型编码器作为智能控制器编码模块的核心设备,选用ZQWL-CANET-1C111型号调试器实现智能控制器调控。以嵌入式为主的软件操作主要采用直接存址方式进行系统数据储存,通过离散化处理实现控制程序,在理论操作的过程中需不断注意对主系统软件程序的保护,确保控制器工作过程的稳定性。为了验证控制器效果,设定对比实验,结果表明,基于嵌入式软PLC技术的智能控制器控制成功率比传统控制器高出15.28%,消耗时间更短,实用价值更高。     

神经网络相平面分区控制器研究与仿真

将神经网络的在线学习、即时调节功能与相平面分区的逻辑判断特性相结合提出了一种新的智能控制器———神经网络相平面分区控制器.该控制器将系统响应的基本性能与相应工况的控制作用力的划分和作用强度在相平面上建立起了实时的相互对应关系,从而使各分区内的控制参数能随着被控对象的变化在线自动调节参数,具有自适应能力.仿真结果表明,利用该方法设计的控制器闭环性能好、鲁棒性强.该方法为非线性控制提供了一种有效的控制器设计途径.     

非线性磁悬浮控制系统的周期运动稳定性研究

通过分析基于串级PID控制器的非线性磁悬浮系统的hopf分岔现象,从控制参数与系统周期解稳定性的关系角度阐述磁悬浮系统产生振动的原因之一,给出了串级PID控制算法,建立了四阶磁悬浮系统动力学模型,并得出了控制参数的渐近稳定范围和hopf分岔条件,采用中心流形定理方法得到二阶降维模型,通过计算其PB规范形得到hopf分岔的稳定性以及对应极限环的振动频率,分析结果表明基于串级PID控制的磁悬浮系统具有一个不稳定的hopf分岔点,在该点附近系统将会产生频率约为5～7赫兹、持续但最终发散的振动。     

基于模糊自适应串级PID控制器的仿生机器鱼位姿控制

为提高仿生机器鱼位姿的控制精度,针对串级PID控制器中固定的内环比例、积分、微分系数不能较好地适用于仿生机器鱼所面临的复杂水环境,且控制参数整定难度大等问题进行了研究。首先,在串级PID控制器的仿生机器鱼位姿控制的基础上,利用模糊控制实时调整串级PID控制器中内环的控制参数,提出基于模糊自适应串级PID控制器的仿生机器鱼位姿控制算法。然后,在多水下机器人协作控制系统平台下进行对比实验。实验结果表明,与串级PID控制器相比,模糊自适应串级PID控制器减少了仿生机器鱼到达目标位姿的时间,降低了位姿误差,验证了算法的有效性。     

冷连轧模糊反馈AGC系统的设计与仿真

设计了一种模糊控制器，该控制器结构简单，参数调整方便，快捷，将其与PI调节器结合组成智能型复合控制器，并成功应用于冷轧带钢的厚度自动控制（AGC）系统中，仿真实验表明，该控制器的控制性能远优于常规的PID控制器，为冷轧带钢厚度精度的提高提供了一种新的尝试。     

基于双因子调节的免疫控制器的设计、实现与分析

基于一种双因子免疫非线性反馈模型，结合控制系统的特点，构造出一个双因子免疫控制器，并给出了它的结构形式．理论研究和仿真试验均表明具有该免疫控制器的系统能够无余差地跟踪恒定输入．本文还将该免疫控制系统与免疫PID控制系统进行了对比仿真研究，结果表明，本文提出的双因子免疫控制器在抗纯滞后、适应对象参数变化等方面均优于免疫PID控制器，且参数选择方便．     

基于神经网络和弹性积分的控制器设计及应用

提出一种新型的智能PID控制器。将前馈神经网络BP网络作用在弹性积分控制器上,在线调整控制器的参数,采用RBF神经网络作为辨识器在线辨识控制输出对控制输入对象变化的灵敏度信息,提高系统的控制精度。该智能控制器实现了整体性能优化和个别参数优化相结合的思想。通过MATLAB仿真,该新型控制器具有超调量低、鲁棒性好等控制效果。     

一种基于行为控制的两自由度机械臂智能控制器

基于行为的控制方法相对于传统的控制方法在解决未知环境中的机器人中有着更好的鲁棒性和实时性.本文提出了一种基于反应式行为控制的智能控制器,以强化学习作为智能控制器的学习算法.通过采用评价-控制模型,该智能控制器能够不依赖于系统模型,通过连续地在线学习得到机器人的行为.将该智能控制器应用到两自由度仿真机械臂的控制中,仿真结果表明该智能控制器可以实现对两自由度机械臂的连续控制,使其能够迅速达到目标位置.     

Intelligent transportation control system design using wavelet neural network and PID-type learning algorithms

In this paper, an intelligent transportation control system (ITCS) using wavelet neural network (WNN) and proportional-integral-derivative-type (PID-type) learning algorithms is developed to increase the safety and efficiency in transportation process. The proposed control system is composed of a neural controller and an auxiliary compensation controller. The neural controller acts as the main tracking controller, which is designed via a WNN to mimic the merits of an ideal total sliding-mode control (TSMC) law. The PID-type learning algorithms are derived from the Lyapunov stability theorem, which are utilized to adjust the parameters of WNN on-line for further assuring system stability and obtaining a fast convergence. Moreover, based on H_∞ control technique, the auxiliary compensation controller is developed to attenuate the effect of the approximation error between WNN and ideal TSMC law, so that the desired attenuation level can be achieved. Finally, to investigate the effectiveness of the proposed control strategy, it is applied to control a marine transportation system and a land transportation system. The simulation results demonstrate that the proposed WNN-based ITCS with PID-type learning algorithms can achieve favorable control performance than other control methods.     

时滞系统的自适应模糊控制器的研究

利用模糊控制方法研究出一种自适应智能控制器，将Smith预估器和内模控制结构结 合起来，能在一定的模型误差范围内得到良好的控制品质．主要控制量来源于模糊控制器,通过智能积分对模糊控制器不能消除的稳定误差进行克服，并对系统性能进行监测，使用模糊控制对控制量进行校正．经仿真研究，这种智能控制器在一定的误差范围内有很好的鲁棒性，稳态误差为零．     

具有自适应功能的新型时滞系统控制器

将Smith预估器和内模控制结构结合起来 ,利用模糊控制方法研究出一种智能控制器 ,能在一定的模型误差范围内得到良好的控制品质。主要控制量来源于模糊控制器 ,通过智能积分对模糊控制器不能消除的稳态误差进行克服 ,并对系统性能进行监测 ,使用模糊控制对控制量进行校正。经仿真研究发现 ,这种智能控制器在一定的模型误差范围内有很好的鲁棒性 ,稳态误差为 0。     

The intelligent integrated speed controller of DTC for induction motor

The parameters selection of proportional coefficient and integral coefficient (PI) for speed controller is important for direct torque control system. However, it is difficult to adjust these parameters. In this paper, firstly, we use particle swarm optimization to search the appropriate PI values of the speed controller. Secondly, based on the optimized PI parameters, the fuzzy-PI speed control strategy is presented to solve the poor self-adaptability problem. Thus, the proportional coefficient k _p and integral coefficient k _i can be adjusted dynamically to adapt to the speed variations. And finally, to obtain the high-speed parallel processing ability, the well-trained RBF neural network replaces the fuzzy-PI speed controller. The comparison with conventional PI speed controller shows that the proposed intelligent integrated speed controller brings good benefits of fast speed response and good stability and reduces the torque ripple. The validity of the proposed intelligent integrated speed controller is verified by the simulation results.     

Adaptive Fourier Series Neural Network PID Controller

In this work, an Adaptive Neural Networks PID controller structure, called Adaptive Fourier Series Neural Networks PID controller (AFSNNPID), is developed. The main objective is to obtain a simple controller for nonlinear systems that can be tuned online to reject perturbations effect and compensate the system parameters variation. Due to its simple architecture and very attractive proprieties, the Fourier Series Neural Network (FSNN) is used to online adjust the parameters of the PID controller. Furthermore, using the delta-rule algorithm, the adaptation dynamics of the FSNN is globally stable. The design procedure of the proposed controller and the stability analysis of the closed loop system using the small gain theorem are given. To assess the effectiveness of the proposed control scheme, the control of a 3-DOF robot arm manipulator is considered and a comparative study, using the adaptive neural network PID controller and the particle swarm optimization based PID controller, is carried out. The obtained results, through the experimental study, indicate that the AFSNNPID controller presents better control performance than the other controllers.