一种神经网络自适应PID控制器

应用人工神经网络的原理,设计了一种神经网络的职能PID控制器。仿真结果表明,此PID控制器对非线性时不变系统有比传统的PID好的控制效果。该控制器将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确之优点,又具有神经网络自学习、自适应之能力,控制效果明显提高。     

位置伺服系统的单神经元PID/CMAC控制研究

在分析了位置伺服控制系统基本原理和数学模型的基础上,提出了一种单神经元PID/CMAC复合控制算法和控制器的设计方法。用单神经元PID替代常规PID控制,由神经元来在线调整PID控制参数,利用CMAC神经网络的自学习和自适应能力,来完成系统的实时控制。该算法直接应用于位置伺服控制系统,仿真结果表明,与传统PID控制算法相比较,该复合控制算法增强了系统的控制精度,提高了系统的响应速度,具有较强的鲁棒性和抗干扰能力。     

用于电阻炉的单神经元PID控制器的设计及仿真

本文对传统电阻炉PID控制器的不足之处进行了分析,阐述了单神经元PID控制算法的优点。介绍了基于有监督hebb学习算法,并结合实际控制经验而设计的单神经元控制器。分析了单神经元控制器中各个参数的意义与取值原则,并用Matlab软件对单神经元控制器在阶跃输入信号的情况下进行了仿真。仿真内容有：连接权值、k值变化对系统的影响及选取方法;单神经元PID控制器与常规PID控制器的抗干扰能力和调节性能对比。仿真结果证明,该单神经元控制器具有很好的参数自整定能力,且抗干扰能力强,超调量小,其各方面的控制效果均优于常规PID控制器。用于电阻炉温度控制系统的单神经元控制器较之传统的PID控制器能取得更好的控制效果。     

基于电阻炉的单神经元PID控制器的设计及仿真

对传统电阻炉PID控制器的不足之处进行了分析,阐述了单神经元PID控制算法的优点。介绍了根据有监督hebb学习算法,再结合实际控制经验而设计的单神经元控制器。分析了单神经元控制器中各个参数的意义与取值原则,并用Matlab软件对单神经元控制器在阶跃输入信号的情况下进行了仿真。仿真内容有:连接权值、K值变化对系统的影响及选取方法;单神经元PID控制器与常规PID控制器的抗干扰能力和调节性能对比。仿真结果证明单神经元控制器具有很好的参数自整定能力,且抗干扰能力强,超调量小,控制效果在各个方面都要优于常规PID控制器,单神经元控制器用于电阻炉温度控制系统比传统的PID控制器能取得更好的控制效果。     

非线性系统的PID控制器的研究与设计

研究工业过程控制,非线性系统难以建立其精确的数学模型,常规PID算法难以实现其控制.对此,将神经网络算法和PID算法结合起来,为提高性能和响应速度,设计了针对非线性系统的自适应PID控制器,PID控制器采用单神经元来实现自适应调整.分别采用了三种学习算法来实现单神经元PID控制器参数的调整,即基于二次型性能指标的学习算法、基于BP神经网络辨识的学习算法和基于RBF神经网络辨识的学习算法.三种算法的仿真结果表明,都实现了PID控制器的自适应调整的目的,实现对非线性系统的有效控制,证明三种方案的可行性.     

动态定量称重系统神经网络预测PID控制器研究

采用神经网络预测与PID控制理论相结合,为动态定量称重系统设计了一种神经网络预测PID控制器。该控制器算法简单,通过自学习、记忆功能在线调整PID控制参数KP、Kl、KD。建立了动态定量称重系统的仿真模型,将神经网络预测的PID控制与常规PID进行对比分析,神经网络预测PID控制器具有很好的控制效果。     

原油脱水过程单神经元PID解耦控制研究

集输联合站的油水分离是保证产出原油质量的关键工艺过程。在对油水分离沉降过程动态特性深入研究的基础上,给出了其数学模型。联合神经网络PID控制和解耦系统的特点,给出了一种单神经元PID解耦算法。这种方法具有自学习和自适应能力,在一定程度上解决了传统PID调节器不易在线实时整定参数的不足,提高了控制器对系统和环境变化的适应能力。仿真结果表明这种单神经元PID解耦算法可有效改善控制质量,比常规的PID解耦具有更好的动、静态特性和鲁棒性。     

模糊神经网络PID控制器及在DTC中的应用

本文详细介绍了常规控制和模糊PID控制在直接转矩控制系统中的应用，建立在MATLAB仿真模型的基础上．利用多层神经网络构建模糊PID控制器，通过神经网络自学习能力在线提取模糊控制规则，根据不同时刻的误差和误差变化率运用模糊推理在线自整定PID参数。仿真表明，改进的模糊PID控制器具有常规PID控制器更好的效果。本系统适用于高性能交流伺服或调速系统。     

SR电机单神经元PID直接转矩控制系统

针对采用常规PID控制器很难取得很好的控制效果,提出了单神经元PID与常规PID复合控制的开关磁阻电机调速系统的新方法,利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。以速度误差为系统外环输入,大偏差时采用常规PID控制,小偏差时采用单神经元控制。外环的输出变量为内环的目标转矩,送入60kW三相6/4结构的开关磁阻电机直接转矩调速系统内环。仿真结果表明,这种复合控制方法解决了常规控制方法因电机数学模型难以精确确定而无法确定控制参数的问题,并克服了常规P I D控制器参数固定,控制非线性系统差的缺点,很好的解决了系统上升时间与超调的矛盾。系统具有很好的抗干扰能力与鲁棒性。     

压水堆核电站稳压器压力控制系统仿真研究

研究PID控制器参数优化问题,针对稳压器压力控制系统具有复杂非线性、时变性特点,引起系统的输出品质特性较差,超调量大,调节时间长,上升时间长,控制精度差等。传统PID的控制参数难以精确整定,且依赖于对象的精确数学模型。为了提高PID控制精度,减小超调量、调节时间和上升时间,提出用单神经元的神经网络来优化PID控制器参数的方法。通过单神经元的自学习和自适应能力,获得最优控制性能的PID控制参数。仿真结果表明,单神经元神经网络的PID控制方法与传统的PID控制方法相比,系统响应速度更快,超调量更小,为优化控制系统提供了参考。     

挖掘机提升系统神经网络PID控制的研究

建立了280-B挖掘机提升系统的数学模型;针对该系统动态特性的非线性和时变性因素,提出了一种基于BP神经网络的PID控制器的设计方案,该控制器既有经典PID控制算法的特点,又有神经网络良好的自适应和抗干扰能力。Matlab仿真结果表明,基于BP神经网络的PID控制器具有较高的精度和较强的适应性,可以获得满意的控制效果。     

永磁交流伺服系统的神经网络监督控制

针对经典比例积分微分(Proportional Integral Derivative,PID)算法需要准确的数学模型,抗参数摄动和外界干扰能力差,在高度跟踪过程中控制精度低的缺点,设计了基于径向基函数(Radial Basis Function,RBF)神经网络和传统PID复合的控制器,应用于交流伺服位置系统。利用PID控制器实现系统的闭环动力学性能,利用RBF控制器来提高系统的动、静态控制品质,完成了火箭炮位置伺服系统三闭环模型的建立与神经网络离线训练样本的选择,通过仿真表明了此算法可以有效地提高系统的动静态特性。     

MDF施胶系统的神经网络逆复合控制器设计

针对中密度纤维板(MDF)施胶系统,在分析其物理特性的基础上,利用神经网络广义逆控制的方法设计出期望的伪线性系统,并结合经典控制理论,采用PID控制器作为该伪线性系统的闭环控制器.由神经网络广义逆系统与作为附加控制器的PID控制器结合在一起构成的控制器称作神经网络逆复合控制器.为验证该控制器的可行性,通过Matlab进...     

基于BP神经网络的多变量PID解耦控制

基于神经网络的智能PID控制策略，以经典的PID控制理论为基础，并通过具有多变量解耦控制自学习功能的神经网络参数整定来实现。本文给出了网络的结构和算法，示出了一组二元变量强耦合时变系统的实时仿真结果。通过计算机仿真证明，基于神经网络的PID控制具有良好的自学习和自适应解耦控制能力。该系统融解耦器和控制器于一体，易于实现，适用于非线性多变量系统的解耦控制。它使解耦后的系统具有较好的动态和静态性能，特别是当根据BP控制规律确定了网络连接权系数的初值时，还能使系统参数快速收敛。     

基于RBFNN的非线性多变量系统的控制策略研究

针对非线性多变量大时滞系统,研究了一种基于神经网络的智能控制策略。它以经典的PID控制为基础,通过神经网络参数整定,用于多变量系统的解耦控制;用预测模型超前预测系统输出,以克服系统的时滞。该文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真。仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制律下的PID参数,解耦后的系统具有较好的动态和静态性能。该方法具有控制精度高、响应速度快的优点,并具有较强的自适应性和鲁棒性。     

工业锅炉燃烧过程智能控制系统

针对典型的大时滞，非线形的工业锅炉燃烧控制系统．本文提出了一种基于PID神经元网络的工业锅炉燃烧控制系统．在仿真实验的基础上。对PID神经元网络控制与传统的PID控制进行比较和分析，仿真结果表明．PID神经元网络控制方法具有良好的鲁棒性和抗干扰性。其控制效果优于传统的PID解耦控制。     

神经元自适应PID控制器在机组控制中应用

针对机组控制系统动态范围宽、要求响应速度快、超调量小及参数时变的特性,研究了一种基于神经元的自适应PID控制器。利用神经网络的在线调整功能,自动调整PID控制参数,以适应被控过程的参数变化和克服扰动的影响。仿真和实验结果表明,该算法简洁实用,控制效果优于传统的PID控制。     

模糊神经网络pH控制器的DSP实现

针对pH值控制过程具有较强非线性、纯滞后性的特点，传统PID控制往往达不到满意控制效果。介绍一种将模糊控制技术与神经网络技术相结合构成的模糊神经网络pH控制器，通过数字仿真显示了该控制算法的控制效果优于传统的PID控制和一般的模糊控制算法。并将提出的模糊神经网络控制算法在DSP上进行了实现．通过模拟实验验证了该控制器的可行性。     

高速列车速度跟踪神经网络PID控制器的设计

高速列车速度跟踪控制系统是一个复杂的非线性系统,难以取得高精度的跟踪性能。为了减少速度跟踪误差,设计了高速列车神经网络PID控制器。首先建立了描述列车运行过程的单位移多质点模型,该模型考虑了列车的基本阻力和附加阻力以及车厢之间的相互作用力。然后阐述了BP神经网络PID控制,并设计了列车速度跟踪控制器,根据速度误差用神经网络PID控制决定牵引力和制动力。最后与模糊控制和常规PID控制进行了仿真对比,结果表明,神经网络PID控制具有很小的速度跟踪误差和优越的速度跟踪性能,可以满足列车正点运行的需求。