基于改进型单神经元自适应PID的改性塔压力控制器

本文通过采用单神经元自适应PID控制技术来处理粉状炸药连续生产工艺中改性塔压力的控制问题,着重研究了单神经元自适应PID控制器的设计以及对算法的改进。并通过MATLAB进行了仿真,将单神经元自适应PID控制算法与常规PID控制算法进行了比较,结果表明单神经元自适应PID控制效果远远优于常规PID控制算法。     

用继电自整定实现神经元PID智能控制

当前工业过程对控制品质要求越来越高,需要更先进的PID控制器参数整定方法来满足过程控制的要求。该文提出了神经元自适应PID控制器PID继电自整定相结合构成PID智能控制系统的方法,即利用PID继电自整定算法获取神经元自适应PID控制器权系数的初值,然后将得到的初值送到神经元自适应PID控制器,并且切换到自适应控制模式,从而实现神经元PID智能控制。同时分析了神经元自适应控制系统的稳定性,用Matlab中的Simulink进行了仿真模拟,得到了满意的结果。     

变惯量智能伺服控制器设计

设计基于微芯公司的dsPIC30F6010A单片机的伺服控制器实现单神经元自适应PID控制算法;借助于Matlab的Simulink和M语言对经典PID控制和单神经元自适应PID算法进行仿真,以验证分析结果;根据单神经元自适应PID控制的仿真结果,可确认单神经元自适应PID控制不仅能够适应惯量的变化,而且还改善了系统的动态性能。     

无刷直流电动机单神经元自适应PID控制及改进

研制的无刷直流电动机单神经元自适应PID控制器，实现了在线调整PID参数的目的，克服了电动机非线性、参数易变的影响；同时引进变速控制算法对神经元比例参数K的给定进行了在线改进。仿真结果表明，单神经元自适应PID控制器自适应能力好，响应快．鲁棒性强．系统静态和动态特性良好，而且采用变速控制改进算法后，速度的调节器品质有所提高。     

基于单神经元自适应PID控制器的无刷直流电动机控制方法研究

研究三种单神经元自适应PID控制器,并对无刷直流电动机进行转速控制;通过Matlab仿真软件M函数对其进行仿真,总结可调参数的选择规律。通过对仿真结果分析比较,基于二次型性能指标学习算法的单神经元自适应PID控制动态自适应能力强、响应快、鲁棒性好。     

神经元自适应PID控制在开关磁阻电机中的应用

针对开关磁阻电机的特点，提出了神经元自适应PID控制的策略，理论和仿真结果表明，神经元自适应PID控制比常规PID控制具有更好的性能，证明了神经元自适应控制方法在开关磁阻电机系统中应用的可行性和可靠性。     

基于神经元自适应PID的超声波电机速度位置控制

超声波电机是强非线性时变系统,用常规的PID难以取得满意的效果.针对超声波电机的速度和位置控制,提出了神经元自适应PID算法.由于神经元自适应PID可以在线调整其参数值,因此当电机运行情况发生变化时可以通过改变控制参数来实现速度和位置的快速跟踪.实验表明,使用神经元自适应PID算法对超声波电机进行速度和位置控制,可以达到快速响应和高精度的控制效果.     

基于双模控制算法的交流伺服电机的研究

为了提高伺服电机控制的实时性和精确性,满足伺服系统高速度和高精度的控制要求,提出一种自适应神经元模糊PID的交流伺服电机控制算法。该算法充分结合模糊PD控制的强鲁棒性和神经网络控制强大的自学习能力。通过对仿真结果对比分析,结合后的控制算法相比单一的模糊PD算法和单神经元自适应算法,系统的响应速度更快,精度更高。     

神经元PID直流伺服系统

神经网络技术是电机控制方法发展方向之一，本文在介绍一套神经元PID自适应直流伺服系统的基础上，对神经元控制的基本性能进行了探讨。实验证明将神经元理论用于PID控制系统中增强了系统的鲁棒性。     

基于S7-300 PLC的单神经元PID控制器设计与实现

PID控制器在被控对象具有非线性特性或运行环境发生变化时,PID的固定参数导致控制系统性能下降。针对该问题,本文提出在S7-300 PLC上设计和实现基于Hebb学习规则单神经元PID控制器。首先根据神经元的学习能力,设计了基于Hebb学习规则的单神经元PID控制器,仿真测试表明相对于PID控制器,基于Hebb学习规则的单神经元PID能够自适应调整控制器参数,具有系统响应速度快和超调量小等优点。最后在S7-300 PLC上实现了基于Hebb学习规则的单神经元PID控制算法,对温度对象进行控制。实验结果表明,基于Hebb学习规则的单神经元PID算法简单,在PLC上易于实现,有效改善系统性能。     

基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

交流伺服系统基于神经网络的模糊自适应PID控制及其DSP实现

提出一种基于BP神经网络的模糊自适应PID控制器,将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力以及传统PID控制的优点融为一体,形成了对非精确、非线性对象的良好控制策略。针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器（DSP）作为控制器运算单元,以提高系统实时性。对交流伺服系统的实验仿真结果表明,该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于RBF神经网络的PID控制在变风量空调系统中的应用

将RBF神经网络引入PID控制中,建立了一个三层神经网络模型。通过RBF神经网络的在线辨识对PID控制的三个参数进行在线调整,从而改善系统的控制效果。仿真结果表明:基于RBF神经网络的PID控制与传统PID控制相比,具有较强的鲁棒性和自适应能力,控制精度高,效果好,安全可靠。     

基于BP网络PID算法的恒压供水系统研究

采用神经网络控制理论与PID（比例、积分、微分）控制算法,设计一个基于SIMATIC CPU226 PLC的BP神经网络PID控制器。恒压控制系统由BP神经网络PID控制器、丹佛斯VLT2900变频器和水泵机组组成。解决了传统PID控制算法难以保证系统在任何工况条件下始终具有最佳控制性能的难题。试验结果表明：系统可以在线自整定PID参数,具有较好的自适应能力,控制效果比较理想。     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

锅炉串级汽温控制系统设计方法研究

对火电厂锅炉主汽温度控制系统进行了方案设计研究,将预测控制与常规的ＰＩＤ控制方案结合起来,提出了一种串级控制系统的新方法。该方法既克服了单纯ＰＩＤ控制对系统模型要求精度高的缺点,使系统有较强的鲁棒性及良好的跟踪性能,又克服了单纯预测控制由于单层结构而带来的抗干扰性差的缺点,提高了系统的性能指标。     

对角回归神经网络在直流双闭环调速系统中的应用

本文采用一种新型记神经网络－－对角回归神经网络（ＤＲＮＮ）,并结合ＰＩＤ控制器,构成直接自适应控制系统,自适应高速整ＰＩＤ参数,并应用于直流双闭环调速系统。仿真结果表明其性能优于ＰＩＤ控制器,有进一步的前景。     

基于RBF神经网络在线辨识的永磁无刷直流电机单神经元PID模型参考自适应控制

永磁无刷直流电机控制系统是多变量和非线性的.针对传统PID控制方法的不足,提出一种基于径向基函数神经网络在线辨识的单神经元PID模型参考自适应控制方法,并用于永磁无刷直流电机的控制中.该方法构造了一个径向基函数神经网络对系统进行在线辨识,建立其在线参考模型,由单神经元控制器完成控制器参数的自学习,并在数字信号处理器中实现控制参数的在线调节.系统较好地实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性.