直流调速系统单神经元自适应速度控制方法

针对直流调速系统,将单神经元自适应PID控制器与负载观测器有机结合,提出了一种基于单神经元的自适应速度控制方法.仿真结果表明,该法不仅结构简单、易于实现,而且克服了单神经元自适应PID控制器抗负载扰动能力不足的缺点,在电机参数变化和负载突变时都具有较好的控制性能.     

基于单神经元的液压挖掘机自适应PID节能控制

在分析单神经元PID特性的基础上,设计了基于单神经元的液压挖掘机自适应PID节能控制器。该控制器通过神经元的自学习,对传统PID控制器的比例、积分、微分系数进行在线调整,实现了挖掘机功率匹配自适应控制。仿真结果显示单神经元PID自适应控制器具有较强的鲁棒性。     

纸浆浓度的自适应模糊调整神经元控制

针对纸浆浓度控制，研究了单神经元自适应PID控制器的实现算法和自学习规律，采用模糊集理论对单神经元学习速率进行动态调整。计算实例表明该控制器应用于纸浆浓度控制比PID凋节器和普通神经元控制器应当具有较好的控制品质。     

船用舵机电液伺服单元单神经元自适应PID控制的研究

在分析了船用舵机电液伺服单元的基本原理和数学模型的基础上,设计了单神经元自适应PID控制器。用单神经元PID替代常规PID控制,通过神经元的学习来调整PID参数,利用神经网络良好的自适应和抗干扰能力．使控制系统对参数变化表现出良好的控制性能和鲁棒性。通过仿真证明了该系统有较好的控制效果。     

一种增益自适应的单神经元PID控制器

针对时滞不确定对象,提出一种单神经元PID控制器,此控制器不依赖于对象模型。由于神经元的权值能在线调整,因此具有自学习和自适应能力,同时应用自适应PSD算法调整比例系数K值的大小,构成了增益自适应的单神经元PID控制器。在MATLAB/SIMULINK下对算法实现仿真控制,结果证明增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强且算法简单适用的控制器,适合于工业上不确定对象的平稳控制。     

单神经元-PID算法在磁轴承系统的研究

常规PID控制器参数往往整定不良，性能欠佳，对磁轴承系统运行工况的适应性很差。而由具有自学习和自适应能力的单神经元构成的单神经元自适应PID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。将神经网络控制思想引入磁轴承系统中，提出了适合于磁轴承单自由度控制的单神经元-PID算法，通过实验探讨了其控制效果，并与传统PID算法控制效果作了比较。     

非对称缸电液伺服系统的改良单神经元PID控制

非对称缸五阶电液伺服系统是一类典型高阶非线性、时变、增益不对称系统，由于动态特性随负载变化大，使用常规PID控制很难满足性能指标的要求，而采用BPNN原理设计成的常规单神经元PID控制器又因学习速率低，收敛速度慢，控制效果不能令人满意．经研制采用20-SIM仿真工具建立仿真模型，设计了一种改良的单神经元PID控制器，其控制的仿真结果表明，该控制器适合于此系统．     

一种增益自适应的单神经元PID控制器

针对时滞不确定对象,提出一种单神经元PID控制器,此控制器不依赖于对象模型.由于神经元的权值能在线调整,因此具有自学习和自适应能力,同时应用自适应PSD算法调整比例系数K值的大小,构成了增益自适应的单神经元PID控制器.在MATLAB/SIMULINK下对算法实现仿真控制,结果证明增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强且算法简单适用的控制器,适合于工业上不确定对象的平稳控制.     

单神经元自适应PID控制器的实现与仿真研究

给出了单神经元自适应PID控制器的算法与控制系统仿真模型。利用单神经元PID控制器的自学习、自适应能力实现PID控制参数的自整定。并对被控对象进行了仿真研究,仿真结果表明,该控制方法与常规PID控制方法相比,具有更好的自适应性和更强的鲁棒性。     

纸浆浓度的自适应模糊调整神经元控制

针对纸浆浓度控制,研究了单神经元自适应PID控制器的实现算法和自学习规律,采用模糊集理论对单神经元学习速率进行动态调整。计算实例表明该控制器应用于纸浆浓度控制比PID调节器和普通神经元控制器应当具有较好的控制品质。     

钻机负载敏感控制系统

针对全液压钻机的回转系统,介绍了负载敏感控制系统的工作原理,建立了数学模型,进行了负载敏感控制系统的仿真与分析。通过分析得知,在钻机上采用负载敏感技术能够提高钻机负载自适应能力,降低能耗;但是在高压、大流量以及负载波动剧烈的情况下,钻机节能效果并不理想。     

基于减法聚类的自适应模糊神经网络的短期负荷预测

论述了基于减法聚类的自适应模糊神经网络（ANFIS：adaptive neuro—fuzzy inference system）的短期负荷预测方法．利用减法聚类的方法确定了自适应模糊神经网络的结构,再结合最小二乘估计法和反向传播算法对参数进行训练．向训练好的自适应模糊神经网络输人相关的影响因素数据进行预测．预测结果显示,自适应模糊神经网络能比人工神经网络获得更高的预测精度和耗费更少的训练时间,所以有更好的使用价值．     

基于自适应模糊PI控制的并联有源电力源滤波器

针对传统有源滤波器无功和谐波复杂的检波单元,以及为克服系统负载切换时对直流侧电容电压的影响,提出了电源电流直接控制的有源滤波器,省去了传统有源滤波器的谐波检测单元,介绍了电源电流直接控制的有源滤波器的基本原理,并且直流侧电容电压采用PI和自适应模糊PI两种控制方式,在Matlab/Simulink环境下对两种控制方式在系统响应时间,超调量以及负载扰动情况下进行仿真,并且对两种仿真结果进行了比较.仿真表明采用自适应模糊控制的算法,系统的响应速度加快,调节精度提高,稳态性能变好,而且没有超调和振荡,具有较强的鲁棒性.     

基于反步法和电流滞环PWM的异步电动机控制

针对异步电动机具有不确定负载的情况,利用反步法来设计转速和磁链跟踪控制器。为减少自适应反步法计算量以及合理简化控制结构,一方面采用负载转矩观测器来实时快速估计负载转矩,另一方面选用电流滞环PWM电压源逆变器来降低系统的阶数。理论分析和仿真结果验证了反步法、负载观测器和电流滞环PWM相结合设计的有效性和可行性。     

泵控马达系统微机控制的实验研究

结合自动控制理论研究了泵控马达系统的微机控制。设计了PID控制器和模型参考自适应控制方案,实验结果表明,当系统参数不变时,这两种控制器都能很好地工作。当系统参数变化较大时,模型参考自适应控制器的性能显著优于PID控制器。     

直流调速系统鲁棒控制的一种新方法

从模型参考自适应控制理论出发,针对直流调速系统,提出了一种鲁棒自适应速度控制方法．为了提高系统抗负载扰动的能力,引入负载观测器重构不可量测的负载电流参与控制．仿真结果表明,系统跟随能力强,对参数的摄动,以及负载扰动均具有较强的鲁棒性．     

ITSGrid资源调度策略的研究

定义了系统负载均衡评价值和资源节点满意度评价模型,并在此基础上设计了一种分布式资源自适应调度算法(GLBCQ),同时兼顾全局负载均衡和用户自定义的服务质量,可根据智能交通系统计算任务的自定义服务质量需求,结合当前智能交通系统网格的系统负载状况,为提交的任务自适应地选择最优资源．仿真实验结果表明,GLBCQ算法具有更高的效率和自适应性,能够促进智能交通系统网格的系统负载均衡以及整体性能的提升．     

无刷直流电动机控制系统的单神经元控制器

为了克服电机非线性、变参数的影响,本文研究了适用于无刷直流电动机控制系统的单神经元自适应ＰＩＤ控制器。对线性和非线性单神经元自适应ＰＩＤ控制器的分析和仿真表明线性单神经元控制系统具有响应快、鲁棒性强、自适应好等特点,易于实现实时控制。     

自适应神经模糊推理系统在起重机稳钩控制中的应用

起重机小车─吊重系统具有多变量、非线性和钢丝绳长度不确定性的特点,造成吊物移动过程中摇摆很难控制.提出一种基于自适应神经模糊推理系统(ANFIS)的控制方法应用于起重机的稳钩控制,该方法采用反向传播算法(BP)和最小二乘算法(LS)的混合算法对小车─吊重系统样本数据进行学习,调整各变量的隶属度函数,自动产生模糊规则.仿真结果表明,这种控制方法对小车─吊重系统的摇摆角度和小车位置的控制过程具有良好的动态性能和较强的鲁棒性能,说明了自适应神经模糊推理系统在起重机稳钩控制中的有效性.     

CDMA系统的自适应拥塞控制算法研究

从降低开销的角度出发，提出了一种自适应的码分多址（CDMA）系统拥塞控制算法。在该算法中，数据移动台根据基站广播的反向激活比特和自适应概率值以概率方式升降速率，其中自适应概率值根据系统剩余容量动态地调整。经过理论分析和系统级仿真，验证了自适应拥塞控制算法在控制系统负载的条件下，提高了系统吞吐量。