基于神经元智能PID控制器的研究

用神经元的自学习功能构成了智能PID控制器.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、参数物理意义明确的优点,又具有神经网络自学习、自适应的能力.     

基于神经网络的自学习模糊控制

将神经网络与模糊控制相结合，提出了一种基于神经网络实现自学习模糊控制的方法，并给出了神经网络训练、控制器离线自学习、控制器在线自学习的相应算法，利用该方法，可以实现控制器的离线自学习和在线自学习，从而在控制对象发生变化时，通过控制器自学习改善系统的控制性能，仿真结果表明了该方法的有效性。     

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。     

基于神经网络的自学习控制

本文提出了一种基于神经网络和专家系统技术的自学习控制方法，该方法用BP算法训练控制器，采用专家系统技术生成教师信号指导学习过程。仿真结果表明该方法具有较强的自学习能力。     

T-S型模糊RBF神经网络多变量自适应控制器的研究

提出Ｔ Ｓ型模糊ＲＢＦ神经网络模型,并将该网络模型应用于多变量控制系统,构成多变量自适应控制器．同时对网络结构和参数的学习算法及网络参数的在线自学习算法进行研究．仿真结果表明本文提出的学习方法是有效的,该多变量控制器具有良好的自适应控制能力     

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。     

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。     

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。     

一种新型神经网络结构的PID控制器及其仿真研究

出了一种新型的神经网络结构的ＰＩＤ控制器（Ｎ－ＰＩＤ）,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．还给出了Ｎ－ＰＩＤ控制器的结构、计算公式及二阶对象下系统的仿真结果．     

多层前馈神经网络在自动控制系统中的应用

基于神经网络所具有的灵活强大的学习能力,提出了一种用多层前馈神经网络实现的控制器．该控制器通过学习系统的逆动力学特性,能由系统反馈回的输入／输出状态及未来期望输出值直接得到应加在系统输入端的控制量．另外,通过引入系统的神经网络正向模型,可将系统输出端的误差经网络逐层反传,在线调节神经网络控制器的权重,从而使控制器具有自学习能力,以适应控制对象参数的变化,确保良好的控制效果．     

九点控制器在磁力轴承控制中的应用

介绍了主动磁力轴承系统的工作原理和数学模型,针对该系统的高度非线性、本质不稳定性和参数不确定性,提出了一种适合于该系统的九点控制器的设计方案,该控制器具有控制算法简单、参数容易整定和抗干扰能力强等特点.在Simulink中的仿真结果表明,将该控制器用于磁力轴承系统的控制,与PID控制相比,能够明显减少系统的调节时间,系统抗干扰能力增强,设计方案有效.     

最少拍控制器的设计方法

最少拍控制器对输入响应快，但是有静差存在。ＰＩＤ控制器适应性强，但是响应比较慢。我们可以设计一种新的控制器同时具有两者的优点。本文研究了这种控制器的设计方法。     

一种经济型非线性控制器的设计及其应用

本文给出了一种经济型非线性控制器的设计方法．这种控制器由专家形式的智能协调控制器、模糊预估控制器、模糊前馈控制器以及非线性控制器组成，并简要说明了以此控制器构成的集散控制系统．     

具有执行器饱和系统的控制器设计理论及应用研究

在实际的控制系统中，带有执行器饱和系统是一类常见的非线性系统，如果仅用传统的线性方法对系统控制，执行器的饱和将使系统的动态性能降低，甚至导致闭环系统不稳定。为了降低饱和对闭环系统的影响．本文设计了由非线性控制律和PID控制器两部分组合而成的控制器。非线性部分使闭环系统输出达到设定值时有较大阻尼率以降低超调量。本方法应用于伺服跟踪系统，仿真结果表明了该方法的有效性。     

空调器模糊控制优化设计法——动态积分法

基于工程实践中空调器控制的一些缺陷，从模糊控制器的数学本质出发，分析了现有的改善空调器模糊控制器的控制性能的可行方法。在此基础上，提出一种能够实现在线自调整规则的动态积分优化设计方法，设计了相应的控制器。仿真结果表明，该模型控制比无积分、常规积分模型超调量小得多、稳定性也更好，模糊控制器的性能得到了较大的提高，而且简单易行，适合于硬件实现，并且节能效果显著，可达14％。     

无刷直流电机的自适应模糊PID控制器设计

无刷直流电机发展迅速,稳态控制要求日益提高,比例积分微分控制以良好的控制性能成为其首选控制方法,但控制参数整定困难费时,且当对象特性发生变化需要控制器参数作相应调整时,该控制器缺乏自适应能力,必须重新整定参数。提出一种结合自适应模糊的控制方法,仿真结果表明,和基于相角裕度整定算法相比,响应速度快,超调量小,系统性能稳定,鲁棒性好。算法综合了模糊控制和比例积分微分控制的优势,实现了控制的快速性和精确性的统一。     

基于ELMAN神经网络的PID控制器设计

提出了一种将PID控制与ELMAN神经网络自适应、自学习相结合,基于计算机的新型神经网络智能PID控制(NNPID)方法.采用PID控制器和NN控制器共同调节,给出了NNPID控制器的结构、算法及二阶对象下系统的仿真结果.     

基于频域的新型PID型模糊控制器设计及其参数整定

基于频域理论对模糊控制器结构进行了改进 ,并根据给定相角裕度和幅值裕度对模糊控制器的参数进行整定 .这种方法可离线对控制器的参数进行设计 ,也可对在线调整提供指导 ,将 PID参数与模糊控制器参数联系起来     

深孔电解加工中模糊神经网络控制方法的探讨

针对电解加工过程中由加工参数相互影响导致的系统复杂的和不确定性,结合模糊控制的推理性特、神经网络自适应和并行运算的特点,设计了利用神经网络反馈学习调整模糊控制器结构参数的模糊神经网络控制器。仿真试验表明,该控制器能够较好地完成控制任务。     

RBF神经网络整定的模糊控制在二次调节控制系统中的应用

为了克服实际控制系统中存在的非线性和参数时变性所引起的常规控制器控制性能恶化，提出了一种新的控制方法——基于RBF神经网络整定的模糊控制，并在文中给出了具体算法，该控制方法以无量化解析模糊控制为主体，采用RBF神经网络对控制对象进行辨识，然后利用辨识所得到的Jacobian信息在某一给定的控制性能指标下对控制参数进行在线调整，将其应用于二次调节控制系统，并对系统进行了仿真，系统采用不同控制器的仿真典线表明：基于RBF神经网络整定的模糊控制具有更好的控制性能。