原料预热温度的模糊PID-神经元控制

针对具有不确定性、大纯滞后的催化裂化反应再生装置原料预热温度控制,提出了一种模糊PID-神经元控制方法.从介绍催化裂化反应再生装置原料预热被控对象的建模、神经元非模型控制和公式化的模糊控制方法人手,建立了模糊PID-神经元控制系统,设计了模糊神经元混合控制器,并使用神经元来在线调整模糊PID控制器的模糊规则.仿真实验结果表明所提出的模糊PID-神经元控制方法具有强鲁棒性,能有效控制具有大纯滞后和不确定性的对象.     

适用于非线性对象的模糊-神经元控制方法

针对具有严重非线性的受控对象，提出了一种模糊-神经元控制方法。该方法将模糊PID控制器与神经元控制器相结合，用于改善控制器控制非线性对象的性能，以误差、误差变化率及设定值的变化来自调整神经元控制器增益，提高了控制系统的响应速度和鲁棒性。将所提出控制方法用于pH中和过程控制，仿真实验结果表明，该方法具有满意的控制品质及很强的适应性。     

一种基于模糊调节增益的单神经元PID控制方法

提出了一种基于模糊调节增益的单神经元PID控制方法。通过模糊调节单神经元PID控制器的比例增益，达到令人满意的控制效果，明显优于常规PID控制。使用该方法对典型的工业过程对象进行了仿真试验研究，结果表明这种控制方法的优越性。     

酸碱中和反应中pH值的单神经元自适应控制研究

基于酸碱中和反应过程中pH值变化的动态模型,设计单神经元自适应控制器,解决化工生产过程中pH值的PID控制所存在的调节时间长、超调量大和系统抗干扰性差的问题。在相同条件下与PID控制器进行对比实验,实验结果表明单神经元自适应控制器明显改善pH值过程控制系统的动态性能,该控制系统具有较强的自适应性与鲁棒性。     

模糊单神经元控制器设计

本文在综合常规模糊控制器和单神经元PID控制器的优点上,提出了一种新型的模糊单神经元PID控制器设计方案,仿真结果表明这种控制器有比较好的控制效果。     

双转子永磁同步电机控制的建模与仿真

针对传统PID控制方法对双转子永磁同步电机进行控制时参数摄动、抗干扰能力差等缺点,提出一种单神经元模糊PID控制方法。首先建立双转子永磁同步电机的数学模型,设计了单神经元模糊PID控制器,然后利用MATLAB实现了系统设计与仿真。最后通过传统PID和单神经元模糊PID控制的仿真结果进行对比分析,仿真结果表明,单神经元模糊PID控制可以显著提高系统的鲁棒性,使双转子永磁同步电机控制系统具有更好的动、静态性能和抗干扰能力。     

大滞后系统的专家-模糊PID控制器设计

在工业过程中,大滞后系统的时滞、非线性情况严重,常规PID控制往往难以获得理想的控制效果.针对上述情况,设计了一种基于专家经验的模糊与PID并联复合型控制器,能够在PID控制的基础上改善系统的控制品质.介绍了带有可调因子的模糊控制算法,给出了模糊控制器相关参数的整定方法.根据专家经验制定了模糊控制与PID控制的加权系数的整定规则.对具有大迟延、大滞后特性的循环流化床的燃料量与床温模型进行了仿真研究.仿真结果表明:在大滞后系统的控制中,所设计的专家模糊PID控制器能够很大程度的改善系统的动态动性,且具有较好的鲁棒性.     

化工过程pH值的模糊免疫PID控制

针对化工过程pH值变化的非线性、时滞特点,提出一种模糊免疫PID控制方法;该方法依据生物免疫原理设计免疫反馈PID控制器,并使用模糊控制器来实现免疫反馈的非线性函数,然后优化控制器的参数,最后借助MATLAB工具进行仿真实验;PID控制器比例控制由公式5计算,其参数优化结果为K=4.5,η=2.0,Ki=0.009,Kd=6.0。仿真结果显示,模糊免疫PID控制效果优于自适应模糊PID和普通PID控制的控制效果。     

深度确定性策略梯度与模糊PID的协同温度控制

针对现有温度控制系统控温时间长、误差大的问题, 本文提出了一种基于深度确定性策略梯度(DDPG)和模糊自整定PID的协同温度控制. 首先, 模糊PID在控制大滞后系统时, 控制器不能立刻对产生的干扰起抑制作用, 且无法保证大滞后系统的稳定性等问题, 本文建立了模糊PID和DDPG算法相结合的温度控制模型, 该模型将模糊PID作为主控制器, DDPG算法作为辅助控制, 利用双控制器模型实现温度协同控制. 接着, 利用遗传算法对模糊PID的隶属函数和模糊规则进行寻优, 获得模型参数最优解. 最后, 在仿真实验中验证所提方法的有效性. 仿真实验结果表明, 本文提出的算法可有效减少噪声干扰, 减小控制系统的响应时间、误差和超调量.     

基于二次型优化的单神经元PID控制器及其pH过程控制应用

针对pH值控制这种强非线性过程,提出基于二次型优化的单神经元PID学习算法,该算法不用考虑常规PID对非线性过程分段区间划分的问题。基于这种算法的PID控制器解决了普通单神经元PID控制器静态性能不佳的问题。仿真结果表明,这种改进型控制算法比原算法具有更好的自适应能力和抗干扰性能。     

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。     

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。     

无刷直流电机的模糊神经网络控制设计

在无刷直流电机(BLDCM)的控制上,传统PID等控制方法存在或多或少的不足.在模糊PID控制的基础上提出了一种模糊神经网络PI控制器的设计方法.该方法结合了模糊逻辑与神经网络,使得模糊控制器模拟了人的控制功能,不仅对环境变化有较强的适应能力,还拥有自学习能力.相比模糊PID控制,其具有计算量小、稳定性强等特点.对BLDCM进行建模与分析;在BLDCM数学模型的基础上,分别设计模糊PID控制器和模糊神经网络PI控制器;对设计的控制器进行仿真验证并分析.实验结果表明,模糊神经网络PI控制具有跟踪性能好、超调小、响应快、脉动小等优点,其动静态特性均优于模糊PID控制.     

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。     

大滞后系统控制中专家-模糊PID方法的应用

为解决大滞后系统控制难度大的问题,设计了专家-模糊自适应PID控制器,这种控制器既具有模糊PID控制器高精度、稳定性、鲁棒性高的优点,又具有专家控制器进入稳定状态快的特点。对双容大滞后系统控制的仿真实验结果表明,该方法在动态性能上均优于单独采用模糊自适应PID方法,并且能够较快地进入稳定状态。     

基于有序神经网络的神经模糊预测控制

本文使用有序神经网络和改进的模糊控制器构成了一种新型的神经模糊预测控制方法，有序网络学习速度快，所需神经数目少，用事先训练好的有序网络代替传统的预测模型，以期增强输出预测的准确性；同时，用一种改进的模糊控制器原有的PID控制器，增强系统的鲁棒性。仿真结果表明，所提出的神经模糊预测控制方法可以获得理想的控制效果。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

基于神经网络模糊PID的足球机器人控制算法研究

通过对足球机器人运动学模型进行分析,以足球机器人系统为实验平台,论证了神经网络模糊PID控制技术应用于足球机器人运动控制的可行性。将传统的PID控制与神经网络模糊控制相结合,通过PID算法实现控制的准确性,利用神经网络模糊控制提高控制的快速性与自适应性。针对足球机器人运动控制中的实际问题,着重提出了基于神经网络和模糊控制相结合动态调整PID控制器的三个参数KP,KI,KD的设计方法。实验证明该方法增强了控制器的调节能力和简化了控制器设计,同时本方法对模型和环境具有较好的适应能力和较强的鲁棒性。