基于遗传算法的模糊神经网络控制器在烘干炉温度控制系统中的设计与仿真

以烘干炉温度为被控对象,由于烘干炉温度控制具有非线性、大滞后和无法建立精确数学模型等特点,传统的控制器很难达到理想的控制效果,为此设计了一种基于遗传算法的模糊神经网络控制器.基于遗传算法的模糊神经网络控制器是将遗传算法的全局寻优和BP算法的在线学习结合起来,先用遗传算法对神经网络的参数进行离线训练,然后再用BP算法对模糊神经网络控制器进一步在线学习.仿真结果表明,基于遗传算法的模糊神经网络控制器与模糊控制、传统PID控制相比较,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到良好的控制效果.     

模糊神经网络控制器参数修正方法研究

模糊神经网络控制器是一种将模糊逻辑与神经网络相结合的智能控制器 ,其既不依赖于被控对象精确的数学模型 ,又能根据被控对象参数和环境的变化自适应地调节控制规则和隶属函数参数 ,但是存在着在线修正权值计算量大、过度修正权值还可能导致系统剧烈振荡等缺点。针对存在的问题 ,提出了一种模糊神经网络控制器的优化方法 ,即在线自学习过程中 ,仅对控制性能影响较大的控制规则所对应的权值进行修正 ,以减小计算量 ,根据偏差及偏差变化率的大小自适应调节权值修正步长 ,避免系统发生剧烈振荡。     

CNC机床伺服系统中模糊自整定PID控制研究

在CNC机床伺服进给系统中,控制对象的位置、速度具有不确定性和非线性,很难去建立精确的数学模型,而常规PID控制器的参数无法随着被控对象参数的变化而及时调整。模糊控制降低了对被控对象数学模型的要求,只需把经验知识转化为控制策略,进而使模型难以确定的复杂系统得以有效的控制,模糊PID控制器结合了常规PID控制和模糊控制的优点,将其应用于CNC机床伺服进给系统中,在MATLAB环境下进行仿真分析,结果表明,模糊自整定PID控制器具有更好鲁棒性,改善了伺服进给系统的动态性能。     

中央空调变风量系统模糊-PID控制器的研究

空调房间是一个多干扰、大惯性的高度非线性系统,难于建立精确的数学模型.将常规的模糊控制与经典的PID控制相结合,设计了变风量模糊-PID控制器.Matlab仿真实验表明,变风量模糊-PID控制器对被控对象的参数变化不敏感,具有超调量小、调节时间快、控制精度高等优点,更符合舒适和节能的要求.     

基于PLC和WinCC的水箱液位模糊控制研究与应用

采用S7-300的CPU315-2DP设计了一个单容水箱的液位模糊控制器,该模糊控制器克服了传统PID控制对被控对象精确数学模型的依赖.通过查询预先计算出的模糊控制量表直接实现智能控制.通过在WinCC中的参数连接与设置,实现液位运行画面的监测.实验结果表明该控制系统运行可靠有效,其鲁棒性明显优于传统的PID控制方法.     

电子封装模具恒温控制系统的设计与实现

针对温度控制系统的纯滞后的特点,根据电子封装模具温度精确控制的需要,提出了基于Smith预估器和模糊自适应PID控制器的温度控制系统的设计方法。首先,根据阶跃响应建立被控对象的数学模型,然后在被控对象的数学模型的基础上设计出Smith预估器;其次,建立Mamdani模糊模型,实时对增量PID控制器的3个参数进行修正;最后,实现电子封装温度控制的硬件系统和软件系统的设计。该设计解决了纯滞后对控制系统稳定性的不良影响,大大提高了温度控制的精度,并且基于此种方法的硬件系统和软件系统也易于实现,可靠性高,鲁棒性好。     

pH过程的FNNC-PI控制研究

在化工、生物及废水处理工程中 ,大量存在着的 p H过程需要得到精确的控制。由于 p H过程是一个具有严重非线性及滞后性的被控对象 ,传统的 PID控制或非线性 PID控制难以达到理想的控制效果。这里给出了一种模糊神经网络控制器与传统 PI相结合的控制方法 ,即 p H过程的 FNNC- PI控制方案 ,该方案能很好地处理 p H过程的严重非线性和滞后性 ,而且具有较强的鲁棒性和抗干扰能力。     

智能PID控制在中央空调冷水系统中的仿真研究

针对中央空调冷水系统是典型的非线性、大滞后、时变性、大惯性及强耦合的复杂系统,其中参数未知或变化缓慢;带有延时或随机干扰,无法获得较为精确的数学模型或模型非常粗糙。常规PID控制器因其对精确模型的依赖性,且难以在线进行PID参数整定,故难以达到满意的控制效果。文章在传统PID的基础上,结合模糊控制原理,提出了基于模糊推理方法对PID控制器参数进行整定,设计出相应的模糊PID控制器。最后,运用MATLAB仿真研究表明,模糊自整定PID控制器既具有常规PID高精度的优点,又具有模糊控制快速、适应性强的特点,使被控对象具有良好的动、稳态特性。     

基于神经网络的制冷模糊控制系统仿真与优化

针对制冷系统被控对象模型建立了一个基本模糊控制器,并给出一组较优量化因子,在此基础上建立和训练了一个模糊神经网络控制器,并在MATLAB仿真环境下对制冷模糊控制进行仿真和优化。根据得到的一系列仿真结果对所设计的制冷模糊控制系统性能进行了分析,探讨了神经网络训练样本数据对FNNC系统控制性能的影响,结果表明采用合理的样本数据可以优化模糊神经网络制冷控制系统。     

神经网络模型参考自适应控制在污水处理中的仿真研究

污水处理厂目前广泛使用序批式活性污泥法处理污水.该方法是一种复杂动态生物反应过程,难以建立准确的数学模型,同时采用常规的PID控制难以达到较好的控制品质.针对以上问题,该文提出了RBF神经网络模型参考自适应控制策略,利用神经网络辨识器对污水处理模型进行辨识,使神经网络控制器不依赖被控对象精确的数学模型.仿真结果表明,该...     

堆垛机速度智能控制的优化研究

采用模糊控制技术与小脑模型神经网络(CMAC)相结合的方式进行堆垛机的速度控制,克服单独运用模糊控制或CMAC神经网络的缺点,使系统既具有模糊控制的灵活性和强适应性,又兼具神经网络的学习能力,并且采用遗传算法对控制器的输入输出比例因子及连接权值进行寻优.仿真结果表明:该控制系统提高了系统的稳定性、鲁棒性和控制精度,使系统的综合性能得到显著改善.     

基于神经网络的模糊自适应PID控制方法研究

针对常规PID控制器不能在线修正参数以及模糊规则和率属函数对专家经验的依赖性,提出了神经网络模糊自适应PID控制器,从而综合了传统PID控制、模糊控制、神经网络控制的优点,使其具有PID控制的广泛适用性和神经网络的自适应和自学习能力,同时又具备模糊控制的非线性控制作用;仿真实验可知该控制器具有更快的响应和更好的平稳性.     

基于模糊神经元控制的交流伺服系统

根据交流伺服系统高性能的要求,设计了一种模糊单神经元混合协调控制的交流伺服系统,它融合了模糊控制及神经网络控制技术各自的优点,大大提高了伺服控制的动、静态性能,取得了满意的效果。     

基于模糊BP网络的自适应PID控制

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于模糊BP神经网络的PID控制算法,采用模糊规则自动地调节BP神经网络训练过程的学习参数,利用神经网络较强的学习能力和模糊控制在模型未知或不精确前提下的控制能力,将其应用到PID控制中[1],实现了PID控制参数的在线调整和优化,并对其在非线性离散系统中的应用进行了仿真。实验结果表明该算法性能优良,加快了系统响应速度,减少了超调量,适用于纯滞后非线性系统。     

基于模糊神经网络PID的复合控制策略

为了结合模糊控制容错力强和神经网络PID在线学习和调整的优点,提出了一种结合模糊控制与神经网络PID控制的复合控制方法,即分别设计模糊控制器和神经网络PID控制器后,再利用权重分配器对这两个控制器进行权重分配来控制被控对象。将该控制策略应用于某火电机组的二级过热器减温水流量系统控制,并在simulink仿真平台进行仿真,仿真实验结果表明:该复合控制策略较传统的模糊控制或神经网络PID控制的上升时间更短,调节时间和超调量更小,稳态性能更好。     

振动自适应模糊控制方法研究

将自适应模糊控制理论引入振动控制工程领域,提出了一种基于模糊逻辑系统的在线自学习控制方法。给出了该控制方法的学习算法及初始振动模糊控制器的产生方法。分析了该方法与其它非线性控制方法（神经网络控制）相比所具有的优点。仿真结果表明该自适应模糊控制方法能有效地抑制振动。     

基于模糊小波神经网络的加工过程自适应控制

为了克服模糊控制动态响应慢和鲁棒性差的缺点,将模糊控制的定性知识表达能力与小波分析优异的局部控制性能和神经网络的定量学习能力相结合,提出了一种模糊小波神经网络自适应控制器,并将其应用于加工过程控制。对变切削深度的铣削加工过程控制的仿真结果表明,基于模糊小波神经网络的加工过程自适应控制,其控制效果优于一般的模糊控制和神经网络控制,具有很好的动、静态性能。该自适应控制器能有效防止刀具损坏和提高加工效率,是一种有效的加工过程控制方法。     

电液伺服系统的模糊神经网络并行自学习鲁棒控制

基于模糊神经网络结构，提出了一种复合式控制方案，解决了传统自适应控制中模型的在线辨识和控制器的在线设计问题。达到了对不确定非线性系统的高精度输出跟踪；通过引入运行监控器，解决了模糊神经网络实时性差的问题；同时，利用一个鲁棒反馈控制器，来保证模糊神经网络学习初期闭环系统的稳定性。应用到电液力伺服加载系统中，获得满意控制效果。     

模糊PID参数自整定控制器的设计

将模糊控制理论与经典的PID控制理论结合,以锅炉温度控制系统为例,设计了一种模糊PID参数自整定控制器.仿真结果表明,和常规PID控制器相比,所设计的模期PID控制器改善了温度控制系统的动态性能,提高了系统的鲁棒性.