基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

基于动态径向基函数神经网络的多变量解耦控制

为提高工业控制领域中多变量、非线性、强耦合系统的解耦能力和动态特性，基于聚类结合算法和神经网络原理，提出了一种改进的基于动态径向基函数（RBF）神经网络的多变量解耦控制方法.采用聚类结合算法优化动态RBF神经网络，更好地描述了控制对象的动态行为，获得了PID参数在线调整信息，实现了多变量非线性系统的解耦控制.仿真结果表明，与基于常规RBF神经网络的PID控制方法相比，该方法具有更高的控制精度、更快的系统响应以及更好的适应性和鲁棒性，是解决多变量、非线性和强耦合问题的一种简便、有效的控制算法.     

神经网络PID参数自整定的应用研究

PID控制是工业控制中应用最为广泛的控制方法,但在实际应用中,其参数整定仍未得到较好的解决.本文把神经网络技术应用在PID控制中,采用BP网络对被控对象在线辨识,利用神经元自适应PID在线调整参数,构造神经网络PID自整定控制器.通过在实际交流变频调速系统上的实验表明,当突然加、减负载时,神经网络PID控制与传统PID控制相比,具有恢复时间短、超调量小等特点.     

基于模糊神经网络的PID温度控制系统

应用模糊神经网络PID控制技术，建立了高分子聚合物反应温度控制系统。该系统利用模糊神经网络调整PID参数，进一步完善了PID控制的自适应性能，自行设计了该控制系统的硬件和软件部分，可以接入8点热电阻信号，具有显示温度、自动控温、声光报警等功能，应用结果说明，该温度控制系统充分利用了模糊神经网络和PID控制的优点，具有良好的动、静态特性和自适应性。     

灵巧手指力回路自适应神经网络模糊PID控制

在多指灵巧手位置控制的基础上，提出一种在力控制回路采用基于模糊规则的自适应神经网络PID控制的方法，将神经网络、模糊规则和PID控制相结合，以Fuzzy控制粗调，ANN控制为细调，改善了常规PID控制中参数线性组合的缺点，有利于提高系统对灵巧手指与外界工作环境接触时，接触力控制的自适应能力和对外部干扰的抗干扰能力。最后，通过仿真实验验证了提出方法的有效性。     

一种基于模糊神经网络的PID控制器

利用神经网络自学习自适应能力和快速计算能力,提出一种基于模糊神经网络的PID智能控制器．该系统将模糊技术、神经网络与PID控制结合起来,实现了PID控制的自适应和智能化．通过仿真实验表明,该控制方案与传统PID控制系统相比,无论是超调量还是稳定时间,效果都要好得多．     

无刷直流电机的神经网络PID控制及其仿真

在简单介绍神经网络PID的基础之上，用MATLAB对无刷直流电机做了神经网络PID控制的仿真，结果表明，通过神经PID调节是一些控制系统的参数达到了有效、鲁棒和最优化。     

基于神经网络PID炉温控制系统设计

将BP神经网络控制策略引入炉温控制系统,通过神经网络模拟实现PID控制器参数在线调整。在电阻炉炉温控制系统模型的基础上,详细介绍了神经网络PID控制器的算法,并对经典PID参数选取进行了分析。最后将神经网络PID与经典PID控制效果进行了仿真比较。     

基于神经网络PID在直流伺服电机中的应用

将神经网络与PID控制结合实现了复合控制,发挥神经网络的自适应性强、鲁棒性强和PID控制稳态精度高的优点,提高了直流电动机伺服系统的性能指标。     

基于BP神经网络的PID变桨距风电机组控制

针对变速变距型风力发电机组的液压驱动式变距执行机构，提出基于BP神经网络的PID变桨距控制方法，以解决变桨距机构的非线性、参数时变性、抗干扰、滞后性控制问题.分析了三种不同工况下的液压油路变化、数学模型和参数变化，阐述了BP神经网络的PID控制算法，并根据7.5 kW变速恒频试验机组液压变距机构设计数据进行仿真结果比较、分析.     

一种新型的模糊神经网络自适应控制系统

结合神经网络控制和模糊控制的各自特点,提出了一种新的基于神经网络的模糊自适应控制算法,并给出了该算法的仿真与分析结果.利用该算法实现了基于模糊神经网络的智能控制系统的建立.     

交流伺服系统神经网络PID控制

提出了采用神经网络的自适应PID控制系统,将BP神经网络引入交流伺服系统中代替PID控制器,实现对被控电机的自适应控制;并在此基础上,简化神经网络的结构,把它与传统的PID控制结合起来,实现对交流伺服系统的复合控制。仿真结果表明,所提算法切实可行,系统具有较强的鲁棒性。     

无辨识自适应算法的大滞后对象的控制方法

在实际工业生产中 ,由于对象纯滞后的存在 ,降低了控制系统的稳定性 ,使控制品质下降 ,对控制系统极为不利。对大滞后对象 ,Smith预估控制是一种重要方法 ,但常规Smith预估控制对模型的误差 (包括时间延迟的估计误差 )十分敏感 ,不适用于具有时变时延参数的系统。因此 ,常规Smith预估控制策略难以广泛用于工业控制 ,但该方法仍然得到了控制界的广泛认可。无辨识自适应控制是Marsik和Strejc提出的一种无需辨识系统参数的自适应控制算法 ,该算法简单、鲁棒性强 ,只需在线检测过程的实际输出及期望输出便可形成具有较好动态性能指标的自适应控制系统 ,但是该方法不能解决大滞后问题。借鉴无辨识自适应控制的思想和神经网络强的函数逼近能力 ,首先用一个神经网络来构成被控对象的Smith预估模型 ,然后利用无辨识自适应控制算法设计了一种适用于大滞后对象的控制器 ,两者结合 ,提出了一种简单、实用、鲁棒性强的大滞后对象控制的新方法     

加工过程的神经网络自适应控制

通过对数控加工过程的分析和建模,提出了一种基于神经网络的自适应控制系统,并进行了系统仿真.仿真结果表明,该系统在切削工况发生时变的情况下仍能实现恒切削力控制,具有很强的鲁棒性,达到了提高加工效率的目的.     

一种神经网络自适应控制算法

提出了一种基于对象正向模型的神经网络自适应控制算法,它将神经网络与优化方法相结合,对控制量进行优化迭代求解。仿真表明,应用该算法后,系统响应速度快,超调量小,无稳态误差,控制效果好。     

基于VPBF网络的直接自适应逆控制方法

神经网络技术在非线性系统自适应控制器的设计中已得到广泛应用,但常见的神经网络存在着各种各样的缺点。为了改进自适应逆控制方法,同时克服一般神经网络的缺点,构造了一种结构简单的改进型VPBF网络,并将其引入自适应逆控制。利用该网络结构选择和参数选择上的优势,离线确定网络的初始规模和权值,在线学习非线性系统的逆,实现了一种非线性系统的直接自适应逆控制策略。仿真结果显示该控制系统能有效地克服扰动,有良好的鲁棒性能。     

基于模糊预测的MOCVD温度控制方法

为解决金属有机化合物化学气相淀积(MOCVD)设备温度控制的非线性、时变性以及大滞后等问题,给出了一种用模糊控制和预测控制相结合的复合控制方法．该模糊预测控制在模糊控制的基础上加入预测环节,通过增加相位超前减少时间滞后所带来的影响,准确预测温度变化趋势．与传统的控制方法相比较,具有算法简单,鲁棒性好的特点．仿真和试验表明,该方法有着较高的稳态精度和动态特性,在整个温度控制范围基本误差可达到1℃‰,有效改善了MOCVD系统温度的控制性能,对实际温度控制具有较好的指导意义．     

基于模糊神经元网络的阀控马达系统仿真

提出了一种基于模糊神经元网络的阀控马达控制方案.在系统中，将模糊控制技术与神经元网络技术相结合，构建了模糊神经元网络控制器.该控制器结合模糊控制与神经元网络各自的优点，既具有模糊控制器简单和有效的非线性控制作用，又具有神经元网络自学习和自适应能力,改善了控制系统的性能.     

具有重构功能的基于RBF神经网络直接自适应飞控系统

反馈线性化方法鲁棒性研究一直是近些年来的研究热点。针对基于反馈线性化方法的鲁棒控制，提出了一种将反馈线性化和RBF神经网络直接自适应控制相结合的综合控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。该方法应用于某型号飞机舵面故障状态仿真，结果表明RBF神经网络自适应控制方法补偿作用显著，相当于系统具有一定的重构功能。     

自适应路网拥堵疏导系统的研究

随着汽车工业的飞速发展,路网建设显得相对滞后,大中城市中交通拥堵日益严重.介绍一种基于有限状态机的自适应路网拥堵疏导系统,它由路口车流量信息的获取和红绿灯时间自动设置两部分组成.借助数字城市中的视频监控设施,获取路口实时的交通流量信息;再通过基于有限状态机的控制系统,实现红绿灯导通时间的自主设置,前瞻性地缓解路网拥堵现象.