基于改进粒子群算法的PIDNN解耦控制研究（英文）

对于具有非线性、强耦合、大迟滞特点的多输入多输出的非线性系统,传统的控制方法无法对其进行精确解耦,导致控制精度较低。提出一种基于免疫机制的改进粒子群算法,并用此方法对PID神经网络权值进行优化,形成新型PID神经网络控制器。利用两个PID神经网络控制器对双输入双输出耦合系统进行控制以减弱系统的耦合影响。通过仿真结果表明:相对于传统PID解耦控制,该算法具有更好的动态和静态特性。可为控制领域中的解耦问题提供一定的参考。     

基于模糊RBF神经网络的板带横向厚度和纵向厚度综合控制

针对板形控制和板厚控制之间存在强烈的耦合作用这一特点,提出一种板形板厚综合控制系统。对于这种纯迟延、时变、强耦合的多输入多输出系统,首先采用模糊RBF神经网络解耦方法对系统进行解耦,然后对解耦后的已近似成为两个独立的单输入单输出系统分别设计模糊神经网络PID控制器,从而建立了一种板形板厚模糊RBF神经网络分散解耦PID控制系统。通过MATLAB对此系统进行仿真,结果表明,该方法解耦控制效果良好,控制精度高,抗干扰性强,且具有良好的静态性、动态性及鲁棒性。     

基于改进PSO神经网络的板形板厚解耦控制研究

针对板形板厚综合系统具备强耦合、非线性、大时滞等特性,传统的控制方法无法对其完成精确解耦,导致控制精度较低。提出一种基于免疫机制的改进粒子群算法,同时借助此算法来优化处理PID神经网络(PIDNN),形成新型PIDNN控制器。利用两个PIDNN解耦控制器对板形板厚综合系统进行控制以降低系统耦合影响。通过仿真结果可以看出,在动态性能与静态性能上,此算法较以往PIDNN解耦控制均存在明显优势。可为控制领域中的解耦问题提供一定的参考。     

基于改进PSO神经网络的板形板厚解耦控制研究（英文）

针对板形板厚综合系统具备强耦合、非线性、大时滞等特性,传统的控制方法无法对其完成精确解耦,导致控制精度较低。提出一种基于免疫机制的改进粒子群算法,同时借助此算法来优化处理PID神经网络(PIDNN),形成新型PIDNN控制器。利用两个PIDNN解耦控制器对板形板厚综合系统进行控制以降低系统耦合影响。通过仿真结果可以看出,在动态性能与静态性能上,此算法较以往PIDNN解耦控制均存在明显优势。可为控制领域中的解耦问题提供一定的参考。     

铝合金脉冲MIG焊过程解耦控制模型及仿真

针对铝合金脉冲MIG焊存在多参数强烈耦合并严重影响过程控制稳定性的问题,建立了其多输入多输出(MIMO)控制模型.在此基础上,运用多变量控制理论,设计了神经网络PID多变量强耦合时变控制系统.介绍了该控制器的结构和算法,分析了控制对象的特点,对铝合金脉冲MIG焊过程进行了仿真.结果表明,采用神经网络PID控制的神经网络对象逆模型解耦控制系统结构和解耦算法来控制铝合金MIG焊接过程,取得满意的动态和稳态性能.为实现铝合金脉冲MIG焊过程控制奠定了理论基础.     

逆系统理论在放卷张力系统控制中的应用

放卷系统是印刷机产生印刷张力的最主要部件,呈现出典型的多输入、多输出、非线性、强耦合的特性,保持放卷系统的张力稳定是保证印刷质量的关键所在。根据逆系统理论进行了放卷张力系统的解耦和线性化控制研究,根据放卷系统的特点,通过一系列控制量变换将耦合的非线性放卷张力系统变换为两个二阶伪线性系统,实现了放卷张力系统的解耦和线性化。通过引入主动阻尼来增强伪线性系统的抗扰动性能,并通过对伪线性系统设计附加的PID控制器来提高张力控制的性能。仿真结果表明,提出的逆系统解耦控制策略能够消除放卷张力系统变量之间的耦合作用,实现放卷张力系统的解耦控制。引入主动阻尼后设计的PID控制器,使张力控制达到了理想的效果。     

基于改进的PSO在并联机构神经网络控制系统中的应用

针对传统 PID 神经网络不能实时有效地控制非线性多变量系统的问题,设计了一种新型多变量自适应 PID 神经网络控制器。该控制器的隐含层带有输出反馈和激活反馈,实现了比例、微分和积分功能。利用一种基于解空间划分的改进粒子群算法对控制器参数进行优化,消除了初始值对控制器准确性的影响,并将控制器应用于并联机构控制中。由仿真结果可知：控制器控制精度高,鲁棒性和自适应性较强。这一研究为并联机构的精准控制和优化设计提供了理论基础。     

基于改进粒子群算法的活套系统解耦控制研究

为了进一步提高热连轧厂的自动厚度控制精度和带钢产品质量,对活套高度和张力的耦合控制系统,建立适当的数学模型,基于耦合过程分析和实际的数据得出相对完整的活套系统的传递函数。针对活套系统所具有的非线性、强耦合、不确定性等特点,利用变异机制和粒子群算法相结合的基础上提出一种用改进的粒子群算法来优化PID神经元网络以实现对活套系统的多变量解耦控制。仿真结果表明：与传统的PID解耦控制相比较,可以获得相对更好的控制效果。     

热连轧活套系统解耦控制

热连轧机中的活套系统是多变量强耦合、非线性、多约束的复杂对象,其解耦控制问题一直是控制界关注的热点。采用PID神经元网络解耦控制方法来消除活套高度和轧件张力之间的耦合,PID神经元网络连接权值由粒子群算法进行学习优化。仿真结果表明所建模型和所提出控制方法的有效性。新的方法可在大范围内克服系统的非线性和强耦合问题,具有较强的鲁棒性。     

热连轧活套系统解耦控制（英文）

热连轧机中的活套系统是多变量强耦合、非线性、多约束的复杂对象,其解耦控制问题一直是控制界关注的热点。采用PID神经元网络解耦控制方法来消除活套高度和轧件张力之间的耦合,PID神经元网络连接权值由粒子群算法进行学习优化。仿真结果表明所建模型和所提出控制方法的有效性。新的方法可在大范围内克服系统的非线性和强耦合问题,具有较强的鲁棒性。     

基于神经网络逆系数的冷连轧厚度与张力解耦控制北大核心

冷连轧过程中的厚度与张力系统具有多变量、强耦合和不确定的特点。为降低两者的耦合影响,提高系统响应速度和抗干扰能力,提出基于BP神经网络逆系统解耦原理的PID控制策略。考虑轧制力相对于张应力的变化系数,建立厚度与张力系统的动态耦合模型,并应用Interactor算法证明此模型的可逆性。应用BP神经网络逆系统解耦原理实现对厚度与张力系统的解耦,减弱厚度与张力的耦合影响。针对粒子群优化算法极易陷入局部最优的问题,提出一种粒子群优化算法与细菌觅食算法相结合的优化算法对PID进行参数整定。结果表明:与准对角递归神经网络多变量PID解耦方法相比,所提方法的解耦程度、模型抗干扰能力以及系统响应速度都有很大提高。     

基于改进粒子群算法的活套系统解耦控制研究（英文）

为了进一步提高热连轧厂的自动厚度控制精度和带钢产品质量,对活套高度和张力的耦合控制系统,建立适当的数学模型,基于耦合过程分析和实际的数据得出相对完整的活套系统的传递函数。针对活套系统所具有的非线性、强耦合、不确定性等特点,利用变异机制和粒子群算法相结合的基础上提出一种用改进的粒子群算法来优化PID神经元网络以实现对活套系统的多变量解耦控制。仿真结果表明:与传统的PID解耦控制相比较,可以获得相对更好的控制效果。     

基于改进的PSO在并联机构神经网络控制系统中的应用（英文）

针对传统PID神经网络不能实时有效地控制非线性多变量系统的问题,设计了一种新型多变量自适应PID神经网络控制器。该控制器的隐含层带有输出反馈和激活反馈,实现了比例、微分和积分功能。利用一种基于解空间划分的改进粒子群算法对控制器参数进行优化,消除了初始值对控制器准确性的影响,并将控制器应用于并联机构控制中。由仿真结果可知:控制器控制精度高,鲁棒性和自适应性较强。这一研究为并联机构的精准控制和优化设计提供了理论基础。     

基于MMAS-PID 的板形板厚综合控制

针对带钢冷连轧板形、板厚存在的强耦合关系,建立了板形板厚耦合模型,进行了厚度波动前馈补偿,设计了对角形板形板厚解耦控制系统,实现了板形板厚解耦。同时设计了最大最小蚁群算法（MMAS）优化的PID控制器,对综合控制系统进行了PID参数优化.仿真实现了快速优化PID以满足控制要求,与传统的PID控制相比,MMAS-PID综合解耦控制系统有效提高了板形板厚控制精度.     

垃圾焚烧过程智能集成控制

针对垃圾焚烧炉的燃烧过程是强耦合的多输入多输出非线性系统,提出一种垃圾焚烧过程的智能集成控制方法。根据蒸汽负荷的大小采用模糊控制器进行给料量的粗调,采用基于BP神经网络的PID控制器根据炉温偏差、偏差变化率进行给料量的细调,并将两给料输出值相比较,确定出当前给料量变化值,并最终通过调节加料持续时间和停料时间完成炉温的控制。实际运行结果显示焚烧炉的燃烧温度比较稳定,炉温预报误差基本在±20℃以内,表明该方法的有效性和优越性。     

基于优化非线性控制的齿轮传动系统动态误差研究

针对齿轮传动系统运动角位移跟踪误差较大、振动幅度相对严重等问题,对直齿圆柱齿轮运动过程中产生的角位移和输出扭矩等进行研究。建立齿轮传动系统模型,给出齿轮传动系统动力学方程式。对传统线性PID控制系统进行改进,设计非线性PID控制系统。引入粒子群算法,对粒子群算法权重系数进行改进。采用改进后的粒子群算法优化非线性PID控制系统,通过反馈误差对PID控制器参数进行调节,从而达到控制系统输出误差的补偿目标。利用MATLAB软件对优化后的齿轮传动系统输出误差和扭矩进行仿真,并且与线性PID控制结果进行对比。结果表明:与线性PID控制系统相比,优化后的齿轮传动控制系统能够在线调节各项控制参数,从而提高齿轮传动精度。该控制系统反应速度快,稳定性较好,抗干扰能力强,具有较高的控制精度。     

基于改进粒子群算法的无刷直流电机控制研究

文章针对无刷直流电机(BLDC)复杂的、耦合的非线性的特点,克服传统的控制算法控制速度精度不高、响应速度慢等缺点,提出了一种基于改进的粒子群算法(PSO)对PID控制器系数自整定的无刷直流电机控制新策略.在Matlab/Simulink中搭建BLDC控制系统的仿真模型,并实现双闭环的控制:速度环采用改进粒子群算法优化PID控制,电流环采用滞环电流控制.仿真结果验证了该控制方法对无刷直流电机调速系统具有良好的快速性、稳定性和鲁棒性.     

神经网络PID控制的液压驱动主动升沉补偿预测控制研究

为了提高船舶在海面上作业时补偿精度,采用BP神经网络PID控制方法,并对船舶升沉运动输出误差进行仿真。建立船舶主动升沉补偿系统简图,分析船舶升沉运动工作原理,给出液压缸驱动传递函数。引用BP神经网络算法,采用梯度下降法对BP神经网络加权值进行修正,通过学习速率来补偿控制系统输出误差,从而实现PID控制器参数在线调节。在受到不同负载影响状况下,采用MATLAB软件对船舶升沉运动补偿精度进行仿真,并且与PID控制补偿精度进行对比。结果表明:采用PID控制器,船舶升沉运动输出误差较大,控制系统反应速度较慢;而采用BP神经网络PID控制器,船舶升沉运动输出误差较小,控制系统反应速度较快,同时,随着负载质量的增加,输出误差就会增大。采用BP神经网络PID控制系统,响应速度快,补偿精度高,提高了船舶在海面上作业定位精度。     

平整机轧制力控制系统神经网络自整定PID控制策略研究

为提高平整机轧制力控制系统的动态特性,满足延伸率控制的要求,在对轧制力控制系统模型辨识分析的基础上,对平整机轧制力控制系统的控制算法进行研究.针对平整机轧制力控制系统存在的电液耦合特性、参数时变特性、外界干扰和非线性等情况,提出基于改进BP算法的神经网络的自整定PID控制器,并对系统的响应特性进行仿真分析.结果表明基于改进BP神经网络的自整定PID控制器的控制效果优于普通PID控制器,且对于非线性和时变系统同样具有良好的控制能力.     

一种新型全液压矫直机多神经元PID伺服控制器设计与研究

针对当前普遍常用的BP神经网络算法的缺陷,即反传算法复杂,收敛速度慢,在解决一些复杂多变非线性及系统多耦合问题时,网络权值收敛局部极小点,导致网络训练失败,反传算法权值迭代出现畸形变化问题。虽然神经网络控制器在软件仿真中运行结果都能满足要求,但是在实际的现场工程应用中很难适应复杂工业现场所要求的控制快速性和及时性。针对以上缺陷,提出了一种新型的多神经元PID神经网络算法,其原理是通过简化PID神经元网络控制器,改善其权值初始化来达到新型多神经元PID控制器控制过程的快速性和响应的及时性,将其应用到全液压矫直机四缸伺服控制器。通过将传统神经元网络控制器和文中所研究的新型多神经元PID控制器位移响应曲线对比分析,该新型多神经元PID伺服控制器具有反传算法大为简化、收敛速度快、网络权值灵活性好、实时性等优点,为多神经元PID控制器的工程化应用提供了理论支持。