不确定性X-Y定位平台PID控制方法研究

X-Y定位平台属于强耦合非线性系统,且由于结构复杂性及外界干扰,当前测量水平难以获得其精确的数学模型,提出基于自适应神经网络的PID控制策略。考虑到X-Y定位平台系统精确的数学模型难以获得,利用神经网络良好的学习能力来逼近系统未知非线性模型,设计神经网络控制器;为了保证神经网络在学习的初期阶段的控制精度,设计PID控制器来进行辅助补偿控制;为加快学习速度,提高运动控制的实时性,设计变学习率的优化算法来实现神经网络权值的在线调整。试验结果验证了所提控制方法的有效性。     

X-Y定位平台自适应神经网络的摩擦补偿控制

针对X-Y定位平台中摩擦等非线性部分对控制精度的影响问题,提出了基于自适应神经网络的鲁棒控制策略。设计神经网络控制器对摩擦及干扰等不确定部分进行补偿,其网络逼近误差作为外界扰动通过鲁棒控制器消除,保证X-Y平台的定位精度;设计神经网络参数学习算法,保证权值的在线自适应实时调整。基于H∞的HJI理论证明了控制系统的稳定性,并保证了系统L2增益小于给定的指标。试验结果表明所提控制方法能够很好补偿摩擦模型,提高了定位精度,具有重要工程应用价值。     

基于RBF网络的不确定性X-Y数控平台自适应力控制研究

提出了一种基于RBF网络在线学习自适应力控制策略.将RBF网络用于X-Y定位平台的力控制回路中,利用RBF网络在线学习力控制中的不确定上界,并与反馈控制器结合,进一步确保了控制系统的稳定性,有效地提高了系统的精度和自适应能力.针对提出的控制策略,在改造后的GXY2020VP平台上进行实验验证,结果表明了该控制方法在X-Y,平台力控制中的有效性.     

基于步进电机的神经网络PID控制在恒压供气系统中的应用

针对常规PID控制的缺陷，提出了一种基于神经网络的自适应PID控制器，利用神经网络的自学习能力进行在线调整PID参数，通过控制步进电机将其应用于控制恒压供气系统中的气压。实验结果表明，基于神经网络的PID控制器具有计算速度快、适应性强等优点，其控制效果明显优于常规PID控制器，将其应用于恒压供气系统中是行之有效的。     

基于模糊自整定PID的力控制磨削实验研究

为保证磨削过程中法向磨削力的稳定,建立了基于X-Y数控平台的力控制磨削系统,该系统是一个非线性、时变的实时控制系统。分析了磨削过程的动力学模型并写出其状态方程。根据状态方程设计了模糊自整定PID控制器,用遗传算法整定PID参数,并记录整定过程中的输入-输出数据组,由数据组生成模糊控制规则。用该控制器与普通PID控制器进行了仿真对比,并在仿真过程中加入误差和突变信号以检验控制器的自适应性。在X-Y数控平台上进行了力控制磨削实验研究,结果表明模糊自整定PID力控制磨削方法能减小力波动,提高力控制精度。     

改进BP神经网络PID多变量解耦控制器的设计

针对多变量系统间的耦合问题,设计了改进的BP神经网络与PID控制器相结合的多变量解耦控制器。在将BP神经网络附加动量项的基础上,还将激活函数进行了改进。利用神经网络的自学习能力,在线调整PID控制器的三个参数,实现了多变量系统的解耦控制。用Matlab软件对一个耦合系统模型进行仿真,结果表明,改进后神经网络PID控制器优于传统神经网络PID控制器,震荡小,系统响应速度快,可以得到满意的解耦效果。     

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。     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

基于神经网络的交流伺服控制系统设计

针对PID控制交流伺服系统无法同时获得稳定性和快速性,提出了一种基于神经网络的交流伺服控制系统设计方法.在交流伺服控制系统中,采用改进的BP神经网络作为系统控制器,利用其极强的非线性动态跟踪能力和自适应学习能力,及对控制对象的数学模型无依赖性,实现控制对象快速、准确定位.系统仿真表明,BP网络控制器具有快速跟踪性和较好的控制精度等优点.     

基于神经网络PID的轧机AGC力控制

以PID控制器为基础,辅助以神经网络的自学习、自适应能力,将神经网络和PID控制融合为一体,设计出一种神经网络PID控制器,应用于具有高度非线性、时变性的板带轧机AGC力控制系统,仿真结果表明,能有效改善系统的动态品质,并具有良好的适应能力.