基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

基于RBF神经网络的PID自适应真空炉温度控制

提出一种基于RBF辨识神经网络算法的神经网络PID控制方案,由RBF网络对系统进行在线辨识,建立其在线参考模型并为PID控制器提供了梯度信息,从而实现控制器参数的在线调整.仿真结果表明,该控制方法应用于真空炉温度控制时控制精度高,动态特性好,收到了良好的效果.     

神经网络控制在汽车主动悬架中的应用

建立了汽车悬架的两自由度1/4车数学模型,提出了一种基于RBF神经网络在线辨识的单神经元PID自适应控制方法,介绍了RBF网络在线辨识、单神经元PID控制器和控制算法,并将这种控制策略应用于汽车主动悬架1/4车模型.仿真是在Windows2000环境下用仿真软件Mat-lab6.1 Simulink进行的.仿真结果表明,这种控制策略能有效降低车身加速度的均方根值和悬架动挠度的均方根值,改善了乘坐的舒适性.     

基于RBF神经网络的PID自适应真空炉温度控制

提出一种基于RBF辨识神经网络算法的神经网络PID控制方案，由RBF网络对系统进行在线辨识．建立其在线参考模型并为PID控制器提供了梯度信息，从而实现控制器参数的在线调整。仿真结果表明，该控制方法应用于真空炉温度控制时控制精度高，动态特性好，收到了良好的效果。     

一种基于非线性PID神经网络算法的PMSM控制

针对常规PID控制器无法很好地应对永磁同步电机参数变化和负载扰动等不确定因素的影响,设计一种以三角函数为神经元激励函数的非线性PID神经网络控制器,并将其与常规PID控制器相结合用于永磁同步电机控制.仿真实验结果表明,该控制系统具有快速的响应能力、更好的动态性能和更加稳定的跟踪性能,适合于永磁同步电机速度控制.     

基于BP-RBF神经网络的永磁无刷电机控制研究

针对常规PID对永磁无刷电机这类非线性系统控制时参数难以整定、适应性差的问题,提出一种基于径向基函数神经网络在线识别与BP神经网络自适应控制相结合的控制方法,即BP-RBF神经网络自适应控制。该方法构造一个RBF网络对系统进行在线辨识,并把辨识信息传入BP网络,通过BP网络实时调节PID系数,从而完成对电机转速的自适应控制。基于Simulink仿真平台,分别将BP、BP-RBF和传统PID算法应用到永磁无刷电机的调速系统中,并对控制效果进行了仿真验证。结果表明,BP-RBF控制方法具有上升时间短、鲁棒性强、转速波动小的优点。     

基于径向基神经网络辨识的单神经元PID控制

本文结合单神经元自适应PID控制提出的一种基于RBF神经网络辨识的智能自整定控制器的设计,并针对实际温度控制系统进行仿真.     

磁悬浮改进RBF神经网络控制的仿真研究

利用RBF神经网络的自学习、自适应能力,在传统PID控制基础上,提出一种改进的RBF在线辨识的自适应PID控制方法.为避免系统启停过程中,短时大偏差引起的超调较大,文中利用RBF网络提供辨识信息实现对参数KP、KD调整,对参数KI不做整定,以满足磁悬浮系统的动态和静态性能要求.设计中采用S-函数建立磁悬浮系统的非线性模...     

基于神经网络和神经元PID的交流矢量自适应控制

磁链开环的异步电动机矢量控制系统尽管结构简单,但它的性能受转子电阻影响很大.为了解决这一问题,根据感应电机矢量控制原理,将单神经元自适应控制器和神经网络应用于磁链开环的交流矢量控制系统中,并用单神经元PID代替传统矢量控制中的转速调节器,用神经网络代替系统中的电流模型,利用神经元PID的自适应和神经网络的在线学习能力,使系统能够克服其运行中由于自身参数变化带来的影响,具有很强的鲁棒性.最后,应用MATLAB软件进行了仿真实验.结果表明,该系统不但结构简单,而且具有良好的动、静态性能.     

基于神经网络和神经元PID的交流矢量自适应控制

磁链开环的异步电动机矢量控制系统尽管结构简单,但它的性能受转子电阻影响很大.为了解决这一问题,根据感应电机矢量控制原理,将单神经元自适应控制器和神经网络应用于磁链开环的交流矢量控制系统中,并用单神经元PID代替传统矢量控制中的转速调节器,用神经网络代替系统中的电流模型,利用神经元PID的自适应和神经网络的在线学习能力,使系统能够克服其运行中由于自身参数变化带来的影响,具有很强的鲁棒性.最后,应用MATLAB软件进行了仿真实验.结果表明,该系统不但结构简单,而且具有良好的动、静态性能.