基于引导因子的神经元学习规则及其应用研究

作为神经网络控制的基本单元，采用不同学习规则的神经元控制器，对神经元的学习过程将产生不同的影响。本文通过对神经元学习规则的探讨，提出了一种基于引导因子的神经元改进学习规则，并将其用于实际控制系统中。仿真结果表明，改进的方法对于加速神经元学习过程，提高控制器性能，具有较为显著的作用。     

基于改进适应度函数的遗传单神经元控制

介绍了一种基于改进适应度函数的遗传单神经元控制方法.通过利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元相结合,设计了一种遗传算法单神经元解耦控制器,实现了对炉群多变量燃烧系统的解耦控制.实验结果验证了这种方法是可行的.     

一种神经元网络智能控制器及其应用

从信息处理的角度提出了一种并行神经元控制方案。该方案采用两个神经元组成网络实现信息的分布处理，控制器具有结构简单、易于实现、自适应和鲁棒性强等特点。本文介绍了它的原理、功能及实现方法。仿真结果证明了该方法的有效性。     

无刷直流电机调速系统模糊神经元PID控制

针对传统PID控制应用于无刷直流电机调速系统存在调节时间长、动态调节特性差及抗干扰能力弱等问题,提出一种基于模糊神经元PID控制的无刷直流电机调速系统设计方法。首先采用神经元控制、比例控制和模糊控制设计了一种可在线调整参数的模糊神经元PID控制器,然后再用其设计无刷直流电机调速系统的转速调节器。仿真结果表明,基于模糊神经元PID控制的无刷直流电机调速系统具有响应速度快、动态和静态调节性能好、自适应能力和抗干扰能力强等优点。     

基于单神经元PSD算法控制串级倒立摆系统

倒立摆是具有非线性,多变量,强耦合性的综合系统模型,传统的控制方法在解决其复杂多变的控制问题上的能力是有限的.本文在基于串级PID倒立摆的基础上,利用单神经元的自学习和自适应能力设计其外环控制器.在单神经元PID控制中,增益K的选取与实际系统的控制对象特性息息相关,且K值的给定对系统有很大影响.针对单神经元中固定增益K...     

基于单神经元PID的并联机构稳定控制研究

并联机构由于非线性强、控制过程复杂,导致常规PID控制参数难以整定。为了实现对二自由度并联机构更精确的控制,结合神经网络,文中提出了一种基于单神经元的自适应PID控制策略,以实现PID控制参数的实时整定。通过dSPACE对被控对象进行半实物仿真,仿真结果表明,设计的单神经元PID控制器控制效果优于传统PID控制器。     

基于混合优化算法的神经元PID控制策略

为解决传统比例-积分-微分(PID)控制器在实际工业过程中难以满足控制要求的问题,将二次型性能指标引入到神经元的加权系数的调整中,并利用自学习功能构成了神经元自适应PID控制器.利用混沌优化算法和最速下降法结合起来的混合优化算法,对神经元自适应PID控制器的学习速率和神经元比例系数进行了优化.仿真实验和结果分析表明:该混合优化神经元自适应PID控制器具有很好的动态和静态性能,系统的稳定性和鲁棒性增强,学习参数选择的盲目性和对经验的高度依赖性降低.     

基于单神经元PID的开关电源控制研究

开关电源本身是一个非线性系统,所以常规PID控制很难满足系统控制要求.采用单神经元PID控制具有更好的动态性能和启动性能.用MATLAB/Simulink仿真工具对开关电源所建模型进行控制算法仿真,仿真结果表明:单神经元PID控制器优于常规PID,其自适应能力好,响应快,鲁棒性强,系统稳态和动态性能良好.有较好的应用前景.     

基于神经元自适应PID永磁同步电机的仿真与研究

针对传统PID控制器参数固定,处理非线性时变系统的局限性,提出神经元自适应PID控制算法。以传统PMSM转速控制为基础,采用神经元自适应PID控制方式,选用Hebb学习算法,以误差平方为性能指标实现参数在线调整,进而实现电机转速的快速跟踪。逆变器环节采用非正交坐标系下SVPWM算法,简化矢量算法步骤。仿真结果表明,对比传统PID控制方式,神经元自适应PID控制系统作用永磁同步电机,可以达到响应快、精度高的控制效果。     

基于单神经元模糊自适应PID控制的加热炉温度控制器设计

加热炉温度控制器要求精度高、动态性能好、抗干扰能力强、检测功能全,而常规的PID控制策略难以满足要求。为此,提出一种单神经元模糊自适应PID控制算法,为提高系统的控温精度和响应快速性,将模糊控制引入单神经元自适应PID控制中,提出单神经元模糊PID控制。它运用有监督的Hebb学习规则在线修正PID参数,而神经元的比例、积分、微分学习速率则由Sugeno模糊逻辑系统根据系统的误差和误差变化量大小进行调整,使控制系统对动态过程信息的利用程度达到最优。Matlab仿真和实验结果表明,系统不仅具有自学习、自适应能力和鲁棒性,且动态性能和稳态性能都优于经典PID控制,超调量减小,上升时间和调节时间均减小。     

高压断路器三相永磁无刷直流电机机构控制算法研究

针对高压断路器三相永磁无刷直流电机机构,研究了不同控制策略下电机操动机构的运动特性.考虑高压断路器的分、合闸操作过程,建立了永磁无刷直流电机操动机构运动控制系统的仿真模型,采用数字式双闲环控制,内环为电流环,采用PI控制,外环为速度环,基于传统PID控制器、单神经元PID控制两种不同控制策略控制.通过对伺服控制系统的仿真分析得到了电机操动机构速度跟踪控制特性.结果表明,单神经元PID控制器能够较好的实现触头速度的跟踪控制,使其按理想运动特性曲线运动,是一种较理想、有效的控制方法.     

异结构神经元模型的同步及应用

针对两个结构不同的神经元模型的混沌同步问题,文章分别研究了FitzHugh-Nagumo和Morris-Lecar神经元的动力学行为,根据Lyapunov稳定性理论,采用投影同步的方法设计了控制器,通过控制器实现了两个结构不同的神经元模型的混沌同步,并将所设计的神经元同步系统应用到了混沌保密通信中,进行了仿真实验,仿真结果表明,其在保密通信中具有有效性和可靠性。     

基于单神经元PI控制的逆变器系统仿真

将一种根据误差的大小来调节比例系数K值的单神经元PI控制器引入到逆变器的控制回路中．可以实现在线调整参数。在一定程度上不依赖于系统的模型。仿真结果表明：与常规的PI控制器相比该控制器的输出超调量较小,有一定的自适应能力,可以提高逆变电源系统的动态性能。     

神经网络自适应控制小功率天线随动系统

提出一种基于神经网络理论的、适用于同时解决复杂天线随动系统控制问题及信号滤波问题的系统结构模式。该系统结构的基础是一种改进的神经元模型，天线随动系统的内环路控制器和外环路滤波器（兼有系统调节功能）都是以该神经元模型为核心构成的。以某雷达导引头角伺服系统为应用背景的数字仿真试验的结果表明，本文提出的方法对存在系统参数不易准确确定及非线性因素不易定量描述的天线随动系统的控制及滤波问题都显示出较好的效果，系统输出精度高、响应速度快并具有相当强的鲁棒性和容错性。     

基于改进的神经元PID战术网络拥塞控制

未来信息化的网络中心战中,网络拥塞问题成为制约战争信息有效传输的瓶颈。单神经元PID拥塞控制算法中,系统的稳定性和超调量等性能对于神经元的增益系数K的依赖性很大,结合无需辨识的自适应控制算法,动态地调整增益系数K;另外,为了进一步提高控制器品质,加入调整因子在线调整神经元权值的学习率;最后将改进后的算法应用到战术网络拥塞控制中。仿真结果验证了所提算法的有效性。     

基于LM3S8962ARM的神经元控制直流调速系统

介绍采用LM3S8962作为主控器件、结合智能控制理论的直流调速系统设计及实现。主要内容涉及神经元控制器、硬件、软件设计,并对该系统进行了仿真实验。从仿真结果可知:该系统具有良好的控制性能,并能达到很高的控制精度。     

基于FPGA的神经元自适应PID控制器设计

本文提出了一种用FPGA实现神经元自适应PID控制器的方案,采用modelsim 5.6d进行仿真验证并在Synplify Pro 7.1平台上进行综合,结果表明该方案具有运算速度快、精度高和易于实现的特点。     

PLT-22电力线收发器与神经元芯片的接口

PLT－22电力线收发器由美国ECHELON公司制造的数字电力载波通信接口芯片。它可与神经元芯片，耦合电路及应用电路一起构成LONWORKS控制网络的节点，文中介绍了PLT－22电力线收发器的结构，特点，给出了它与神经元芯片的接口电路。     

神经元芯片的应用

介绍了Motorola公司生产的神经元芯片MC143150和MC143120结构，这两种神经元芯片的特点是具有三个8位处理器，11个可编程I/O口、7层通信协议，提供了所有处理输入信号和控制信号的关键功能。并且可通过多媒体形式传递控制信息。本文在对芯片结构分析的基础上，结合神经元芯片的特点，对它的应用进行了讨论，提供了这两种芯片在处理DACs和ADCs信号，驱动七段译码显示器的应用方法，并给出一个运用神经元C语言对MC143150进行编程，去控制MC14489的例子，由于硬件设计的软化，从而使得硬件数量减少，设计效率提高。     

基于DSP＋CPLD的伺服控制卡的设计

设计一种基于DSP+CPLD的伺服控制卡,在控制算法上,采用单神经元PID及CMAC相结合的伺服运动控制算法.其中单神经元PID能在被控对象的参数改变或者外部环境变化时,在线实时自动地调整参数;CMAC网络用来完成复杂非线性被控对象的逆模型控制,具有运算量小,收敛速度快,且无局部极小点等优点.仿真结果证明该算法综合了CMAC和单神经元的优点,具有更好的鲁棒性和抗干扰能力.