RBF辨识PID控制器在温室温度控制中的应用研究简

针对温室温度控制系统存在的大滞后、大惯性等问题,提出采RBF辨识PID控制策略。该控制算法根据径向基函数（RBF）网络在线辨识温室温度系统的模型,获取被控对象Jacobian信息。利用BP网络实时调整PID控制器的3个参数,实现温室温度控制系统的在线自整定控制。通过仿真验证,并与RBF—PID控制器作对比,仿真结果表明,该控制算法有较强的鲁棒性、自适应性,其追踪性能和控制参数自适应的能力都优于RBF—PID控制器。     

双向拉伸薄膜厚度测控系统的设计和MCGS仿真

以桂林电器科学研究所BOPP2500型薄膜生产线为原型,利用MCGS组态软件和PID控制方法设计和仿真了一个双向拉伸薄膜厚度测控系统。仿真结果表明,该测控系统可实时、精确地测量和控制双向拉伸薄膜的厚度,提高薄膜产品的质量,且控制参数调整方便,控制效果、可视性和可维护性好,具有较大的应用价值,对于有效提高国产薄膜成套生产设备的行业竞争力有实际意义。     

基于RBF神经网络的永磁同步伺服电机控制系统

针对永磁同步电机控制系统,建立其磁场定向控制数学模型。运用增量式数字PID的方法实现对PMSM的传统PID控制策略。在此基础上,借助RBF神经网络的学习能力,进行PID控制器参数的自适应整定,进一步改善PID控制器的性能。同时,为提高RBF网络性能,采用粒子群算法对网络进行优化。仿真表明,与传统PID控制比较,基于RBF的PID控制系统能提高PID控制器的性能,改善了PMSM控制系统的收敛速度和跟踪精度。     

模糊PID励磁控制器的仿真研究

针对常规PID控制器不能在线整定参数,模糊控制器对复杂的和模型无法建立的对象能够进行简单有效的控制,将常规PID与模糊控制器结合,综合其优点,构造2种模糊PID控制器。利用Matlab对两种控制器在自动励磁控制系统中进行仿真,结果表明两种模糊PID励磁控制器有很好的控制效果。     

基于混合PSO神经网络的自整定分数阶PID控制器

提出了一种基于混合PSO和RBF神经网络的自整定分数阶PID控制器的设计方法.该控制器主要由三个部分组成:(1)分数阶PID控制器直接控制被控对象;(2)利用细菌觅食算法和粒子群算法混合优化分数阶PID参数值,作为初始值;(3)利用RBF神经网络具有以任意精度逼近非线性函数及训练速度快的优点,在线整定分数阶PID值,并完成对被控对象的Jacobian信息辨识.实验仿真结果表明:该控制器具有响应速度快、收敛精度高、鲁棒性强等特点,可适用于不同的对象和过程,特别是复杂的、无确定数学模型的控制系统.     

圆柱-球体三自由度超声电机模糊自适应控制

针对圆柱-球体三自由度超声电机难以建立精确数学模型的特点,设计了模糊自适应定位控制系统。该控制系统由模糊控制器和在线参数自调整环节构成,在线参数自调整环节使该系统的动态特性、稳态性能更好地兼顾,克服了固定量化因子控制性能不理想的缺点。应用该控制器,实现了电机精确定位控制。结果表明,参数自调整模糊自适应控制器的性能优于传统PID控制器及固定量化因子的模糊控制器,得到了满意的控制效果。     

参数自整定模糊PID在温度控制中的应用

针对工业过程控制中传统PID控制器存在的问题,将参数自整定模糊控制的灵活性、自适应性与传统PID控制器相结合,实现了对PID参数的在线自动整定,以克服控制系统的大滞后、非线性等不利因素的影响,并且将该控制器在温度控制系统中的应用进行了研究。结果表明,参数自整定模糊PID控制能使系统达到满意的控制效果,具有一定的应用推广价值。     

基于模糊自适应PID的转台位置控制系统设计

建立了驱动器-电机-减速器和转台的数学模型及其Simulink仿真模型。介绍了模糊自适应PID控制器的设计方法,通过Matlab模糊工具箱实现了模糊PID控制系统的仿真。仿真结果表明用模糊自适应PID控制转台位置伺服系统,具有超调小、响应快、精度高、鲁棒性强等优点。将模糊控制方法与PID控制结合起来,用模糊推理方法进行PID参数的在线自整定,并取得了良好的效果。     

影响BOPP膜在线厚度测量的因素

以Ｐｍ １４７测厚仪为例， 分析了影响双向拉伸聚丙烯膜在线厚度测量的主要因素， 如测厚仪自身的精度、测量头及放射源的传动皮带、薄膜的展平效果、环境条件等， 并提出了相应的控制方法。     

四旋翼ESO的RBF神经网络PID控制器研究

四旋翼飞行器因存在参数不确定性和环境干扰,会出现姿态不稳定的问题,而传统的PID控制对四旋翼的姿态稳定及机动性达不到控制需求.为此,提出了一种扩张状态观测器(ESO)的RBF神经网络PID控制器.首先,利用ESO的扩张特性和非线性函数对扰动进行估计和补偿,减少系统的误差;其次,将ESO对系统输出的估计值作为RBF神经网络的输入,使梯度信息更加精确,能够更好地优化增量PID的参数;最后,该神经网络的激励函数取高斯基函数,利用RBF神经网络的自适应性、自学习能力对模型控制参数进行调整.Matlab仿真实验表明,在未知干扰环境下,ESO的RBF神经网络PID控制器能够明显提高系统的抗干扰能力,且具有较小的超调量及较好的鲁棒性.     

基于动态神经网络在线辨识的PID控制

针对工业控制领域中复杂非线性时变系统和传统RBF神经网络辨识PID控制的不足,提出了一种基于聚类结合算法的动态RBF神经网络在线辨识PID自适应控制方法.通过优化的动态RBF辨识神经网络更好地描述了控制对象的动态行为,获得PID参数在线调整信息,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比该方法具有较高的控制精度,较快的系统响应,较强的适应性和鲁棒性.     

基于神经网络的增量PID算法及仿真研究

为了解决传统PID控制器对时变系统控制能力不强的弱点。利用神经网络理论与传统PID控制理论相结合。设计了一种基于神经网络的增量PID控制器,实现PID参数的在线自整定。通过实例仿真试验比较,这种控制器比传统的PID具有较强的适应性,可以获得满意的控制效果。     

神经网络PID控制及其Matlab仿真

讨论了基于神经网络的PID控制，并将其作用于工业控制，利用神经网络的自学习能力进行在线参数整定，并利用Matlab软件进行仿真。仿真结果表明，神经网络PID控制器具有较高的精度和较强的适应性，可以获得满意的控制效果。     

基于BP神经网络的温度模糊PID控制器设计

根据BP神经网络对温度控制的要求设计出一种模糊PID控制器,采用误差和误差变化率作为模糊PID控制器的输入,PID参数作为模糊PID控制器的输出,使用一组模糊规则实现对PID参数的在线优化调节。采用Simulink图形化工具平台对模糊PID控制器和传统的PID控制器进行建模和仿真,结果表明和传统PID控制器相比,模糊PID控制器性能优良,使系统响应速度加快,超调减小。     

一种改进的RBF整定PID及其仿真实现

文中在分析RBF神经网络整定PID算法优缺点的基础上,给出了一种采用遗传模拟退火算法来优化网络结构和权值参数的RBF神经网络,将改进的RBF神经网络用于整定PID控制,并给出了相应的仿真测试例子。仿真实验结果表明,与采用梯度法优化网络权值等参数的RBF神经网络相比,给出的优化算法能更好地辨识控制系统,具有通用性好、调节精度高、在抑制超调量能力强等优点。     

粒子群优化BP-PID的矿井提升机调速系统

传统PID控制器在矿井提升机变频调速系统应用中,由于控制参数固定且不易整定,导致电机转速超调大、电磁转矩和转子磁链脉动大,进而出现矿井提升机调速系统控制效果差的问题。针对这一问题,文中提出一种改进粒子群优化BP神经网络PID控制器的算法。由于BP神经网络算法存在收敛速度慢和极易陷入局部最优的缺点,现将粒子群算法收敛速度快和全局最优特性与神经网络结合,并通过设计神经网络收敛系数进一步加快收敛速度。仿真结果表明,粒子群优化的神经网络控制效果比神经网络好,且效果明显优于传统PID控制器;相较于神经网络PID控制器,矿井提升机转速调节系统稳速调节速度明显提高;与传统PID控制器相比,电机电磁转矩和转子磁链脉动明显降低,具有较强的稳定性和鲁棒性。     

PID神经网络在飞控解耦中的仿真研究

在进行飞行控制律设计时,为了获得好的控制品质,有必要对各输出量进行解耦,并且使控制器能根据被控对象动力学特性的改变而自适应调整。为此,介绍了两种PID神经网络解耦控制结构和一种神经网络辨识器,并分别给出了PID神经网络解耦控制器和辨识器的前向算法及反向传播算法;最后分别应用两种解耦方法针对飞机横侧向线性模型进行计算仿真,得到了两种解耦结果;证明了PID神经网络解耦控制的有效性,并比较了两种结构的优缺点。     

基于BP神经网络PID控制在热力站的应用

热力站的换热器是一个非线性、时变的控制系统。常规的PID控制对热力站是不能达到较好的控制效果,于是提出了基于BP神经网络的智能PID控制方法对热力站控制。本文在介绍了BP神经网络模型的基础上,使用基于BP算法的PID控制器对热力站的换热器进行优化和整合,实现了对PID参数的在线调整,并使神经网络的学习和收敛速度加快,结果表明,采用神经网络PID控制对非线性系统及其参数有良好的整定,具有更好的适应性和鲁棒性。