混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器．以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案．仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度．该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案．     

灵巧手指力回路自适应神经网络模糊PID控制

在多指灵巧手位置控制的基础上 ,提出一种在力控制回路采用基于模糊规则的自适应神经网络 PID控制的方法 ,将神经网络、模糊规则和 PID控制相结合 ,以 Fuzzy控制粗调 ,ANN控制为细调 ,改善了常规 PID控制中参数线性组合的缺点 ,有利于提高系统对灵巧手指与外界工作环境接触时 ,接触力控制的自适应能力和对外部干扰的抗干扰能力。最后 ,通过仿真实验验证了提出方法的有效性     

基于模糊神经网络的PID温度控制系统

应用模糊神经网络PID控制技术，建立了高分子聚合物反应温度控制系统。该系统利用模糊神经网络调整PID参数，进一步完善了PID控制的自适应性能，自行设计了该控制系统的硬件和软件部分，可以接入8点热电阻信号，具有显示温度、自动控温、声光报警等功能，应用结果说明，该温度控制系统充分利用了模糊神经网络和PID控制的优点，具有良好的动、静态特性和自适应性。     

灵巧手指力回路自适应神经网络模糊PID控制

在多指灵巧手位置控制的基础上，提出一种在力控制回路采用基于模糊规则的自适应神经网络PID控制的方法，将神经网络、模糊规则和PID控制相结合，以Fuzzy控制粗调，ANN控制为细调，改善了常规PID控制中参数线性组合的缺点，有利于提高系统对灵巧手指与外界工作环境接触时，接触力控制的自适应能力和对外部干扰的抗干扰能力。最后，通过仿真实验验证了提出方法的有效性。     

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。     

基于性能协调的溶解氧复合控制方法

针对常规比例积分微分(proportion-integral-derivative,PID)控制存在精度不高,在线自适应差的缺点,提出了一种在线PID-TS模糊神经网络复合控制方法.该方法利用TS模糊神经网络的自学习能力提高溶解氧的控制精度,并通过构造的性能协调因子在线调整两者权重.将提出的控制方法应用于国际基准仿真平台.结果表明:所提方法能有效控制污水中的溶解氧参数,与常规PID和BP(back-propagation)神经网络控制器相比,该方法具有更优的动态性能.     

基于模糊RBF神经网络的双电机驱动伺服系统研究

双电机驱动伺服系统中存在齿隙和摩擦等非线性,常规PID控制不能满足其控制要求.针对常规PID控制器参数固定而导致在控制中效果差的缺陷,提出一种基于模糊RBF神经网络整定的PID控制方法.该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,可以在线调整得到一组适合于控制对象的PID控制参数.最后在双电机驱动伺服系统中进行仿真试验结果表明所提出的控制策略是有效的.     

基于模糊神经网络PID的永磁同步直线电机控制算法研究

针对永磁同步直线电机(PMLSM)系统模型参数的时变性、非线性以及负载扰动等问题,在建立永磁同步直线电机的动态数学模型的基础上,结合传统PID算法和具有强自适应能力、强抗干扰能力的模糊神经网络智能算法的优点,提出一种基于模糊神经网络PID的永磁同步直线电机控制算法。运动控制系统仿真实验结果表明:系统经模糊神经网络PID控制静态误差为零、干扰影响小,过渡过程时间缩短近50%,相对于传统PID控制和模糊PID控制具有更高的控制精度、更好的动态特性和静态特性。     

基于模糊PID的电液位置伺服控制器设计研究

介绍了电液位置伺服控制系统的组成与工作原理,并建立了系统的数学模型。将模糊控制与PID控制结合在一起,设计了模糊PID控制器,即通过模糊控制器输出对PID参数进行在线调整。利用MATLAB软件进行仿真,比较常规PID控制与模糊PID控制仿真结果,发现模糊PID控制器提高了系统的动态性能和稳态特性。     

模糊神经网络PID算法在输油泵系统中的控制研究

针对输油泵在复杂地形中,由外界的温度、湿度、原油特性等不良因素导致的漂离问题,本文研究与设计了模糊神经网络PID控制算法来对输油泵控制系统进行控制,结合常规PID控制,模糊控制,神经网络控制的优点,分析了输油泵控制系统的组成结构,设计了模糊神经网络PID控制算法的模型结构和实现过程。仿真实验结果表明,文中算法相比较常规PID控制算法,超调量减少约20%左右,相较于模糊PID超调量减少了约9%,达到稳定状态所需的控制时间也远低于常规PID和模糊PID,并且文中算法具有较好的自适应能力和抗干扰能力。     

神经网络模糊PID技术在光伏系统MPPT控制器中的应用

针对传统光伏系统MPPT控制算法的局限性及无法自适应外部复杂情况等诸多问题,提出一类以神经网络、模糊控制器以及PID控制器组成的神经网络模糊PID控制器。利用光照幅度、环境温度等参数的离线训练后的权值作为整个三层前馈神经网络的优化参数;通过预测最大功率点与实际的工作电压进行比较,运用模糊推理对PID相关参数进行最佳调整。仿真结果表明：与传统PID控制器、模糊控制器相比,本系统能增强消除系统误差能力,稳态性能有了明显提高,同时可获得更高的控制精度。     

一种基于模糊神经网络的PID控制器

利用神经网络自学习自适应能力和快速计算能力,提出一种基于模糊神经网络的PID智能控制器．该系统将模糊技术、神经网络与PID控制结合起来,实现了PID控制的自适应和智能化．通过仿真实验表明,该控制方案与传统PID控制系统相比,无论是超调量还是稳定时间,效果都要好得多．     

变风量空调系统末端的模糊神经网络控制研究

针对目前传统PID控制对模型依赖性强,难以在线调整,对具有非线性和不确定性的变风量(VAV)空调系统的控制动态性能差的特点,提出将模糊神经网络应用于该系统.建立了模糊神经网络控制器,基于变风量空调系统末端装置的数学模型进行了仿真研究.结果表明,该控制策略比传统PID控制更适合于VAV系统,控制系统具有更好的鲁棒性和自适应能力,可以取得更优的动态性能.     

锅炉汽包水位模糊RBF自适应控制

针对汽包水位常规的PID控制方式,采用了一种模糊神经网络智能控制器,该控制器结合了模糊控制与神经网络学习能力强的特点,将2种智能控制相结合,在线调整控制器参数,整定出一组优化的控制器参数。仿真结果表明此控制器显著地改善了汽包水位的动态性能和稳定性能。     

煤气压力调节阀的稳压技术研究

构建了调节阀煤气稳压系统,建立了稳压系统的数学模型,并设计了稳压系统的模糊PID(proportion integration differentiation)控制器。在此基础上,根据所建立的数学模型,分别对常规PID控制和模糊PID控制下的稳压系统性能进行了仿真分析。结果表明模糊PID控制器能明显提高稳压系统的控制品质。     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.     

基于DSP他励直流电机模糊PID控制器仿真研究

针对他励直流电机调速系统参数模型的非线性、时变性,常规PID控制器参数离线整定带来的非优化的问题,提出一种基于DSP的模糊PID控制器算法,以电流反馈误差及误差的变化率作为模糊控制器的输入变量,采用参数自整定的模糊PID控制器实现PID参数在线优化。以DSP开发系统作为仿真平台,将他励直流电机传递函数转换为差分方程,构成基于模糊PID控制器的数字闭环他励直流电机仿真系统。利用DSP高速运算能力进行在线仿真,观察常规PID控制器和模糊PID控制器产生的系统输出波形。CCS2.0和MATLAB仿真实验表明：模糊PID控制器基本实现输出无超调,系统阶跃响应的上升时间和调整时间均比常规的PID控制器阶跃响应的小。模糊PID控制器应用于他励直流电机调速系统中,控制性能明显高于基于常规PID的调速系统。     

Grey Prediction Fuzzy Control of the Target Tracking System in a Robot Weapon

Grey modeling can be used to predict the behavioral development of a system and find out the lead control values of the system. By using fuzzy inference, PID parameters can be adjusted on line by the fuzzy controller with PID parameters self-tuning. Acco     

Neural network-based TIG weld width fuzzy controller

0m0ne0fthemajorgoalsf0rusinghybridconbolsoffuZZylogicandneuIalnetw0thistoc0InbinethelingUisticnatUreofknOWetlgerepresentationandtheadaptiveorle-amingnatureofkn0wedgeevoutbotoachievebettercon-tIDofsystemsforwhichitisinfeaSibleorimPracticabletof0rmulateamatheInaticalsystemmedel,buthumanknoWedgft0mskilledoperatoISisavailable.Forexam-ple,forInanindustrialprocesscontIDlproblems,analyti-calmedelsaredimculttoconstIUctforsuchfactorsasfongdelay,n0nlinearity,unceItaintyandsystemc0mPletity.Yethur…