一种基于免疫应答机制的噪声智能控制系统

针对许多大型设备排气噪声的环境污染问题,提出了一种基于免疫应答机制的噪声智能控制方法(NIC),并设计了一种调频噪声智能控制系统.该NIC具有自学习、记忆和进化能力,能够在消除主频噪声的过程中自动生成控制抗体.当控制器初次运行时,使调频管移动一个全行程,找出消声最佳点,然后通过定位控制,使频率调节管移动到对应位置,并形成第一个控制抗体.当主频噪声再次出现时,智能控制系统能够利用控制抗体存储的控制策略,迅速稳定地消除主频噪声.通过和最佳噪声消除的实验数据对比,表明NIC能够快速稳定地消除主频噪声,具有良好的控制效果.     

基于免疫学习的文件污染防治机制研究

基于免疫应答机理,提出了一种基于免疫学习的文件污染防治机制。该机制具有学习、记忆、和进化能力,能够自动地形成污染抗体。这些污染抗体存储着文件受污染的最终变化。该机制学习并产生污染抗体,当污染文件出现的时候,利用污染抗体存储的识别策略,能够快速、稳定地识别污染文件。随着多次识别,系统的学习能力和系统响应能力变得越来越强。最后通过仿真实验对系统的防治性能进行了检验。     

基于NEI调节机制的非线性智能优化控制器

基于神经内分泌系统的整体调节机制,提出一种非线性优化智能控制器.该控制器由提呈单元、抗体控制单元、主控单元、优化单元和辨识单元组成.提呈单元根据免疫提呈机制对控制偏差进行动态处理,抗体控制单元通过调整控制实体的数量来消除控制偏差,主控单元调整提呈单元和抗体控制单元的控制作用,优化单元和辨识单元优化提呈单元和抗体控制单元的参数.仿真结果表明,相对于传统的PID控制,该智能控制器具有较好的控制性能.     

基于NEI 调节机制的非线性智能优化控制器

基于神经内分泌系统的整体调节机制,提出一种非线性优化智能控制器. 该控制器由提呈单元#抗体控制单元,主控单元,优化单元和辨识单元组成 .提呈单元根据免疫提呈机制对控制偏差进行动态处理,抗体控制单元通过调整控制实体的数量来消除控制偏差,主控单元调整提呈单元和抗体控制单元的控制作用,优化单元和辨识单元优化提呈单元和抗体控制单元的参数 .仿真结果表明,相对于传统的PID 控制,该智能控制器具有较好的控制性能.

     

过程控制课程中一个液位控制系统综合实验磁

液位控制系统一直是过程控制工程研究的重要内容;针对过程控制实验装置,建立了实际数学模型,采用模糊理论完成了单水箱液位控制系统实验,系统采用模糊PID调节器代替传统PID ,克服了传统PID人工整定参数工作内容繁琐的缺点。将实验结果与传统数字P ID控制系统进行对比,实现了P ID参数自整定,证明了模糊P ID调节器通过参数自整定能够有效地实现液位恒定控制。     

一种新型双向联想记忆神经网络

提出了一种新型双向联想记忆神经网络,此网络将两个相互关联的模式以模式对的形式存储在由N个连接构成的模式环中,记忆容量为22N数量级,完全消除了假模式对、能够全部或部分地回忆出与输入模式对具有最小Hamming距的被记忆的模式对,同时具有较高的记忆效率和可靠性。连接由“连接状态”和“禁止路径”组成,前者直接存储二进制模式对向量的分量,后者用于消除假模式;此神经网络具有正向联想、逆向联想和自联想方式,使得网络能更灵活有效地满足不同的回忆要求。     

一种改进的三维模糊控制设计方法

针对传统三维模糊控制器模糊规则多,在实际应用中不易实现,输入量之间相互耦合的问题,提出一种PID与模糊混合(M)型控制器.该控制策略是把三个输入量分别为偏差、偏差变化、偏差的偏差变化的一维模糊控制器加权融合实现混合(M)型控制器,解决了多变量模糊控制中的规则数量几何爆炸问题,具有更大的可控范围.针对传统模糊控制不能消除系统静差的缺陷,吸收增量式PID控制递推累加的形式,对偏差进行积分,混合(M)型控制器实现了对系统静差的消除.此外介绍了M型控制器的参数整定方法,并对其稳定性进行了分析.仿真表明,M型控制器控制效果比二维模糊控制和PID控制都好.     

基于长短期记忆神经网络的车辆边缘计算卸载策略

传统的集中式云计算能够较好地减轻本地负担,但带来了大量延迟.移动边缘计算通过利用移动边缘设备有限的计算能力和资源存储能力弥补了云计算在此方面的不足,也满足了在车联网中车辆的计算需求.为了使车辆能够在笔直的道路环境模型上完成计算任务,提出基于长短期记忆神经网络的卸载决策.通过仿真,该方法在任务较大的情况下可以高效利用边缘设备资源,降低延迟,对于高速动态变化的时间序列具有更低的响应时间.     

基于响应函数的模糊控制策略研究

常规P ID控制器对复杂系统而言控制效果往往不是很好,而模糊逻辑无需精确数学模型和离线训练学习。这两种控制方法相结合,就可扬长避短,实现低成本、易维护的在线自适应控制。为此,论文针对非线性系统特点,深入探讨基于模糊逻辑和常规P ID的控制策略。通过实验室仿真实验,分析比较这些控制方法的定值跟踪性能和干扰抑制性能优劣。并以此为基础,建立了一种新的PID型模糊控制策略。通过偏差响应函数,实现了自适应调节相互并联的模糊PID和常规P ID控制回路输出的目的。仿真实验结果表明,该P ID型模糊控制策略定值跟踪性能和干扰抑制性能都得到了保证,取得了较好的控制效果。     

对数-指数形态学联想记忆

利用对数和指数算子构建了一种新的形态学联想记忆方法,简称LEMAM.理论分析表明:自联想LEMAM(简称ALEMAM)具有无限存储能力、一步回忆记忆、一定的抵抗腐蚀噪声或膨胀噪声的能力,在输入完全或在一定的噪声范围内,能够保证完全回忆记忆;异联想LEMAM(简称HLEMAM)在输入完全情况下,不能保证完全回忆记忆,但当满足一定条件时,也能够达到完美联想记忆.对比实验结果表明:在一些情况下,LEMAM能够取得较好的联想记忆效果.总体来说,LEMAM丰富了形态学联想记忆的理论和实践,可以作为一种神经计算模型加以研究和利用.     

一种改进的模糊免疫反馈PID控制器

针对P型免疫反馈控制器不能克服动态干扰和消除静态误差的问题,利用模糊控制系统的非线性逼近能力,提出了一种将P型免疫反馈控制器同常规PID控制器进行混合联结的模糊免疫PID控制器的设计方法。该控制器通过免疫反馈控制规律和模糊控制规则在线调整控制器的参数。为了选择一组较优的控制器参数,用免疫算法在全局范围内对控制参数进行离线优化。仿真结果表明,该控制器较常规控制器具有更好的动态、静态特性。     

压电驱动器的免疫PID控制技术研究

针对压电驱动器的伺服控制问题,提出了一种基于生物免疫反馈调节规律的PID控制算法;对于具有非线性滞环特性的压电驱动器,采用线性PID控制器难以达到理想的控制效果;如果借助于生物免疫反馈调节规律来自动整定PID控制器的参数,就有可能使压电驱动器的阶跃响应无振荡现象发生并具有较好的鲁棒性;试验结果表明,与传统的压电驱动器PID控制系统比较,应用免疫PID控制算法可以使伺服系统获得更好的动态特性。     

基于FUZZY-PID直流调速系统的仿真与分析

针对常规PID在直流调速系统中控制参数难以整定等问题,在对直流调速系统建模的基础上,以偏差e和偏差变化率ec作为输入,找出常规PID的三个参数与e和ec之间的模糊关系,在运行中通过检测e和ec,根据模糊推理原理来对三个参数在线修改,从而满足不同时刻的e和ec对PID参数自整定的要求,以此设计了一种基于模糊控制原理的PID控制器,并对采用FUZZY-PID控制的直流调速系统的动态过程进行仿真分析.仿真结果表明:采用FUZZY-PID控制策略的直流调速系统响应快、超调较小、鲁棒性强,较传统PID控制具有更好的动、静态特性,这说明了这种控制策略的正确性和有效性.     

基于改进人工免疫算法的PID参数优化研究

针对传统PID控制器参数优化方法存在的不足,提出了一种改进的人工免疫算法(IAIAE)。该算法的主要特点是,采用了基于抗体浓度的调节机制和多样性保持策略的新方法,使用了浮点数编码方法和Elitism策略。将该算法应用于PID控制器参数的优化,并与具有精英保留的SGA进行比较。仿真实验结果表明,用IAIAE算法优化PID控制器参数,其效果优于SGA。     

直升机智能PID控制研究

针对直升机俯仰角度控制和旋转轴速度控制需求,对模糊PID控制、神经网络PID控制和免疫PID控制在不同控制规律下的系统控制效果进行了对比研究。仿真实验表明,神经网络PID控制器准确性最高,系统响应无误差,稳定性较好,但响应时间较长;模糊PID控制器系统动态响应时间较快,系统稳定性相对最好,但存在微量误差;免疫PID控制器控制直升机旋转轴时,系统响应速度和稳定性明显优于其他两类控制器,但对俯仰角控制效果差。     

一种新型的二维PID模糊控制器

通过对常规PID控制器的结构分析,设计出一种新型的二维PID模糊控制器,其结构形式简称为fuzzy PD+ fuzzy ID型.根据模糊规则的图解分析,提出fuzzy ID控制嚣的输入变量(偏差和偏差变化加速率)与输出变量之间的控制结构,并确定两控制器的模糊控制规则的相似性.通过对该PID模糊控制器的结构分析,给出与常...     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

Driving control of an AGV for an automated container terminal using an immunized PID controller based on cell-mediated immunity

In this article, an immunized PID (I-PID) controller using a cell-mediated immune algorithm (CMIA) is proposed to control an autonomous guided vehicle (AGV) more effectively. The proposed controller is based on the specific immune response of the biological immune system that is cell-mediated immunity. Moreover, we designed and manufactured an AGV system for an automated container terminal (ACT), and some experiments are shown to verify the performance of the proposed controller. The tracking error of the AGV driving was investigated for this purpose. As a result, the capabilities of realization and reliability were proved by comparing the response characteristics of the proposed I-PID controllers with those of conventional PID and neural network PID (NNPID) controllers.This work was presented, in part, at the 9th International Symposium on Artificial Life and Robotics, Oita, Japan, January 28–30, 2004     

模糊PID控制在开关磁阻电机控制系统中的应用

针对开关磁阻电机非线性极强,而单一的模糊控制存在稳态控制精度较差的因素,该文提出了一种采用模糊控制器和PID控制器复合控制的方法。主要介绍了F—PID控制器的设计及用模糊控制器调节PID控制器的参数及其规则。仿真试验结果表明,F-PID控制方法解决了常规控制方法由于电机数学模型难以精确确定而无法确定控制参数的问题,并克服了模糊控制方式存在静差、无抗干扰能力的缺点。     

Wavelet neural adaptive proportional plus conventional integral-derivative controller design of SSSC for transient stability improvement

Although the PI or PID (PI/PID) controllers have many advantages, their control performance may be degraded when the controlled object is highly nonlinear and uncertain; the main problem is related to static nature of fixed-gain PI/PID controllers. This work aims to propose a wavelet neural adaptive proportional plus conventional integral-derivative (WNAP+ID) controller to solve the PI/PID controller problems. To create an adaptive nature for PI/PID controller and for online processing of the error signal, this work subtly employs a one to one offline trained self-recurrent wavelet neural network as a processing unit (SRWNN-PU) in series connection with the fixed-proportional gain of conventional PI/PID controller. Offline training of the SRWNN-PU can be performed with any virtual training samples, independent of plant data, and it is thus possible to use a generalized SRWNN-PU for any systems. Employing a SRWNN-identifier (SRWNNI), the SRWNN-PU parameters are then updated online to process the error signal and minimize a control cost function in real-time operation. Although the proposed WNAP+ID is not limited to power system applications, it is used as supplementary damping controller of static synchronous series compensator (SSSC) of two SSSC-aided power systems to enhance the transient stability. The nonlinear time-domain simulation and system performance characteristics in terms of ITAE revealed that the WNAP+ID has more control proficiency in comparison to PID controller. As additional simulations, the features of the proposed controller are compared to those of the literature while some of its promising features like its fast noise-rejection ability and its high online adapting ability are also highlighted.