焦炉集气管压力控制的一种新方法

针对焦炉集气管压力系统的特点,提出一种基于神经元的自适应PID控制算法;将神经元与PID结合,在线调整PID参数;对单神经元自适应PID控制器进行了研究,并利用Matlab/Simulink进行了仿真,结果表明单神经元自适应PID控制算法明显优于常规PID控制算法;用本文提出的单神经元自适应PID控制器控制焦炉集气管压力,使集气管压力系统的抗干扰能力得到提高,取得了良好的控制效果。     

基于单神经元的卫星姿态自适应PID控制

提出了一种以经典PID为基础,用单神经元加以实现的智能PID控制算法。基于误差二次型最优理论推导出相应的单神经元输入权值参数调整算法。并推导了为改进其应用上的不足,将自适应PSD控制器中递推计算增益K的方法应用到单神经元的自适应PID控制,构成具有自动调整增益K值的单神经元自适应PID控制器的学习算法。将控制算法应用到航天器姿态控制系统,数字仿真结果验证控制器有效。     

单神经元自适应PID控制器及其应用

研究了单神经元自适应PID控制器,阐述了该控制器的特点、控制律、适用对象及工程整定方法,在和利时公司的SmartPro系统平台上开发出单神经元自适应PID控制器,进行了单神经元自适应PID控制器的典型一、二阶对象闭环仿真,最终将单神经元自适应PID控制器应用于制药厂发酵罐温度控制回路中。单神经元控制器具有可调参数少、易于整定、控制输出平稳、鲁棒性强的独特优点,适用于大滞后且要求平稳控制输出的工业过程。     

单神经元自适应PID控制在电动油门控制中的应用

利用单神经元模型自学习和自适应特点,在传统PID控制基础上设计出了一种单神经元自适应PID控制器,并将其应用于电动油门控制系统中。实验结果表明:采用单神经元自适应PID控制的电动油门系统能够适应油门手柄在较大范围内的推拉运动,而且控制具有较强的鲁棒性,控制品质优于常规PID控制。     

单神经元自适应PID控制器的应用

对单神经元自适应PID控制器的控制算法进行了研究；利用Matlab／Simulink对复杂对象进行了闭环仿真，将单神经元自适应PID控制算法与常规PID控制算法进行了比较。结果表明单神经元自适应PID控制算法明显优于常规PID控制算法；将单神经元自适应PID控制器应用到焦炉集气管压力控制系统，集气管压力系统的抗干扰能力得到提高，取得了良好的控制效果。     

基于神经网络Smith预估器的预测控制

针对非线性系统时滞问题,给出了一种新型的单神经元Smith预测控制算法.神经网络的预测控制器由不完全微分的单神经元自适应PID控制器和神经网络的Smith预估器组成.预估器对输出进行多步预测,控制器超前动作以消除时滞对系统的影响.不完全微分的单神经元自适应PID控制器通过改进的Hebb学习规则实现其权值调节,通过权系数的在线调整实现自适应控制.仿真实验证明了该方法具有较快的响应速度和较好的响应性能.     

基于二次型优化的单神经元PID控制器及其pH过程控制应用

针对pH值控制这种强非线性过程,提出基于二次型优化的单神经元PID学习算法,该算法不用考虑常规PID对非线性过程分段区间划分的问题。基于这种算法的PID控制器解决了普通单神经元PID控制器静态性能不佳的问题。仿真结果表明,这种改进型控制算法比原算法具有更好的自适应能力和抗干扰性能。     

直流电机神经元PID调速系统设计与仿真

针对传统PI双闭环直流电机调速系统存在响应速度慢、超调量大、抗干扰能力及自适应能力差等问题,提出了一种双闭环直流电机调速系统的神经元PID转速调节器设计方法。该转速调节器采用神经元控制器和比例控制相结合进行设计,从而构成了一种具有自学习、自适应能力的神经元PID控制器,然后与传统单神经元PID设计的转速调节器控制效果进行了对比。结果表明,基于神经元PID转速调节器的双闭环直流电机调速系统具有较快的响应速度、良好的动态和静态稳定性、较强的自适应能力和抗干扰能力。     

改进单神经元自适应PID控制器应用于污水处理

结合无需辨识的自适应控制算法,提出一种动态调整增益系数和自适应学习率的改进型单神经元PID控制策略,进一步提高了控制器参数的自校正能力.利用ActiveX技术将改进型单神经元自适应PID控制算法封装在ActiveX控件中,并设计MFC应用程序对污水处理过程溶解氧的控制进行仿真.结果表明,改进型单神经元PID与改进前的单神经元PID控制方法相比,具有更好的自适应性和更强的鲁棒性.     

单神经元自适应PID控制器的研究及MATLAB仿真

在分析传统的PID控制器的基础上,提出了一种单神经元自适应PID控制器,这种控制器,不仅结构简单,且具有较好的适应性和鲁棒性.本文主要讨论了单神经元自适应PID控制器的结构,控制算法,并用MATLAB仿真软件给出了实例仿真,证明了单神经元自适应PID控制器控制效果优于传统的PID控制器.     

基于TS模型的增益自校正单神经元PID控制算法

将单神经元自适应PID控制算法和基于TS模型的模糊推理系统相结合,提出了增益模糊自校正单神经元PID控制算法。该算法使得传统单神经元自适应PID控制的神经元增益具备在线自动调整的功能,对于变增益的不确定性系统的控制,获得了很好的控制性能。     

原油脱水过程单神经元PID解耦控制研究

集输联合站的油水分离是保证产出原油质量的关键工艺过程。在对油水分离沉降过程动态特性深入研究的基础上,给出了其数学模型。联合神经网络PID控制和解耦系统的特点,给出了一种单神经元PID解耦算法。这种方法具有自学习和自适应能力,在一定程度上解决了传统PID调节器不易在线实时整定参数的不足,提高了控制器对系统和环境变化的适应能力。仿真结果表明这种单神经元PID解耦算法可有效改善控制质量,比常规的PID解耦具有更好的动、静态特性和鲁棒性。     

DC／DC变换单神经元自适应PID控制器仿真研究

为解决传统PI控制对具有时变、非线性特性的DC/DC变换器动态控制性能不佳的问题,将人工神经网络与PID控制理论相结合,为DC/DC变换器设计了一种单神经元自适应PID控制器。该控制器算法简单,通过对加权系数的在线调整来实现自适应、自学习功能,从而满足DC/DC变换器的时变及非线性特性。以BUCK型变换器为例,建立了DC/DC变换器智能控制系统的仿真模型,在不同负载及参数变化的情况下与常规PI控制效果进行对比分析,结果表明,单神经元自适应PID控制器对DC/DC变换器具有很好的控制效果和鲁棒性。     

模糊—单神经元PID复合控制智能控制器

设计了适应于无刷流电动机控制系统的智能控制器，将模糊控制和单神经元自适应PID控制很好地结合在一起，利用各自的优点在不同的情况下进行控制。仿真研究与实时控制结果表明，该智能控制系统具有令人满意的静、动态性能、而且响应速度快、鲁棒性强、自适应性好。     

基于模糊专家模型的神经控制器及应用研究

针对具有严重非线性特性的pH中和过程,提出了一种基于模糊专家模型的神经控制策略,这种方法将神经网络逆控制器与神经元PID控制器相结合,并利用模糊专家模型所得到的预报结果来调整神经元PID的权值。仿真试验表明该方法能有效改善控制性能,所提出的方法实现了对pH过程的有效控制,并且有很强的适应性。