PID神经网络及其非线性动态系统辨识能力分析

PID神经网络具有在线自学习能力,通过无教师的自学习方式,PID神经网络成功现了不同的系统辨识,本文在介绍PID神经网络的基础上,论述了PID神经网络进行系统辨识的理论依据,给出了PID神经网络通过自学习进行非线性动态系统的辨识的结果。     

可控受限多变量耦合系统的智能控制

针对可控受限多变量耦合系统,提出了一种基于对角递归神经网络(DRNN)整定的PID混合解耦控制。采用对角递归神经网络来辨识系统模型,进而对PID控制器参数进行整定,实现多变量解耦控制。通过对多变量耦合控制系统的设计和实时控制,实际控制结果达到了解耦控制的要求,并具有无超调、响应速度快、控制精度高等特点。     

基于多新息理论的PID神经网络改进算法

为了提高非线性动态系统辨识精度,提出一种基于多新息理论的PID神经网络改进算法。对具有时间延迟非线性动态系统,由于采用多新息,充分利用了系统的当前数据和历史数据,较传统的BP算法,本文所提算法在辨识精度和收敛速度方面具有更好的效果。仿真结果表明该算法的有效性。     

基于动态递归神经网络的自适应PID控制

提出一种基于动态递归神经网络的自适应PID控制方案,该控制系统由神经网络辨识器和神经网络控制器组成。辨识器采用单隐层的动态递归神经网络,网络结构为2-4-1;辨识算法为动态BP算法;控制器采用两层线性结构的神经网络,输入为系统偏差及其一阶、二阶微分,因此具有增量型PID控制结构。应用该控制系统对一非线性时变系统进行仿真研究,仿真结果表明该控制方案不仅具有良好的跟踪特性,而且对系统参数变化具有较强的鲁棒性。     

基于PID神经网络的非线性时变系统辨识

1　引言PID神经网络是一种多层前向网络 ,它除了具备传统的多层前向网络的特点 ,如逼近能力、并行计算、非线性变换等特性外 ,其隐层单元还分别具有比例、微分和积分等动态特性[1～ 4] .本文将介绍 PID神经网络在非线性时变系统辨识方面的研究结果 .2　PID神经网络结构与算法PI     

基于模糊神经网络的多变量解耦控制

针对焦炉集气管压力这类多变量非线性系统，提出了一种基于PID神经网络和RBF模糊神经网络的多变量解耦控制方案，RBF模糊神经网络对多变量对象解耦，PID神经网络控制器控制过程的动态特性。工程应用表明，提出的控制策略有效地解决了集气管压力这类复杂对象的过程控制问题。     

基于BP神经网络的多变量PID解耦控制

基于神经网络的智能PID控制策略，以经典的PID控制理论为基础，并通过具有多变量解耦控制自学习功能的神经网络参数整定来实现。本文给出了网络的结构和算法，示出了一组二元变量强耦合时变系统的实时仿真结果。通过计算机仿真证明，基于神经网络的PID控制具有良好的自学习和自适应解耦控制能力。该系统融解耦器和控制器于一体，易于实现，适用于非线性多变量系统的解耦控制。它使解耦后的系统具有较好的动态和静态性能，特别是当根据BP控制规律确定了网络连接权系数的初值时，还能使系统参数快速收敛。     

基于动态神经网的非线性鲁棒辨识

研究了一类基于动态神经网络的未知非线性多变量系统的鲁棒辨识问题，用Ｌｙａｐｕｎｏｖ稳定性理论获得了具有保护策略的鲁棒调权律，从理论上证明了被辨识的系统是鲁榛 ，辨识误差按建模误差和未建模动态收敛到一个稳定区域，该策略的特点是不需要离线学习又不需要对象的状态完全可测，仿真结果验证了提出的动态网鲁棒辨识策略的有效性。     

基于RBF神经网络控制的球杆系统位置控制实验研究*

球杆系统是一种典型的高阶非线性不稳定系统,针对PID跟踪控制精度不高及BP神经网络控制训练时间较长的问题,本文提出一种带有低通滤波器的RBF神经网络控制器(RBFC)动态补偿PID控制的球杆控制方法,控制系统由RBF神经网络控制及PID控制器组成。为提高参数辨识速度和避免局部最小值,采用梯度下降法更新隐含层参数,采用带有遗忘因子的最小二乘法更新输出层权值。实验结果表明,该控制方案相比PID控制具有更高的控制精度,比BP神经网络具有更快的学习速度,低通滤波器保证了RBFC的辨识精度和稳定的控制输出,具有良好的动静态特性和控制性能。     

多变量强耦合时变系统的PID神经网络控制

介绍了一种新的神经网络———PID神经网络及其多变量强耦合时变控制系统。文中给出了网络的结构和算法,分析了时变对象的特点,对一组二变量强耦合时变系统进行了实时仿真。仿真结果显示:PID神经网络对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性。     

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.     

基于神经网络的PID控制器

提出了一种新型PID控制器,该控制器利用BP网络实现PID参数的在线调整,采用RBF网络对被控对象在线辨识。仿真结果表明该控制器的控制效果优于传统的PID控制算法和模糊自适应PID控制算法。     

Fuzzy neural networks for tuning PID controller for plants withunderdamped responses

In this paper, the fuzzy neural network (FNN) for tuning proportional-integral-derivative (PID) controller for plants with underdamped step responses is proposed. The underdamped systems are modeled by second-order-plus-dead-time transfer functions. For deriving the FNN, the dominant pole assignment method is applied to design the PID controllers for a batch of test plant models that represent the plants with underdamped responses. Then, a fuzzy neural modeling method is utilized to identify the relationship between the parameters that characterize the plant dynamics and the controller parameters. We then utilize the obtained FNN to tune the PID controller for plants with underdamped responses. Several simulation examples are given to demonstrate the effectiveness and robustness of the FNN obtained     

计及时滞的互联电网负荷频率控制最优分数阶PID控制器设计

分数阶PID控制器相比于传统整数阶PID控制器,具有控制性能好、鲁棒性强等诸多优势,可应用于电网的负荷频率控制(load frequency control,LFC)中.针对网络化时滞互联电网的LFC问题,提出了一种基于计算智能的分数阶PID控制器参数优化整定方案.该方案选择时滞LFC系统时域输出响应构建优化目标函数,采用最近提出的灰狼优化算法获得最优的分数阶PID控制器参数,所设计的控制器能确保一定时滞区间内LFC系统的稳定性.仿真算例表明,所设计的LFC最优分数阶PID控制器比传统整数阶PID控制器的控制性能更优,时滞鲁棒性更强.     

Analysis of direct action fuzzy PID controller structures

The majority of the research work on fuzzy PID controllers focuses on the conventional two-input PI or PD type controller proposed by Mamdani (1974). However, fuzzy PID controller design is still a complex task due to the involvement of a large number of parameters in defining the fuzzy rule base. This paper investigates different fuzzy PID controller structures, including the Mamdani-type controller. By expressing the fuzzy rules in different forms, each PLD structure is distinctly identified. For purpose of analysis, a linear-like fuzzy controller is defined. A simple analytical procedure is developed to deduce the closed form solution for a three-input fuzzy inference. This solution is used to identify the fuzzy PID action of each structure type in the dissociated form. The solution for single-input-single-output nonlinear fuzzy inferences illustrates the effect of nonlinearity tuning. The design of a fuzzy PID controller is then treated as a two-level tuning problem. The first level tunes the nonlinear PID gains and the second level tunes the linear gains, including scale factors of fuzzy variables. By assigning a minimum number of rules to each type, the linear and nonlinear gains are deduced and explicitly presented. The tuning characteristics of different fuzzy PID structures are evaluated with respect to their functional behaviors. The rule decoupled and one-input rule structures proposed in this paper provide greater flexibility and better functional properties than the conventional fuzzy PHD structures.     

A Novel Robust Pid Controller Design By Fuzzy Neural Network

In this paper, we propose a robust PID controller tuning method for parametric uncertainty systems (or interval plant family) using fuzzy neural networks (FNNs). This robust controller is based on robust gain and phase margin (GM/PM) specifications that satisfy user requirements. Here, the FNN system is used to identify the relation between the PID controller parameters and robust GM/PM. We can use the trained FNN system to determine the parameters of the PID controllers in order to satisfy robust GM/PM specifications that guarantee robustness and performance. Simulation results are shown to illustrate the effectiveness of the robust controller scheme.     

基于食品车间的自动导引车测控系统

在食品车间使用自动导引车进行物料运输可以节省人力,避免运输中产生交叉感染。基于食品车间环境,提出一种自动导引车测控系统的设计方案。该测控系统由不同的模块组成,通过各个模块间的相互作用实现自动导引车的正确行驶及站点停靠。由于食品车间环境比较特殊,系统采用磁导航传感器和光电传感器对路径进行识别。并且叙述了使用BangBang和PID相结合的控制算法在直流电机控制上的实现,以及模糊自适应PID算法在舵机控制上的应用。     

PIN型Elman网络及在动态系统辨识中的应用研究

首先介绍普通改进E lm an动态递归神经网络的结构,重点讨论一种具有P ID特性的E lm an神经网络及其学习算法,并将改进E lm an网络和P ID型E lm an网络分别用于动态系统的辨识.无论是理想的数学模型还是实际工业模型,计算机仿真结果均证明,将P ID型网络用于动态系统辨识具有更好的逼近效果.     

基于神经网络和弹性积分的控制器设计及应用

提出一种新型的智能PID控制器。将前馈神经网络BP网络作用在弹性积分控制器上,在线调整控制器的参数,采用RBF神经网络作为辨识器在线辨识控制输出对控制输入对象变化的灵敏度信息,提高系统的控制精度。该智能控制器实现了整体性能优化和个别参数优化相结合的思想。通过MATLAB仿真,该新型控制器具有超调量低、鲁棒性好等控制效果。