基于单神经元PID的航空发动机解耦控制

将神经网络应用到PID控制器的参数整定过程中,提出了一种基于改进单神经元PID的航空发动机解耦控制方法,通过在航空涡扇发动机多变量控制系统中的应用,得出了实际的仿真结果及结论。仿真结果表明,该改进单神经元PID解耦控制方法与传统的PID多变量解耦相比,具有响应速度快,自适应能力强,抗干扰能力强,实现简单的优点,因而可以广泛的应用于非线性系统的解耦控制中。     

基于单神经元的温度解耦控制系统研究

在生产和工业中,对温度的控制是十分普遍的.本文将单神经元自适应PID控制与解耦控制相结合,提出了基于单神经元PID的解耦算法,并对电加热炉炉温控制系统进行仿真.结果表明:该设计方案具有良好的解耦效果,控制系统的调节品质令人满意.     

基于单神经元的永磁同步电机解耦控制

针对永磁同步电机(PMSM)磁场定向控制为代表的传统解耦策略难以实现高性能控制的问题,本文利用神经网络不依赖对象模型的特点以及出色的学习能力,提出了一种基于单神经元的永磁同步电机解耦控制策略.在传统磁场定向控制模型的基础上,构建了基于单神经元的永磁同步电机解耦控制系统,进行了仿真,并搭建以数字信号处理器为核心的电机控制实验平台上进行实验论证.结果表明,基于单神经元解耦的永磁同步电机控制系统具有快速响应能力,并且几乎达到无静差、无超调,实现了PMSM的高性能控制.     

内模解耦单神经元自适应PID仿真研究

为了解决多变量大时滞系统的耦合问题,根据内模控制原理和单神经元的在线自学习能力,提出一种基于模型的单神经元自适应PID内模解耦算法,并详细分析了其在多变量大时滞系统中的解耦原理.内模解耦是运用解耦预估补偿器将一个多输人多输出的系统补偿为多个单输入单输出的系统、并将对象模型进行对角优势化,补偿后的主对角元素即可作为内模控制的预估模型.仿真结果表明,这种新的内模解耦算法具有相当好的解耦能力、较好的快速性和抗干扰能力.     

基于单神经元自适应控制器的IGCC电站气化炉控制

在分析IGCC电站中气化炉的工作特性与气化炉控制系统基本结构的基础上,对气化炉控制系统进行了设计。运用单神经元自适应控制方法,采用改进的有监督的Hebb学习规则在线完成控制器参数的自整定,从而实现系统的智能控制。仿真结果表明,与常规PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。     

自适应神经元非模型多变量系统解耦控制

根据解耦原理和神经网络的思想，提出一种不依赖对象模型的自适应神经元解耦方法，并以采用单神经元PID作为控制器的三输入三输出系统为例，详细分析了神经元解耦控制的学习方法，及在多变量系统中的工作机理，仿真结果表明，其构成的神经元补偿器具有很强的自学习功能和自适应解耦能力。     

多变量自学习动态解耦控制

针对多变量系统提出自学习动态解耦控制算法,该控制算法设计简单,具有较好的动态和静态性能,能实现在线实时动态解耦。     

基于PID网络的航空发动机多变量系统解耦控制

研究飞机发动机稳定性控制问题,由于航空发动机是多变量系统,各同路间存在耦合现象,影响系统稳定性能.为保证飞行可靠性,提出采用PID网络设计航空发动机多变量系统的解耦控制器.根据发动机的工作原理及变量选择的一般原则,利用改进的最小二乘法拟合建立发动机四变量小偏差状态模型,并添加动量PID网络设计航空发动机四变量系统的解耦控制器进行仿真.结果表明,建立的航空发动机四变量系统解耦控制器具有解耦性强、调节时间短、精度高等特点,满足航空发动机控制器设计的要求,为设计提供了科学依据.     

一种基于双神经元自适应预估控制的静态解耦系统

当前在多变量系统的解耦控制的实际应用中,存在对象精确模型的依赖型问题,造成动态控制效果不够理想.大规模神经网络等技术控制算法过于复杂,在很多程度上影响了控制的可实现性和实时性.提出了一种基于双神经元自适应预估控制的静态解耦控制系统.详细阐述了所采用的基于神经元的自适应预估控制算法.使用一个神经元作为回.路的自适应控制器...     

航空发动机模型参考自适应控制

针对航空发动机数学模型的复杂、多变,建立了以Elman反馈神经网络为基础的模型参考自适应控制系统.为提高控制系统的响应性能,神经网络控制器和辨识器同时采用动态Elman网络,利用动态反向传播(DBP)算法实现参数的在线调整和辨识,并利用李雅普诺夫函数对算法的收敛性进行了证明.采用某涡喷发动机的地面模型和高空模型作为控制对象进行了大量的仿真研究;结果表明:此控制系统具有自适应能力强、响应速度快、稳态误差小等优点;理论分析与仿真结果一致,证明算法和结果是正确有效的,对复杂动态系统控制具有参考价值.     

基于单神经元自适应PSD算法的分布式智能灯光控制

针对已有灯光控制算法无法应对系统模型变化的问题,提出将单神经元自适应PSD（proportion sum differential）算法应用于分布式智能灯光控制。利用单神经元自适应PSD算法的自学习能力,控制器根据系统误差实时修改参数,并与无线传感器/执行器网络中的分簇机制相结合,形成了一套完整的自适应分布式智能灯光控制算法。并以基于无线传感器/执行器网络的灯光控制实验平台为被控对象,设计控制器并进行了仿真研究。仿真实验表明,当系统模型发生改变,与已有的分布式PID灯光控制算法相比,本文的控制算法具有更好的控制效果、鲁棒性更强。     

自适应解耦补偿控制在变风量空调系统中的应用

针对变风量（VAV）空调系统正常运行的必要条件——稳定性问题进行研究,把变风量空调系统基于分解协调的策略合理地分解为机组部分和末端部分。应用了单神经元自适应PID控制器的概念,并结合神经元自适应解耦控制的策略,对变风量空调系统的机组部分进行了解耦与控制,还从实验系统测试的方面对解耦控制策略进行了验证。实验结果证明了这种解耦控制策略的有效性。     

Multivariable PID control by decoupling

This paper presents a new methodology to design multivariable proportional-integral-derivative (PID) controllers based on decoupling control. The method is presented for general n × n processes. In the design procedure, an ideal decoupling control with integral action is designed to minimise interactions. It depends on the desired open-loop processes that are specified according to realisability conditions and desired closed-loop performance specifications. These realisability conditions are stated and three common cases to define the open-loop processes are studied and proposed. Then, controller elements are approximated to PID structure. From a practical point of view, the wind-up problem is also considered and a new anti-wind-up scheme for multivariable PID controller is proposed. Comparisons with other works demonstrate the effectiveness of the methodology through the use of several simulation examples and an experimental lab process.     

基于单神经元的自适应逆控制仿真研究

针对火电厂热工对象的变结构、变参数和时变等特点,不采用一般的单神经元自适应PID 控制,而是在此基础上加以改进,采用基于单神经元的自适应逆控制方案。通过大量的在各种环境变化和对象参数变化中的仿真研究表明,这种方法取得了很满意的控制效果,且控制算法简单,易于工程实现,有一定的实用价值。     

单神经元自适应PID控制器的性能优化设计

研究了单神经元自适应PID摔制器性能优化问题,阐述了该摔制器的特点、控制律;给出了一种控制灵敏度的快速近似求取方法,实现了PID参数的在线自学习;使单神经元控制器具有可调参数少、易于整定、控制输出平稳、鲁棒件强的独特优点,适用于大滞后且要求平稳控制输出的工业过程。     

基于ESO的动态解耦方法及其应用仿真*

针对多变量系统控制中的耦合问题,提出了一种基于扩张状态观测器（ESO）的动态解耦方法。该方法将系统输入变量间的耦合作用、被控对象参数时变和外界干扰视为一个总的扰动,用ESO估计该总扰动并反馈到控制器进行补偿,从而实现动态解耦;对解耦后的每个子系统,分别设计出了基于误差最小二乘指标的神经元自适应PID（NAPID）控制器。该方法简化了解耦过程,放松了对系统模型的要求,计算量小、鲁棒性强。最后用该法对蒸馏塔进行控制仿真,仿真时使用混沌优化方法对ESO的参数进行了离线优化,并给出了与模糊PID解耦控制方法对比的     

SR电机单神经元PID直接转矩控制系统

针对采用常规PID控制器很难取得很好的控制效果,提出了单神经元PID与常规PID复合控制的开关磁阻电机调速系统的新方法,利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。以速度误差为系统外环输入,大偏差时采用常规PID控制,小偏差时采用单神经元控制。外环的输出变量为内环的目标转矩,送入60kW三相6/4结构的开关磁阻电机直接转矩调速系统内环。仿真结果表明,这种复合控制方法解决了常规控制方法因电机数学模型难以精确确定而无法确定控制参数的问题,并克服了常规P I D控制器参数固定,控制非线性系统差的缺点,很好的解决了系统上升时间与超调的矛盾。系统具有很好的抗干扰能力与鲁棒性。     

Time series prediction with single multiplicative neuron model

Single neuron models are typical functional replica of the biological neuron that are derived using their individual and group responses in networks. In recent past, a lot of work in this area has produced advanced neuron models for both analog and binary data patterns. Popular among these are the higher-order neurons, fuzzy neurons and other polynomial neurons. In this paper, we propose a new neuron model based on a polynomial architecture. Instead of considering all the higher-order terms, a simple aggregation function is used. The aggregation function is considered as a product of linear functions in different dimensions of the space. The functional mapping capability of the proposed neuron model is demonstrated through some well known time series prediction problems and is compared with the standard multilayer neural network.     

多自由度伺服系统的非线性解耦控制

多自由度伺服系统各轴之间存在的非线性耦合,是影响系统控制性能的一个重要因素,为了提高系统控制性能,本文研究了多自由度伺服系统的解耦控制．首先建立了多自由度伺服系统的一般化耦合数学模型;然后根据Singh法求出逆系统;最后结合期望的标称线性传递函数,算出解耦控制规律．本算法避开微分几何理论,直接对矩阵进行运算,易于理解．文章给出了应用此方法对3轴仿真转台进行解耦控制的例子．