改进BP神经网络PID多变量解耦控制器的设计

针对多变量系统间的耦合问题,设计了改进的BP神经网络与PID控制器相结合的多变量解耦控制器。在将BP神经网络附加动量项的基础上,还将激活函数进行了改进。利用神经网络的自学习能力,在线调整PID控制器的三个参数,实现了多变量系统的解耦控制。用Matlab软件对一个耦合系统模型进行仿真,结果表明,改进后神经网络PID控制器优于传统神经网络PID控制器,震荡小,系统响应速度快,可以得到满意的解耦效果。     

仪用模糊神经网络PID控制器的研究

针对仪用控制器的特点,本文提出了一种实用的仪用模糊神经网络ＰＩＤ控制器闭环设计方法,研制了模糊神经网络控制器设计开发软件,进行了大量的不同工业背景的计算机仿真,得出的控制器参数（网络权值,网络阀值）由单片机控制系统实现。实验表明：该方法在被控对象输出特性和Ｄ／Ａ输出给执行器的动作特性上都具有令人满意的曲线效果。同时亦证明这是一种实现仪器仪表智能化的有效方法。     

基于模糊自适应PID技术的励磁控制器研究

现代电力系统处于高速发展阶段,对于电力系统的动态、静态稳定性有了越来越高的要求,传统的PID控制器已经难以满足现代电力系统的要求.研究了一种模糊推理和PID相结合的参数自适应控制方法,分析了同步发电机励磁控制系统的数学模型和模糊PID励磁控制的推理方法,并用simulink对传统PID控制和模糊PID控制进行了仿真研究.研究分析表明模糊自适应PID励磁控制器具有较好的控制效果和很强的鲁棒性.     

基于BP神经网络的PID控制器参数寻优

详细介绍BP神经网络对PID控制器参数寻优控制算法，用高斯核函数作为节点激励函数对系统进行控制。试验表明系统操作方便．安全可靠．控制效果好。     

基于BP神经网络的料筒温度PID控制器

针对注塑机料筒温度控制的要求和PID控制器的不足,设计了一种基于BP神经网络的PID控制器.该控制器将神经网络和PID控制技术相结合,能无限地逼近非线性系统,具有收敛快的优点.提出了基于BP神经网络的PID控制算法和程序流程.仿真结果表明,BP神经网络PID控制器能有效地缩短过渡过程,具有较好的稳定性和快速响应性,可以满足注塑机料筒的温度控制要求.     

模糊神经网络PID控制器在VEHSLS中的应用

该文设计了模糊BP神经网络PID控制器,用于提高VEHSLS控制精度和响应速度。该控制器把模糊逻辑、BP神经网络和PID控制的优点相结合,充分利用了模糊逻辑的抽象能力、神经网络的自学习功能和HD控制算法简单的特点,使系统可以通过模糊神经网络在线调整PID控制器的参数,进而提高了VEHSLS控制精度和系统的稳定性。     

基于模糊神经网络和遗传算法的智能控制器

PID控制算法简单、鲁棒性强,但其参数整定过程繁琐,整定时需要控制对象的精确数学模型,而且整定往往是针对某一种具体工况进行的,缺乏自学习和自适应能力.模糊神经网络则兼备了模糊逻辑和神经网络的优点,具有函数逼近功能,具有较强的自适应、自学习能力、容错能力和泛化能力.借助于遗传算法对全局性参数进行优化设计,借助于BP算法对局部性参数进行优化,将模糊神经网络和遗传算法引入PID控制参数的整定过程,构造出一种基于模糊神经网络和遗传算法的智能PID控制器.     

基于模糊神经网络和遗传算法的仿人智能PID控制器设计

阐述一种新型的模糊神经网络加遗传算法的智能PID控制器     

基于神经网络的微分先行PID控制器的研究

微分先行PID是理想型PID改进中的一种,它适合于给定值频繁变化的情况。但是传统的PID控制器在实际的工业生产过程中,对具有非线性、时变不确定等特性的系统控制效果并不理想。神经网络与之结合是很好的一种解决方法     

PID神经网络控制器的设计及仿真研究

PID神经网络(PID-NN)是一种新型的前向神经元网络,该隐含层单元分别为比例(P)、积分(I)、微分(D)单元,各层神经元个数、连接方式、连接权初值是按PID控制规律的基本原则确定的。PID神经网络控制器是将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确之优点,同时又具有神经网络自学习、自适应的功能。本文给出了PID-NN控制器的结构形式,计算公式,从理论上证明了PID-NN的收敛性和稳定性,最后对二阶对象下的系统进行了仿真,证明了PID-NN控制器具有较好的自学习和自适应性。     

模糊PID控制器的设计

本文着重对基本模糊控制器、模糊PID控制器的设计和在仿真软件MATLAB中的具体实现方法作了比较详尽的论述，在仿真软件MATLAB中完成对基本模糊控制器和模糊PID控制设计工作，并对相应的控制系统进行仿真，对时间常数对控制系统的控制效果的影响作了演示，得到其响应曲线，并与PID控制方法进行比较，从而得出模糊PID控制器对系统进行控制优于一般模糊控制器控制方法。     

基于BP神经网络的闭式压力机PLC控制的研究

通过简述J36-800型闭式压力机的传统继电器-接触器控制方式存在的问题,说明了对其进行PLC控制系统?改造的必要性。对原来的液压伺服控制系统进行有效的改进,并结合BP神经网络PID控制器进行实时测量值的计算分析,调整PID控制器的参数,再由PLC控制执行器不断地动作调整液压缸内的油液,直到实时测量值无限接近设定值为止。仿真结果表明:BP神经网络PID控制器在获得精确压力值和位移值方面,较传统PID控制器具有鲁棒性好、调整迅速、超调量小等优点,更能满足实际生产需求。     

基于神经网络的多值模糊控制系统研究

对于难以用精确数学模型描述的多变量非线性复杂控制系统,靠传统控制理论难以获得理想的控制效果,基于模糊神经网络控制的技术不依赖于被控对象精确的数学模型,且能根据被控对象参数的变化自适应调节控制规则和隶属函数参数的特性本文介绍了模糊神经网络控制器的应用研究,经过仿真实验证明该控制器能够获得较理想的控制效果。     

基于共轭梯度法的改进型BP神经网络PID控制算法

针对常规BP神经网络PID控制器存在收敛速度慢和易陷入局部极小的缺点,提出一种基于共轭梯度算法的改进型BP神经网络PID控制器,采用Polak -Ribiere线性搜索方法,对传统BP神经网络PID控制器进行改进,加快了网络训练速度,避免网络陷入局部极小.在Matlab平台下实现算法程序,仿真结果表明该改进控制方法的有...     

模糊神经网络控制器参数修正方法研究

模糊神经网络控制器是一种将模糊逻辑与神经网络相结合的智能控制器 ,其既不依赖于被控对象精确的数学模型 ,又能根据被控对象参数和环境的变化自适应地调节控制规则和隶属函数参数 ,但是存在着在线修正权值计算量大、过度修正权值还可能导致系统剧烈振荡等缺点。针对存在的问题 ,提出了一种模糊神经网络控制器的优化方法 ,即在线自学习过程中 ,仅对控制性能影响较大的控制规则所对应的权值进行修正 ,以减小计算量 ,根据偏差及偏差变化率的大小自适应调节权值修正步长 ,避免系统发生剧烈振荡。     

CMAC神经网络控制器与BP神经网络辨识器的系统设计

提出了一种基于CMAC神经网络控制系统,该系统由CMAC神经网络控制器和BP模型辨识网络组成。文中介绍了CMAC神经网络控制器的结构及学习算法,还给出了系统辨识的BP网络结构及学习算法。仿真结果表明了此法的可行性和有效性。     

基于BP神经网络PID控制器的单轴测试转台设计

针对TS-360型单轴测试转台精度要求高的特点,提出了基于BP神经网络与常规PID控制器相结合的控制算法,提高了系统的控制精度,增强了系统对非线性干扰的自适应能力.系统采用增量式光电码盘反馈和PC/104嵌入式计算机控制的新型测角方案,设计并研制了转台相应的硬件装置,实现了系统的全数字控制.     

基于BP神经网络的PID智能温度控制器设计

PID控制被广泛应用在工业过程控制领域,但是在实际应用中往往具有非线性、时变不确定性,导致PID参数整定难以达到最佳控制要求。本文将神经网络技术应用于PID控制中,利用神经网络具有的非线性函数逼近能力,通过对系统性能的学习来实现具有最佳组合的PID控制,并将研究结果用于单片机温度控制器,效果良好。     

基于BP神经网络的Fuzzy-PID恒温控制器

在高精度恒温系统温度控制中,为了克服温度这种被控对象因其纯滞后、非线性和大惯性特性以及被控对象参数的时变性对精度的影响,采用了BP神经模糊PID控制器代替模糊控制,使推理速度加快,并通过在系统运行时不断地增加和完善模糊控制规则,不断提高系统控制的精度。仿真分析结果表明,经过BP神经网络优化学习后,系统具有良好的控制性能和自适应能力,很好地满足了大滞后系统对高精度控温与快速性的要求。     

基于遗传算法的模糊神经网络控制器在烘干炉温度控制系统中的设计与仿真

以烘干炉温度为被控对象,由于烘干炉温度控制具有非线性、大滞后和无法建立精确数学模型等特点,传统的控制器很难达到理想的控制效果,为此设计了一种基于遗传算法的模糊神经网络控制器.基于遗传算法的模糊神经网络控制器是将遗传算法的全局寻优和BP算法的在线学习结合起来,先用遗传算法对神经网络的参数进行离线训练,然后再用BP算法对模糊神经网络控制器进一步在线学习.仿真结果表明,基于遗传算法的模糊神经网络控制器与模糊控制、传统PID控制相比较,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到良好的控制效果.