基于神经网络的疲劳试验机控制系统仿真及实验研究

针对疲劳试验机控制系统，设计了基于BP神经网络和PID的并行控制器。该控制器充分利用了经典PID控制算法简单的特点，又利用了神经网络良好的自适应能力，首先通过PID控制为神经网络的在线学习提供训练样本，然后神经网络逐渐学习被控对象的动态逆模型并取代PID控制器起主导作用。该方法降低了PID参数的调整难度，同时对控制对象的刚度变化表现出良好的鲁棒性，并通过仿真证明了所设计系统的有效性。     

PID神经网络在电液弯辊伺服控制系统中的应用

针对电液弯辊伺服控制系统,设计了PID神经网络控制器.该控制器不仅具备传统PID控制器结构简单、参数物理意义明确等优点,而且具有神经网络的自适应和自学习能力,能够在线调整相关参数,使控制系统表现出良好的鲁棒性和控制性能.仿真和实验均证明了其有效性.     

冷轧卷取机张力自适应控制器的研制

针对现有的张力控制器采有PID参数调整,在工艺参数变化时,引起张力波动问题,研制了基于单片机和神经网络的PID参数自适应算法的张力控制器。通过Matlab软件进行仿真,验证了张力自适应控制技术能够有效消除系统张力误差。     

基于遗传算法-BP神经网络的PID控制器的设计

针对常规PID控制器不能对其参数进行自寻优的缺点,提出采用遗传算法优化BP神经网络PID控制器,使3个参数实现在线调整.并通过MATLAB仿真试验表明:基于遗传算法-BP神经网络的PID控制器比常规PID控制跟踪信号的能力要好,而且有较好的自适应和自学习能力.     

SMA驱动器的反步自适应NN控制

针对形状记忆合金(shape memory alloy, SMA)迟滞非线性特性下的轨迹跟踪问题，提出了一种反步自适应神经网络的控制方法。首先，根据所建立的Lyapunov函数，通过反步法设计出针对SMA驱动器的非线性控制器；然后，针对系统的非线性和参数的不确定性，采用自适应神经网络进行逼近，并且基于构造的Lyapunov函数，证明了闭环系统的稳定性。实验结果来看，所提出的控制方法成功地应用于SMA驱动器，并且几乎补偿了迟滞现象，并将实验控制结果与传统的PID控制器进行了比较。     

基于模糊神经网络的电阻焊机恒电流控制研究

由于建立实际电阻点焊过程精确的数学模型比较困难,使得常规的人工调节PID控制器参数较难实现良好的匹配,从而难以获得满意的控制效果。针对该问题,将智能调节与PID控制方法相结合,利用模糊神经网络设计了参数kp、ki、kd自适应调整的PID控制器,构建了逆变电阻点焊电源的系统模型,通过对系统运行状态的在线学习智能化地修正PID的三个参数。PID控制输出量通过PWM发生器产生四路独立的、占空比实时变化的PWM波形,进而控制逆变器的功率开关器件导通时间,最终实现对系统恒电流的输出控制。仿真结果表明,该方法能根据系统的运行状态自行匹配对应最优控制规律下的PID三个参数,能有效地控制焊接电流的恒定,达到满意的效果。     

基于神经网络的磁轴承自适应控制器

研究机床电主轴上采用的主动磁轴承系统的建模,设计了基于RBF神经网络的自适应PID控制器.该控制器可根据磁轴承的运行情况进行在线自学习和自校正,避免了PID控制器参数整定困难且无法及时改变的缺点.基于某磁轴承系统的仿真和实验研究表明,该RBF-PID控制器能很好地抑制转子振动,满足控制要求.     

基于改进的PSO在并联机构神经网络控制系统中的应用

针对传统 PID 神经网络不能实时有效地控制非线性多变量系统的问题,设计了一种新型多变量自适应 PID 神经网络控制器。该控制器的隐含层带有输出反馈和激活反馈,实现了比例、微分和积分功能。利用一种基于解空间划分的改进粒子群算法对控制器参数进行优化,消除了初始值对控制器准确性的影响,并将控制器应用于并联机构控制中。由仿真结果可知：控制器控制精度高,鲁棒性和自适应性较强。这一研究为并联机构的精准控制和优化设计提供了理论基础。     

基于改进的PSO在并联机构神经网络控制系统中的应用（英文）

针对传统PID神经网络不能实时有效地控制非线性多变量系统的问题,设计了一种新型多变量自适应PID神经网络控制器。该控制器的隐含层带有输出反馈和激活反馈,实现了比例、微分和积分功能。利用一种基于解空间划分的改进粒子群算法对控制器参数进行优化,消除了初始值对控制器准确性的影响,并将控制器应用于并联机构控制中。由仿真结果可知:控制器控制精度高,鲁棒性和自适应性较强。这一研究为并联机构的精准控制和优化设计提供了理论基础。     

液压位置伺服系统的模糊免疫自适应PID控制

以闪光对焊机为研究对象,针对其液压伺服系统存在的非线性、参数不确定性以及负载干扰等特点,借鉴生物免疫反馈响应过程的调节作用和模糊逻辑推理的自适应性,设计出一种模糊免疫自适应PID控制器。建立液压伺服控制系统的数学模型,并利用AMESim建模与仿真软件对液压伺服控制系统进行了分别采用模糊免疫自适应PID控制与常规PID控制的仿真对比试验。结果表明:该控制器性能优于传统的PID控制器,具有良好的快速响应特性、较强的鲁棒性和自适应能力。     

BP神经网络在流量比值控制系统中的应用

针对在PCT-2型过程控制装置进行流量比值控制时,PID参数难以整定的问题,提出了一种基于神经网络自适应的PID流量比值控制方法.该算法利用BP神经网络的非线性表示能力,通过系统的自学习来实现具有最佳组合的PID控制.这种方案达到了在线实时控制的目的.实验表明:在流量比值控制系统中,基于BP神经网络的PID控制算法比普通PID控制算法具有更好的动态性能和鲁棒性,能取得很好的控制效果.     

面向电子压力机模糊神经网络PID控制的研究

针对电子压力机位置伺服系统的非线性和时变的不确定性,压装力、压装速度和压入深度高可控性,系统的高稳定性、适应性及较强的抗干扰能力等特点,提出将神经网络实现模糊PID自调整的控制特性应用在现存的小型电子压力机的位置伺服系统中的方法。该控制策略将模糊控制的推理能力和神经网络的学习能力进行了有效的结合,其中,PID控制器参数自调整是通过学习并记忆PID参数调整的基本规则来实现的,以满足电子压力机位置伺服系统的要求并用MATLAB软件编程进行仿真分析。仿真结果表明:相比较常规神经网络与传统PID相结合组成的控制器,模糊神经网络PID自调整控制器对于电子压力机的位置伺服系统具有更快的响应特性及更好的稳定性。     

Application of fuzzy PID self-adaptive controller in pressurisation control system of counter gravity casting

Abstract

Good counter gravity casting process control is very important to the production of high quality light metal parts. However, due to uncertain dynamic properties, large delay and interactive influencing factors, this kind of process control is quite complex and it is hard to build a precise mathematic model to describe its characteristics. PID control dose not depend on mathematic model, but once the parameters are given, it cannot regulate itself and cannot get satisfied control effect. In order to satisfy the higher control performance requirement, fuzzy logic control is introduced, which is used to revise three coefficients of PID controller. It can greatly overcome the defects of conventional parameter fixed PID algorithm and get a good self-adaptive ability. Compared with the commonly used classical PID controller, the proposed fuzzy PID controller shows excellent robustness against system parameter variations and external disturbances in the counter gravity casting machine.     

模糊自适应PID控制器在液压AGC系统中的应用

针对液压AGC(Automatic Gauge Control)系统生产工艺中对厚度控制的要求,设计一种应用于液压AGC系统的模糊自适应PID控制器。该控制器以常规PID控制为基础,根据偏差和偏差的变化率,利用模糊逻辑实现PID参数的在线自调整,进一步完善PID控制器的性能,提高厚度控制系统的控制精度。仿真结果表明:该控制器既具有常规PID控制器高精度的特点,又具有模糊控制器响应速度快的特点,而且具有良好的动态、稳态性能以及较强的鲁棒性,能够使液压AGC系统达到满意的控制效果。     

一种新型全液压矫直机多神经元PID伺服控制器设计与研究

针对当前普遍常用的BP神经网络算法的缺陷,即反传算法复杂,收敛速度慢,在解决一些复杂多变非线性及系统多耦合问题时,网络权值收敛局部极小点,导致网络训练失败,反传算法权值迭代出现畸形变化问题。虽然神经网络控制器在软件仿真中运行结果都能满足要求,但是在实际的现场工程应用中很难适应复杂工业现场所要求的控制快速性和及时性。针对以上缺陷,提出了一种新型的多神经元PID神经网络算法,其原理是通过简化PID神经元网络控制器,改善其权值初始化来达到新型多神经元PID控制器控制过程的快速性和响应的及时性,将其应用到全液压矫直机四缸伺服控制器。通过将传统神经元网络控制器和文中所研究的新型多神经元PID控制器位移响应曲线对比分析,该新型多神经元PID伺服控制器具有反传算法大为简化、收敛速度快、网络权值灵活性好、实时性等优点,为多神经元PID控制器的工程化应用提供了理论支持。     

基于PID神经网络的弧焊电源控制器的研究

为了实现弧焊过程弧焊电源输出特性到给定量的快速响应及其智能控制,提出了一种基于PID神经网络的控制器.将PID控制与BP神经网络相结合应用于弧焊过程的智能控制,既有PID控制规律的优点,又具有神经网络很强的信息综合处理能力特点.实验表明,该控制器用于弧焊电源输出特性的智能控制,具有控制响应速度快、超调量小、收敛速度快、稳态精度高的特点,满足弧焊过程控制的要求.     

基于单神经元PID的真空炉自适应温度控制

根据真空热处理系统的特点,将单神经元PID控制算法应用到真空热处理系统的温度控制上。根据神经网络的非线性逼近能力和自学习自适应的特点,将单神经元网络与PID控制结合实现对真空炉温度的控制,以达到提高真空炉温度控制品质的目的。并通过计算机仿真软件进行仿真试验,仿真结果表明单神经元PID控制系统可以对控制参数自整定,其对温度控制更加稳健,具有更强的抗干扰能力和鲁棒性。经过搭建真空炉温度控制系统试验平台验证后发现,应用单神经元PID控制的真空炉系统的温升过程表现出了良好的稳定性,但是温度控制的响应速度和保温的精度略有下降。要想进一步提高温控品质,需要就单神经元PID控制方法在响应速度和控制精度上做进一步改进。     

基于模糊神经PID的重载机械臂变幅系统仿真研究

针对重载机械臂变幅机构控制系统的功能要求,设计一种可以实现变幅机构位移同步控制的液压系统.结合重载机械臂位移同步控制方法与策略,提出采用能满足系统稳定性和鲁棒性要求的模糊神经PID控制策略对其进行位移同步控制.运用AMESim和Simulink对变幅控制液压系统进行建模仿真,对比分析了模糊神经PID与常规PID对液压缸...     

基于模糊RBF的液压压裂泵同步研究

针对液压压裂泵的液压缸工作中的不同步导致整个系统流量和压力脉动大、输出效率低、液压元件使用寿命短的问题,以阀控缸为研究对象搭建其数学模型,提出利用模糊RBF神经网络+交叉耦合的控制策略对液压缸的同步动作进行控制。在传统模糊控制的基础上,将模糊控制与RBF神经网络控制融合在一起,根据系统数学模型,设计了跟踪控制器和同步控制器,实现对阀控缸系统的精准控制与同步反馈。仿真结果表明：与传统PID和模糊PID系统相比,模糊RBF神经网络+交叉耦合同步控制策略同步精度高,响应速度快,有较好的鲁棒性和稳定性。