基于RBF-PID的啤酒灌装机贮液缸内液位控制

目的提高啤酒灌装质量和效率,对贮液罐液位进行精确控制。方法在传统PID控制的基础上,提出一种RBF神经网络与PID相结合的啤酒灌装机贮液缸内液位自适应控制方法。利用RBF神经网络的快速自学习能力调整PID控制的比例、积分、微分系数。结果与传统PID控制相比,RBF-PID控制响应速度快,超调量较小,系统达到稳定的时间得到大大缩短。结论文中方法提高了啤酒灌装机贮液罐内液位的控制精度,有效提高了啤酒的质量和产量。     

基于RBF神经网络的自动包装机温度控制算法研究

目的针对传统热封工艺中温度调节PID算法参数过度依赖人工经验的缺点,提出一种RBF神经网络与PID算法相结合的具有参数自适应的热封温度控制算法。方法使用控制系统的输出误差作为代价函数,采用最小均方误差(LMS)调整权值与偏置参数,并通过中心自组织算法实现径向基函数中心和中心宽度的动态调节,在Matlab软件中的Simulink子系统中建立仿真模型进行算法验证,并与传统PID控制算法进行比较。结果仿真结果表明,径向基神经网络与传统PID算法的结合使得系统输出响应在动态性能和静态性能方面均优于传统PID,在系统上升时间、调节时间等方面均优于增量式数字PID。结论将RBF神经网络PID算法应用于自动包装机,避免了传统热封工艺中PID控制算法参数不能适应于复杂变换控制环境的问题,神经网络PID算法的自适应性强,实现了热封温度变化下PID参数的自动调整,在一定程度上提升了生产效率和包装设备的智能化水平。     

六自由度运动平台控制系统的神经网络优化

阐述了六自由度运动平台的控制原理，并根据控制系统的特点，提出采用基于RBF和BP神经网络来改进常规PID控制器实现系统控制性能。在该控制系统结构中，提出了在RBF网络辨识Jacobian的基础上，将BP神经网络引入了平台控制系统中PID控制器的控制参数在线整定的算法，最后给出了在MATLAB下的具体仿真算法。     

粉状饲料动态定量称量包装控制系统设计与实现

目的 为提高粉状饲料包装过程的称量精度,提高包装效率,基于RBF神经网络设计一种粉状饲料定量称量包装控制系统.方法 首先介绍系统总体结构,以动态定量称量为主要研究对象,重点分析包装机的给料过程.针对精细给料过程,建立被控对象数学模型,结合传统PID控制和RBF神经网络设计称量控制器.通过RBF神经网络实现PID控制器参数的在线调整,从而提高称量精度.最后进行实际称量试验.结果 试验结果表明,静态和动态称量偏差均可以控制在0.5％以内,计量为25～50 kg,生产能力可以达到900包/h.结论 所述控制系统称量精度较高,具有比较理想的可靠性和稳定性,能够满足包装需求.     

改进的RBF神经网络PID算法在电磁振机中的应用

目的为了减少实际工作生产环境对智能组合秤称量精度的影响,增加电磁振动系统对环境的抗干扰性能。方法用RBF神经网络PID算法改进组合秤中的电磁振动系统,并在基础的RBF神经网络PID控制算法上引入动量因子的平方,减少拟合误差和参数调节过程中的震荡现象。结果与基础的RBF神经网络PID控制算法相比,改进后算法的收敛速度更快,拟合精确度更好;当仿真长度增加时,依然可以很好地逼近目标函数。结论改进后的算法使电磁振机的振幅和振动频率更加稳定,可以减少环境中噪音对其的干扰。     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

过热蒸汽温度控制中RBF神经网络整定PID控制的应用程序研究

在社会主义市场经济不断发展和完善的背景下,电力能源已经变成了人民群众生产和生活中不可或缺的一项重要的能源,随着电力能源需求量的逐渐增长,火力发电作为我国电力产业链条中一个重要能源支柱,也需要通过不断的发展与创新来满足社会生产生活对电力能源的需求。本文从PID控制系统结构设置方面入手,分析径向基函数(RBF)神经网络的结构和算法,探讨径向基函数(RBF)神经网络的PID控制原理,并进一步通过仿真实验检验其控制性能和效果。     

RBF网络及其在卫星姿态控制中的应用

提出了一种基于RBF网络扰动力矩补偿的控制技术，通过在传统PID控制的基础上，引入RBF网络补偿环节，进一步抑制了扰动力矩的影响，提高了卫星姿态控制精度，首先给出了RBF网络的学习算法，然后根据全补偿原则设计了神经网络补偿姿态控制方案，最后结合某型卫星的姿态控制系统设计实例，进行了数学仿真，结果表明：有RBF网络补偿的系统，姿态的稳态精度得到了明显的改善。     

基于PLC的定量称量包装控制系统设计

目的提高定量称量包装机的包装精度。方法在传统包装机械的基础上,基于PLC设计一种定量称量包装控制系统。结合RBF神经网络和PID控制方法,提出一种定量称量包装控制策略,以实现闭环控制。利用RBF神经网络的快速自学习能力调整PID控制的比例、积分、微分系数。以PLC为核心设计控制系统硬件结构并给出人机界面组成。结果通过多次实验,包装精度得到大幅提高,最大相对误差不超过0.6%。结论文中方法提高了定量称量包装机的精度、可靠性和可操作性。     

一种基于RBF神经网络的温度控制系统设计

干体炉具有非线性、时变、纯滞后的特性,传统PID控制难以达到较高的控温效果。针对该特性提出一种RBF神经网络算法的控制系统设计方案,并搭建了干体炉硬件模块和接口模块,实现了一体化自动温度校准。实验表明,基于RBF神经网络的控制方法设计的干体炉具有结构简单、逼近速度快、控温效果好的特点。     

基于模糊分数阶PID的开关磁阻电机直接瞬时转矩控制

针对开关磁阻电机直接瞬时转矩控制系统,引入分数阶积分与分数阶微分和二维模糊控制器结合,设计模糊分数阶PID转速外环控制器,提出了基于模糊分数阶PID的开关磁阻电机直接瞬时转矩控制。引入分数阶积分可提高系统的稳态精度,削弱积分饱和引起的大超调;运用分数阶微分解决原一阶微分易受高频干扰的缺点,提高系统的动态性能;基于RBF神经网络设计了PID转矩内环控制器,适应开关磁阻电机的非线性,实现转矩的双闭环跟踪控制。通过仿真表明:设计的模糊分数阶PID转速外环控制器能有效减小开关磁阻电机转矩脉动,系统快速达到稳态,动态性能良好,适应性强。     

盘式制动器高频振动的主动控制

为了降低制动器制动过程中产生的高频振动,通过对盘式制动器振动进行动力学建模,采用AFC(Active Force Control)控制理论与PID控制理论相结合,构造出有效的振动控制参数和AFC控制器。利用MATLAB /Simulink仿真平台,对AFC与PID联合控制下的制动器振动进行仿真,并与自由状态下的制动器振动进行对比分析。通过分析得到[α≤0.022]的情况下PID与AFC联合控制下制动盘在2 s左右振幅趋于稳定,制动盘振动幅值从[1×10-3 m]降低到[1×10-6 m]左右;而当[α>0.022]时AFC与PID联合控制会增大制动盘振动幅值。通过这种主动控制方法的研究为降低盘式制动器高频振动,进而降低高频振动引起的噪声,提高汽车NVH性能提供了依据。     

RBF模糊神经网络在刚性机械臂控制中的应用

为了提高刚性机械臂轨迹跟踪控制的精度,本文在分析RBF神经网络与模糊逻辑系统的函数等价性基础上,提出了一种基于T-S型模糊推理方法的RBF模糊神经网络,设计出基于RBF模糊神经网络的工业机器人控制器.研究发现,与普通的模糊神经网络相比,该网络结构简单,层数少,训练速度快,能自动寻优,通过在线调整网络隶属函数的中心值和宽度,优化了模糊规则,实现了对非线性系统的高精度轨迹跟踪控制,而且表现出有效性和鲁棒性.     

一类含间隙碰撞振动系统混沌运动的RBF神经网络控制

应用基于RBF神经网络的智能优化控制方法研究一类含间隙碰撞振动系统混沌运动的控制。基于RBF神经网络设计混沌控制器,利用混沌控制器输出小扰动施加于系统的可控参数,将混沌运动控制为预期的规则运动,同时将自适应混合引力搜索算法与RBF神经网络相结合,利用自适应混合引力搜索算法收敛速度快和全局寻优能力强的优势,优化混沌控制器的参数,避免了控制器参数选择的盲目性和主观性,提高了控制器的性能。该方法不需要被控系统的精确数学模型,适用于系统模型未知而仅获得实验数据的情况。     

基于自适应模糊逻辑和神经网络的双足机器人控制研究

在双足机器人行走控制中,为了改善系统的行走性能,提出了一种基于RBF神经网络前馈控制的力矩补偿控制方法。该方法将自适应模糊控制和神经网络逆模控制有效地结合起来,利用神经网络来逼近系统的逆动力学模型,提高系统了的控制性能,改善了机器人的行走特性。     

基于BP神经网络的盾构推进速度自适应PID控制

盾构掘进过程中地质多变,推进速度要求实现非线性控制,因此对控制方法提出较高的要求.在分析了盾构推进液压系统原理的基础上,建立了盾构推进速度仿真模型,设计了基于BP神经网络的盾构推进速度自适应PID控制器,运用MATLAB软件对常规PID推进速度控制和基于BP神经网络的自适应PID推进速度控制进行了阶跃响应仿真对比,并对基于BP神经网络的自适应PID推进速度控制的正弦跟踪特性进行了仿真.仿真结果表明基于BP神经网络整定的PID控制具有良好的跟踪能力和鲁棒性,相比于传统PID控制系统响应迅速,超调量小,具有很高的响应精度和良好的在线整定能力,对于盾构推进速度这种非线性过程,控制效果比较理想.     

非线性裂纹转子的振动控制与裂纹延缓的研究

针对裂纹转子的非线性振动问题,以具有非线性恢复力的轴承和电磁执行器的Jeffcott裂纹转子为研究对象,通过仿真和实验分析了系统的振动响应,同时采用神经网络PID控制的电磁执行器,实现对裂纹转子系统的非线性振动的主动控制。并通过对神经网络PID和传统PID控制方法的仿真比较,表明神经网络PID对非线性裂纹转子系统具有更好的控制性能和抗干扰性。其次,基于转子动力学理论,分析了裂纹的开闭特性,用数值方法分析了不同参数对裂纹扩展的影响,提出了有效延缓裂纹扩展的方法。     

制动器试验台测试系统的虚拟仪器技术

文章介绍了制动器试验台测试系统的虚拟仪器技术的结构和原理，从对制动器试验台的控制到试验数据的采集与处理实现了自动化。     

基于RBF神经网络补偿的不确定性倒立摆PD控制

针对带有参数不确定性的非线性倒立摆的跟踪控制问题,提出一种RBF神经网络补偿的PD控制方法。该方法采用RBF神经网络逼近系统不确定非线性函数,结合常规的PD控制方法设计控制器,实现倒立摆的跟踪控制。仿真结果表明,该方法能有效实现倒立摆的快速跟踪,并保证了对不确定参数的不敏感性。     

动态定量称量包装系统BP神经网络PID控制算法

目的针对动态定量称量包装控制系统具有大惯性、滞后、非线性且无法建立精确数学模型等缺点,研究提高动态定量称量包装系统控制精度的方法。方法提出了一种改进型BP神经网络PID的定量称量包装控制系统,将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数K_i,K_p,K_d,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。结果仿真和实验结果表明,改进型BP神经网络PID控制响应速度快、超调量较小,系统称量误差得到大幅度减小。结论所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。