基于遗传算法的PID神经网络解耦控制

提出一种基于遗传算法的ＰＩＤ神经网络解耦控制算法。该算法将遗传算法用于多层前向神经网络的连接权系数的学习。克服了ＢＰ算法易陷入局部极值的缺点,并具备ＰＩＤ神经网络控制器结构简单规范、动态和静态性能良好等优点,适用于对非线性多变量系统的解耦控制。     

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RBF神经网络的烟叶烤房PID解耦控制

针对具有非线性、大滞后、时变耦合特点的烟叶烤房系统,提出将基于RBF神经网络的智能PID控制器应用于烟叶烤房,并给出控制系统的控制结构和原理。通过算法实现、与常规PID控制的性能比较以及模型参数不确定性等多方面的仿真研究表明：该方法可以实现PID控制参数的自整定,控制效果明显优于常规PID,控制精度高,响应速度快,跟踪性能、解耦性能良好,且对模型不确定性具有较强的鲁棒性,符合烟叶烤房控制系统的设计要求。     

基于神经网络的解耦控制方法

本文介绍了BP算法的基本原理及其实现步骤,并将BP算法应用于神经网络解耦器和PID神经网络的训练中,即本文中各个神经网络的训练算法均采用BP算法,提出了一种神经网络在线解耦控制算法,即将神经网络解耦和神经网络PID控制两者结合,对系统进行解耦控制。将解耦与控制结合,既避免了单独采用自适应PID控制时控制效果不佳的问题,又避免了单独采用解耦时原有控制器不能适应变化后的对象问题。最后对一组双输入双输出耦合系统进行了仿真研究。     

一种基于PID神经网络的解耦控制方法的研究

为了消除造纸工业抄纸过程中存在的解耦问题,提出了一种基于PID神经网络的解耦方法。文章在介绍PID神经网络原理的基础上,给出了二变量PID神经元网络解耦控制系统结构图,并运用抄纸的数学模型进行仿真实验,实际运行结果表明,该方法能够有效地对抄纸过程中存在的耦合进行解耦控制。     

基于IGA的板形板厚神经网络分散解耦PID控制

针对板带材轧制是一个复杂的非线性过程，板形控制(AFC)和板厚控制(AGC)又是相互耦合的一个综合系统等特点．该文首先采用神经网络分散解耦方法，对此板形板厚多变量耦合系统进行解耦，而后再应用基于免疫遗传算法的PID控制对解耦后的已近似成为两个独立的SISO系统的广义对象进行控制。从而建立了基于免疫遗传算法的板形板厚神经网络分散解耦PID控制系统。仿真结果证明了此AFC—AGC控制系统具有良好的自适应跟随和抗扰性能，其控制效果优于传统的解耦PID控制。     

基于神经网络2自由度PID的解耦控制实现

论文将2自由度PID引入一类有强耦合带时延的多变量系统,将回路所受耦合量看成干扰量,从而将多回路系统等价成多个单回路系统;针对2自由度PID控制器参数整定困难的特点,论文利用神经网络来实现2自由度PID控制器,使控制器的两组参数能自适应调整,同时完成系统的解耦与控制工作。仿真结果表明,系统具有很好的静态和动态性能。     

基于混沌的小波神经网络免疫PID控制器

针对目前大多数智能PID控制器存在的诸如设计复杂、计算量大、收敛速度慢以及控制精度相对较差等问题,提出一种基于混沌优化的小波神经网络免疫PID控制器的设计方法,该方法用小波神经网络逼近免疫PID的非线性函数,并且引入混沌机制优化免疫PID的参数,进而将该控制器用于工业加热炉的控制,仿真与实验结果表明,该控制器的控制性能优于其它类型的智能PID控制器以及常规PID控制器.     

基于代数算法的RBF神经网络解耦控制

提出一种基于代数算法的RBF(Radial Basis Function)神经网络自适应PID控制方法.该方法采用动态的径向基函数网络对非线性系统进行在线辨识被控对象,并将获得的灵敏度信息对PID控制参数自整定,实现了系统的解耦控制.仿真结果表明该设计方案具有控制精度高,实时性好,且具有很强的鲁棒性和自适应性.     

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BP神经网络整定的PID控制

传统PID控制在控制系统中有广泛的应用,但是由于其在参数整定过程中对于对象模型过分依赖,并且参数一旦整定计算好后,在整个控制过程中都是固定不变的,而在实际系统中,由于系统状态和参数等发生变化时,过程中会出现状态和参数的不确定性,系统很难达到最佳的控制效果．为了改善传统PID控制的效果,又充分利用现有PID控制的研究成果,采用BP神经网络对PID参数进行整定,并对该系统进行了仿真分析．仿真结果表明,采用BP神经网络整定的PID控制较传统PID算法及BP网络算法都有较大程度的提高．     

Decoupling control for wastewater treatment process based on recurrent fuzzy neural network

Due to the characteristics of strong coupling and high nonlinearity in the control process, an intelligent decoupling control strategy based on recurrent fuzzy neural network (RFNN) is proposed in this paper to control the wastewater treatment process (WWTP). Firstly, the architecture of the RFNN controller is designed with a mechanism analysis of WWTP. Secondly, a decoupling strategy in combination with a gradient descent search algorithm is used to decouple the control loop of dissolved oxygen (D_O) concentration and nitrate nitrogen (S_NO) concentration. Finally, stability analysis based on a Lyapunov function is investigated. The proposed approach has been applied to the WWTP simulation model. Compared to model predictive control, echo state network‐based HDP (E‐HDP), conventional RFNN, and neural network on‐line modelling and controlling methods, the proposed method has better control performance.     

基于合作粒子群算法的PID神经网络非线性控制系统

PID神经元网络 (PIDNN)模型为一种新型的神经网络模型,兼有PID与神经网络的共同优点,应用于复杂的控制系统.取得优良控制性能,但其后向传播算法 (BP)限制了该模型的应用范围.为实现对非线性多变量系统的有效控制,扩展神经网络的应有范围,本文采用PIDNN神经网络设计了多变量PIDNN神经网络 (MPIDNN)控制器,并用本文作者提出的合作粒子群算法 (CPSO)取代了传统BP后向传播算法,通过比较MPIDNN_CPSO、MPIDNNCRPSO、MPIDNN_PSO和MPIDNN_BP4种控制器的控制性能,仿真结果表明,基于CPSO算法的MPIDNN控制器实现了对非线性多变量不对称系统的有效控制.与传统的BP算法相比,CPSO算法提高了控制系统的稳定性、精确性与鲁棒性.     

基于RBF神经网络与Smith预估补偿的智能PID控制

针对工业控制中普遍存在的大滞后现象,提出了一种将RBF神经网络算法和Smith预估补偿算法与传统的PID控制器相结合的智能RBF-Smith-PID控制策略。该方法利用RBF神经网络的在线学习、控制参数自整定能力,和Smith预估补偿对纯滞后系统的良好控制,有效地克服了常规PID控制的缺陷,提高了系统的鲁棒性和自适应性,对纯滞后系统起到了良好的控制。     

无刷双馈电机的PID神经网络控制

无刷双馈电机(BDFM)兼有笼型、绕线型感应电机和电励磁同步电机的共同优点,在电气传动和风力发电中具有很好的应用前景.由于无刷双馈电机两套绕组形成的复杂空间耦合关系,使得基于模型的控制方法异常复杂,为此设计了一种PID神经网络(PIDNN)的无刷双馈电机的控制方法,经过训练的PID神经网络控制器能够实现准确的转速跟踪,且有较好的动态特性,仿真结果验证了这种控制方法的有效性.     

基于PID神经元网络和内模控制的拥塞控制算法*

针对网络系统的大时滞和非线性特性,设计了一种新的拥塞控制算法,将PID神经元网络与内模控制相结合应用于主动队列管理中,并使用Lyapunov理论证明了此算法的稳定性。NS仿真结果表明,这种算法的稳态和瞬态性能都优于PID算法,并且在参数变化和负载扰动时具有很强的鲁棒性。     

一种基于过程神经元网络辨识的PID控制模型及方法

针对非线性动态系统PID过程控制问题,提出了一种基于过程神经元网络辨识的PID参数自适应整定的控制模型和方法。利用过程神经元网络对于动态系统时变输入/输出信号的学习机制,在某种最优控制律下通过对被控对象进行辨识来追踪被控对象的输出对控制输入变化的灵敏度信息,实现参数自适应匹配的PID控制。给出了基于过程神经元网络辨识的PID控制系统结构以及相应的实现机制,实验结果验证了模型和算法的有效性。