基于ELMAN神经网络的PID控制器设计

提出了一种将PID控制与ELMAN神经网络自适应、自学习相结合,基于计算机的新型神经网络智能PID控制(NNPID)方法.采用PID控制器和NN控制器共同调节,给出了NNPID控制器的结构、算法及二阶对象下系统的仿真结果.     

基于BP神经网络整定的PID控制及其仿真研究

讨论BP神经网络PID控制,利用BP神经网络的自学习能力实现PID控制参数的在线整定,并使用Matlab软件进行仿真研究.仿真结果表明：基于BP神经网络的PID控制器参数调整简单,具有很高的精度和很强的适应性,可以获得满意的控制效果.     

基于BP神经网络的多变量PID解耦控制

基于神经网络实现智能PID控制的策略,它以经典的PID控制为基础,通过神经网络参数整定实现,进而进行自学习,用于多变量系统的解耦控制.论文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真.通过计算机仿真证明了基于神经网络的PID控制器网络结构简单规范具有良好的自学习和自适应解耦控制能力.系统易于实现,融解耦器与控制器于一体,适用于非线性多变量系统的解耦控制.能够使解耦后的系统具有良好的动态和静态性能,特别是依据BP控制规律来确定网络连接权的初值,还具有参数快速收敛的优点.     

基于改进递推预测误差神经网络算法的极点配置PID控制方法

针对工业控制中系统模型参数通常未知的特点,利用改进递推预测误差算法为基础的神经网络系统参数辨识方法,设计了极点配置自校正数字PID控制器.相比于基于梯度学习算法的神经网络辨识方法和通常的PID控制器,该方法具有参数辨识结构简单、神经元权值调整可持续且计算速度快、所采用的数字PID控制器鲁棒性强等优点.最后的数值仿真结果验证了本文算法及控制方法的有效性.     

基于Q学习优化BP神经网络的BLDCM转速PID控制

为了提高无刷直流电机(BLDCM)的工作稳定性,设计了一种基于Q学习算法优化的BP神经网络控制器(QBP-PID).QBP-PID利用BP神经网络(BPNN)对PID增益进行调节,并且引入Q学习的最优策略来修正权值动量项因子,优化BPNN中的关键权值,使得控制器具有更好的学习能力和在线修正能力.仿真结果表明:相比传统的PID、模糊PID (Fuzzy-PID)和BP神经网络PID(BP-PID),QBP-PID的自适应能力、抗干扰能力和鲁棒性更强.     

四辊板带轧机厚度的模糊自整定PID控制

针对轧机液压AGC控制系统中难以解决的时滞、非线性等问题,提出把模糊控制器与传统PID控制器相结合,组成一种具有自学习、自调整功能的新型智能模糊自整定PID控制器.模糊自整定PID控制器具有在线实时动态整定PID控制器参数的功能.通过对Matlab仿真实验结果的对比表明:采用新型智能模糊自整定PID控制器比传统PID控制器具有达到稳态时间短、稳态性能好等优点,能更好地满足控制系统对精度的要求.     

基于神经网络模型的拱泥机器人控制

拱泥机器人是为打捞沉船的关键工序—水下攻打千斤洞而设计的特种机器人.分析了拱泥机器人在水下泥土环境中受力情况,建立了基于MATLAB的拱泥机器人头部的动力学模型.针对拱泥机器人工作环境的不确定性,将传统PID控制与神经网络相结合,建立了一种应用BP神经网络实现PID参数自整定的自适应PID控制模型.控制器由PID控制器、神经网络NNC和NNI组成.神经网络NNC能够根据拱泥机器人动态特性的变化,自动整定PID参数,从而改善了控制性能.神经网络NNI为NNC提供学习的梯度信息.计算机仿真结果表明该方法是有效的.     

基于BP神经网络的改进增量式PID暖通控制器设计

为了克服传统PID控制在暖通空调系统应用中超调量大、控制精度低的缺陷,提出了一种基于BP神经网络的PID控制器设计方法.利用BP神经网络具有很强的学习能力、任意逼近非线性能力、自适应性和鲁棒性等特点,将BP神经网络与PID控制结合,实现了PID的3个控制参数的在线自整定.仿真结果表明,该方法可以显著改善系统的动态性能和控制精度,实现了PID控制参数的在线动态调整,避免了由于系统模型和结构参数变化导致的控制效果不稳定.     

基于神经网络参数自整定PID控制的应用

本文基于BP神经网络PID控制器控制校园的热水供应系统,利用神经网络的自学习能力进行PID控制参数的在线整定。对于热水供应类型的大时滞系统,BP神经网络参数自整定PID控制具有较好的控制性,并能实现较好的鲁棒性。针对该特性本文对BP网络的构造进行了大量的网络训练,获得了较好的网络权值参数与训练时间,缩短了以往BP神经网络参数自整定PID控制系统的响应时间与扰动调节时间,从而提高了该控制系统的控制精度。     

基于神经网络的自适应模糊控制在交流调速中的应用研究

针对现代的交流调速系统中存在的问题,充分利用神经网络的自学习自适应能力和快速计算能力,提出了一种用径向基函数(RBF)神经网络来实现的具有在线自调整功能的模糊控制方案,并给出了把神经网络和模糊控制器相结合的基本设计方法.通过实际交流调速系统的实验表明,该控制方案与传统的PID控制相比,具有鲁棒性强、恢复时间断和超调量小等特点.