改进算法单神经元PID在飞轮储能系统中的研究

PID控制器是在工业中应用最为广泛的控制技术,然在而其三个参数的调节较复杂烦琐.通过对神经网络自适应特性的研究,设计了改进算法的单神经元PID控制器,利用单神经元自学习能力在线调整PID参数;同时结合自适应PSD算法对神经元增益在线调整.将该控制器应用于飞轮储能系统中,结合SVPWM算法对飞轮电池进行充放电控制.实验仿真结果表明,该控制方法能够使飞轮电池充放电过程快速稳定,鲁棒性强,满足实际控制要求.     

泵控马达调速系统单神经元PID控制参数优化的改进算法

针对常规PID控制的不足以及泵控马达调速系统动态性能差的特点，提出了一种基于单神经元的自适应PID控制器．并结合误差二次型最优控制理论对单神经元的性能指标进行改进，推导出相应的单神经元输入权值调整算法。仿真结果表明，改进的单神经元自适应PID控制器具有更快的响应特性和良好的动态特性，其控制效果明显优于常规的PID控制器，将其应用于泵控马达调速系统是行之有效的。     

空调用泵调速系统单神经元自适应PID控制

建立了空调循环泵系统电机简化模型，提出了采用不必基于模型的单神经元自适应PID控制。介绍了单神经元自适应PID控制器的结构和算法。仿真结果表明，单神经元自适应PID控制器较常规PID控制器具有更快的响应特性和良好的动态特性，对负载扰动表现出更强的适应性和鲁棒性，具有较好的跟踪效果。     

基于PLC的单神经元PID控制器的设计与实现

本文对于大滞后、时变和非线性的复杂系统,常规PID控制显得无能为力。将神经网络与常规PID控制相结合,构成单神经元自适应PID控制器。给出了基于PLC的单神经元PID控制系统结构,重点介绍了单神经元PID控制算法原理,并用结构控制语言编写了单神经元PID控制算法功能块,该控制功能块具有通用性且易于移植。经实例证明,与传统PID控制器相比较,单神经元PID控制器可以显著改善系统的性能。     

一种单入口匝道自适应模糊控制算法研究

高速公路入口匝道控制系统是一种非线性时变系统。本文基于BP神经网络和自适应模糊控制，结合MATLAB仿真工具，对一种单入口匝道自适应模糊控制算法进行了研究。深入阐述了单入口匝道自适应模糊控制算法的三层BP神经网络结构、数学模型、仿真以及其他相关算法中存在的缺陷。通过仿真实验得出结论，这种控制算法在高速公路控制上能够达到理想的效果。     

定型机中单神经元自适应控制器的应用

介绍用PLC控制定型机张力的工作原理及PLC控制系统的组成：基于神经网络控制器(NNC）处理非线性方面问题的优势，提出了用单神经元自适应PID控制器及其算法实现对张力的控制；实验证明，利用这种算法对张力控制品质优于常规的PID控制器。     

静变电源的优化模糊神经网络PID控制研究

为提高静变电源输出电压的质量,采用了优化模糊神经网络PID控制器代替模糊PID控制,所采用的优化模糊神经网络充分融合了模糊逻辑和神经网络两者的优点,使推理速度加快,并通过在系统运行时神经网络不断地增加和完善模糊控制规则,单神经元通过自学习调整控制因子,提高了系统控制的精度.将该方法和PID稳态控制性能的优势相结合,实时地对系统控制量进行调整.在MATLAB/SIMULINK环境下,对于优化模糊神经网路PID和模糊PID在静变电源控制中的应用分别进行了仿真.仿真分析结果表明,经过BP神经网络和单神经元网络学习后,控制器具有良好的控制性能和自适应能力,很好地满足了系统的鲁棒性、快速性的要求.     

变频泵控马达调速系统单神经元自适应PID控制

针对大惯性负截变频泵控马达调速系统动态性能差的特点，提出了采用不必基于模型的单神经元自适应PID控制。介绍了单神经元自适应PID控制器的结构和算法。仿真结果表明，单神经元自适应PID控制器较常规PID控制器具有更快的响应特性和良好的动态特性，对模型失配和负载扰动表现出更强的适应性和鲁棒性，而且不论是在加速段、等速段还是减速段，都具有较好的跟踪效果。     

基于粒子群优化的神经网络自适应控制算法

针对一些非线性场合或者控制对象可变的条件下,传统PID控制达不到要求且需要靠经验不断地调整PID参数的情况,提出了一种基于粒子群优化(particle swarm optimization,PSO)的神经网络自适应控制算法。该算法结合传统PID控制、BP神经网络和PSO全局优化算法,用PSO算法优化BP神经网络的初始权值,然后用优化后的BP神经网络在线调整PID参数。优化过程中引入了变异操作,并考虑激活函数增益及隐含层数的选择对PSO算法和BP神经网络的综合影响。该算法克服了神经网络容易陷入局部极小值以及收敛速度慢的缺陷,仿真结果表明,该算法在精确性和实时性上有很大的改进。     

磁轴承BP神经网络PID控制算法研究

针对传统PID控制算法难以解决磁悬浮系统非线性的问题,设计一种BP神经网络PID控制算法。通过仿真分析与试验研究,比较普通PID控制算法与BP神经网络PID控制算法对磁悬浮系统的实际控制效果。研究结果表明：BP神经网络PID控制算法可以改善磁悬浮系统的静动态性能,并使系统具有自学习、自适应的能力。     

一种微操作平台的自适应运动跟踪控制

针对微操作平台的迟滞非线性和时变性,提出单神经元PID控制策略来对其进行运动跟踪控制,从而提高平台的运动精确性和响应快速性。采用RBF神经网络辨识器对微操作平台的梯度信息进行在线辨识,利用单神经元网络学习算法完成PID参数的在线自整定,实现微操作平台的自适应运动跟踪控制。为说明所提出控制方法的可行性,将其与普通PID控制方法进行了比较分析,实验结果表明,单神经元PID与普通PID控制的位移误差范围分别为-0.5~0.5μm、-2.5~2.5μm,调整时间分别为0.1s、0.4s,所提出控制方法具有更好的控制精度和响应快速性,并具有较强的自适应性。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

基于结构改进Smith预估单神经元PSD的长时延NCS研究

针对长时延网络控制系统（NCS）中存在时延和被控对象等问题,提出了一种新型结构改进Smith预估单神经元PSD控制器.新型控制器由结构改进Smith预估器和单神经元PSD控制器组成,结构改进Smith预估器通过对传统Smith预估器模型结构上的改进,避免了建立网络时延的预估模型,无需对网络时延进行在线测量、估计或辨识,补偿了网络时延对系统的性能带来的影响;单神经元PSD控制器解决了结构改进Smith预估器的模型失配问题,通过Matlab环境下的TrueTime工具箱对NCS进行仿真实验,并对传统PID控制方法、结构改进Smith预估PID控制方法和结构改进Smith预估单神经元PSD控制方法进行了仿真比较.研究结果表明,该新型控制器有效地补偿了网络时延对NCS的性能带来的影响,在模型失配情况下具有良好的鲁棒性和适应性,是对长时延NCS-种可行且有效的控制方法.     

神经网络PID的无人动力伞偏航控制研究

对于具有非线性、时变和强耦合特性的动力伞系统,采用常规控制方法难以获得满意的控制效果,而采用神经网络与传统PID相结合作为控制器,使得所设计控制器能够针对非线性、时变的气动特性自适应地调整控制参数,实现对PID控制器参数的寻优整定,简化了设计过程。利用Matlab软件对系统进行仿真,给出了相应的仿真结果。     

变结构单神经元自适应PSD控制算法研究

针对单神经元自适应PSD的特点,提出一种根据误差的大小而采用不同单神经元控制器结构的算法,分析了其稳定性和收敛性。对基于变结构神经元自适应PSD控制器的非织造布面密度在线控制系统进行了仿真研究与实际应用。结果表明改进后的控制器在稳定性和快速性方面都有很大的改善。     

单神经元PID在多电机同步控制中的应用

针对多电机同步控制系统在动载荷扰动情况下各电机之间的传动比会发生变化这一问题,设计了具有自学习和自适应能力的单神经元PID同步控制算法,建立了多电机同步控制系统的单神经元PID控制规则。系统仿真结果表明,运用单神经元自适应PID控制算法能有效实现多电机同步控制,该算法收敛速度较快,鲁棒性较好,具有较强的抗干扰能力。最后,将该控制算法应用于精梳机四轴同步控制系统,其结果表明单神经元自适应PID同步控制算法能大大增强系统的动态性能,有效缓解负载带来的同步误差。在相同扰动情况下,该方法能更好的使多电机以一定速度同步运行。     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

基于神经网络PID的轧机AGC力控制

以PID控制器为基础,辅助以神经网络的自学习、自适应能力,将神经网络和PID控制融合为一体,设计出一种神经网络PID控制器,应用于具有高度非线性、时变性的板带轧机AGC力控制系统,仿真结果表明,能有效改善系统的动态品质,并具有良好的适应能力.