PID自适应控制器设计

基于遗传算法设计自适应ＰＩＤ控制器。交叉互换率与突变率随基因的适应度值而变化,因而增强了算法的性能。     

带预测模型的神经网络PID控制器

在研究PID控制和神经网络的基础上提出了一种带预测模型的神经网络PID控制器,该控制器是一种3层前向神经网络,它适用于工业过程中觉的慢时变大时滞控制系统以及控制对象具体模型难以确定的控制系统,该系统能在调整PID控制器的3个参数Kp,Kd,Ki,再经PID调节器产生最优的控制作用于被控对象,采用该控制器对模型参数缓变的系统进行仿真,结果表明该器具有良好的自学能力,能获得较好的控制效果。     

基于神经网络实现的PID控制器

介绍了一种基于神经网络自学习ＰＩＤ控制器。该控制器不仅具有自学习自适应能力,而且具有自调整比例因子功能。实验表明,该控制器能够提高温度控制系统的动态特性和对环境的鲁棒性。     

一种基于神经网络的直接自适应控制器

对于具有不确定因素的非线性系统 ,通过校正神经网络的预报输出 ,应用最优化及网络辩识器模型局部线性化的思想 ,提出一种鲁棒自适应神经网络控制器 ,仿真研究证明该控制器具有较强的抗干扰能力     

基于神经网络的自适应PID控制

本文提出了一种采用人工神经网络的自适应PID控制结构。在该控制结构中,一个三层反向传播神经网络用于对被控对象进行在线辨识;另一个二层线性神经网络构成具有传统PID控制结构的控制器。对PID控制器网络的在线训练方法,本文进行了较详细的叙述。仿真及实时控制实验研究表明,本文提出的控制方法可取得满意的效果,并易于在线实现。     

一类基于对象正向模型的神经网络自适应控制器的设计

提出了一种基于对象正向模型的神经网络自适应控制器,该方法只须辨识对象的正向模型,将神经网络与优化方法相结合,对控制量进行优化迭代求解。仿真结果表明,该算法能精确跟踪设定输出,响应速度快,超调量小,无稳定误差,控制效果好。     

一种基于神经网络的精馏塔自适应控制器设计

针对两输入两输出的隐含非线性系统，设计了一种神经网络自适应控制器，并通过构造Lyapunov函数，得出新的权值变化规律、该方法基于Lyapunov稳定性理论，可证明闭环系统是半全局一致最终有界的(SGUUB)．从二元精馏塔奇异摄动简化模型的仿真结果可以看出，这种控制器有良好的跟踪效果。     

一种基于模糊神经网络的PID控制器

利用神经网络自学习自适应能力和快速计算能力,提出一种基于模糊神经网络的PID智能控制器．该系统将模糊技术、神经网络与PID控制结合起来,实现了PID控制的自适应和智能化．通过仿真实验表明,该控制方案与传统PID控制系统相比,无论是超调量还是稳定时间,效果都要好得多．     

一种基于神经网络识别误差动态特性的自适应模糊控制器

在神经网络与模糊控制相结合的基础上,设计了一种基于神经网络识别动态特性的自适应模糊控制器。该控制器基于误差知识的控制,从系统误差的动态过程观点描述了误差特性,采用了神经网络实现误差知识的自适应获取,仿真结果表明,其控制性能明显优于普通的模糊控制器。     

基于控制规则调整的自适应模糊控制器

工业对象大多是具有非线性、大时滞、高阶次的复杂对象,常规的控制方法往往难以适应这些对象的变化。文中提出了一种自适应模糊控制器,它能在控制过程中不断调整和修改控制规则,以适应对象和环境的变化。对控制方法与常规PID控制、Smith预估控制、基本模糊控制进行了仿真比较,仿真曲线表明,自适应模糊控制器的控制性能明显好于其它3种控制方法。     

基于强化学习的模糊自适应控制器

提出了一个强化学习系统中模糊自适应控制器网络结构及其有关算法的改进。并在此基础上给出了二阶欠阻尼系统和强非线性系统的强化学习控制仿真结果。仿真结果表明,基于强化学习的模糊自适应控制器可以对一类复杂系统实现自学习控制,达到令人满意的控制精度。最后,作者还对进一步研究的问题进行了探讨。     

一种模糊自适应PID控制器的设计与仿真

将模糊控制理论与自适应控制理论应用于PID控制器的参数整定,使PID控制器的参数调节自动适应控制对象数学模型的参数变化.对这种模糊自适应PID控制器进行了可行性设计,并运用C语言进行仿真实验.实验证明,这种控制器在改善被控过程的稳定性、响应速度和超调量等动态静态性能以及对参数时变的适应能力方面均优于常规PID控制器.     

一种模糊自适应PID控制器的设计与仿真

将模糊控制理论与自适应控制理论应用于PID控制器的参数整定 ,使PID控制器的参数调节自动适应控制对象数学模型的参数变化 .对这种模糊自适应PID控制器进行了可行性设计 ,并运用C语言进行仿真实验 .实验证明 ,这种控制器在改善被控过程的稳定性、响应速度和超调量等动态静态性能以及对参数时变的适应能力方面均优于常规PID控制器     

一种新颖的模糊自适应PID控制器的设计

在传统数字PID控制的基础上,结合模糊控制,提出了一种基于模糊规则的模糊自适应PID控制算法,该算法通过模糊控制规则和模糊推理确定模糊控制表,在实时控制中通过对模糊控制表的查询,在线调整PID控制参数。研究结果表明,与数字PID控制器相比,该控制算法具有简单、鲁棒性强和动态品质优良等特点。     

一种基于神经网络的精馏塔自适应控制器设计

针对两输入两输出的隐含非线性系统,设计了一种神经网络自适应控制器,并通过构造Lyapunov函数,得出新的权值变化规律.该方法基于Lyapunov稳定性理论,可证明闭环系统是半全局一致最终有界的(SGUUB).从二元精馏塔奇异摄动简化模型的仿真结果可以看出,这种控制器有良好的跟踪效果.     

基于神经网络控制器的高压电缆测温系统

针对目前对高压电缆的温度测量方法大都是只能测量当前的温度,滞后控制,不能进行提前辨识的问题,对传统电缆测温方法进行研究,提出用神经网络控制器对高压电缆温度进行测量的方法.在3种常规控制器的基础上设计了3种基于神经网络的控制器:神经自校正控制器、神经PID(proportion integration differentiation)控制器和神经自适应控制器,不仅对它们进行神经网络训练,而且用MATLAB软件进行仿真.通过仿真结果最终选用神经PID控制器,并将其应用于实际高压电缆测温系统当中,经在新疆供电系统检验,效果良好.     

基于神经网络的MBP算法及应用

利用神经网络的自我学习特性，以MBP算法的PID控制器取代常规PID调节器，介绍了MBP的算法推导及其控制器结构，通过仿真后得到两种控制算法的曲线比较，并应用于机载压电陀螺稳定平台中，可明显提高低频段的带宽，改善低速运动时的稳定性。     

基于神经网络的自适应控制

在常规模型参考自适应控制器基础上采用神经网络作为辨识器和控制器，组成模型参考神经网络自适应控制系统。利用神经网络的优点弥补传统自适应方法的不足，使系统具有更强的鲁棒性。仿真结果表明，该系统比传统模型参考自适应系统具有更好的稳定性和更快的响应速度。