智能控制及其应用

介绍了一些有关智能控制的基本概念，如模糊控制，自适应模糊神经控制，专家模糊系统和人工神经网络等等，并简要分析了模糊理论与人工神经网络的特点，将人工神经网络技术与PID控制相结合，用神经网络PID控制方法控制一个温控系统，从输出曲线中可见，这种方法有输出超调小、上升时间快等许多优点，为系统提供了一个优良的控制效果。     

基于模糊PID的电液位置伺服控制器设计研究

介绍了电液位置伺服控制系统的组成与工作原理,并建立了系统的数学模型。将模糊控制与PID控制结合在一起,设计了模糊PID控制器,即通过模糊控制器输出对PID参数进行在线调整。利用MATLAB软件进行仿真,比较常规PID控制与模糊PID控制仿真结果,发现模糊PID控制器提高了系统的动态性能和稳态特性。     

混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器．以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案．仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度．该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案．     

基于VAV变风量智能建筑空调系统控制

为了解决传统VAV空调系统的非线性、延时性、波动性以及模型准确性等问题,在传统PID控制系统的基础上,引入模糊PID控制机理,建立了模糊增益控制器.结合自适应调节系统,通过模糊调整方法,以变风量空调系统终端阀门的开度为最终控制对象,通过MATLAB编程建立模型,对PID控制器参数进行在线调整.结果表明,引入模糊PID控制方法的VAV空调系统与传统PID控制方法相比,前者动态响应速度快,校正时间短、超调量小,具有广阔的应用前景.     

模糊PID控制在谐波励磁同步发电机励磁调节器的应用

研制了一种新型的谐波励磁发电机数字励磁控制器。该调节器运用PWM技术控制IGBT的通断,从而实现对发电机输出端电压的控制,系统采用了模糊PID控制算法使得系统的控制性能更佳。通过仿真实验说明采用模糊PID控制算法的励磁系统,无论是静态还是动态特性均优越于采用常规PID控制算法的励磁系统,而且同一个模糊PID控制器还能适用于不同的发电机。     

智能阀门定位器PID单参数模糊自适应控制设计

阀门定位器是一个非线性、时变及未知模型系统,普通PID无法满足应用过程中快速、高精度要求.文中提出将常规PID控制方法和模糊技术相结合的的控制方式.在分析系统满足Ziegler-Nichols条件的基础上,运用其设定方法对PID参数进行了归一化处理,并对处理后的单个参数设计了模糊自适应控制算法.实验证明该控制算法控制效果明显优于普通PID.算法计算量小、调节可靠、自适应性强,能够满足工业应用需要.     

BP网络在基于ARM的温度精确控制系统中的研究与应用

基于人工神经网络的新型智能温度精确控制方法,与传统的PID控制相比较,具有系统构建简单、控制精度较高、适应性较强等许多优点,并避开了P,I,D参数整定这个复杂过程.通过实验证明,应用人工神经网络的新型智能温度精确控制方法的温度控制系统具有很好的控制效果.     

基于模糊PID控制算法的吊舱外方位框架控制系统设计

为了解决机载吊舱工作过程外方位框架超调和稳定性问题,提出了采用模糊PID控制方法对机载吊舱外方位框架进行控制的方法,并利用Matlab的Simulink仿真模块建立了吊舱外方位框架的控制系统模型。将模糊PID与常规PID控制进行了对比仿真验证,并对系统的抗干扰性能和跟踪性能做了仿真分析。仿真结果表明,模糊PID控制能够使系统具有良好的稳定性、抗干扰性和跟踪性能。     

基于模糊规则切换的转台伺服系统研究

以三轴转台伺服控制系统为研究对象,设计了一种基于模糊规则切换的模糊控制和模糊PID控制相结合的复合控制器.该控制器具有模糊控制超调量小、稳定性和鲁棒性好以及PID控制快速性、精度高的优点;基于模糊规则的切换保证了2种控制方法之间的平滑过渡,避免了阈值切换导致的系统不稳定.仿真结果表明,与传统PID控制相比,该复合控制方法能够有效提高三轴转台伺服控制系统的动态性能和鲁棒稳定性.     

基于模糊神经网络PID的焙烘机温度控制

以控制焙烘机内流动的热风温度为目的,提出了将模糊控制器、神经网络控制器与PID相结合构成模糊神经网络PID对焙烘机进行温度控制的方法,并建立了模糊神经网络PID控制器的网络模型;利用MATLAB进行仿真分析,并与传统PID和模糊PID进行对比。结果表明:利用传统PID控制时,超调量达到45%,调节时间为1 150 s,且震荡明显;利用模糊PID控制时,系统超调量为15%,调节时间达到1 750 s,震荡明显减弱;利用模糊神经网络PID控制时,该方法满足焙烘机温度控制系统的各项技术指标要求,且超调量接近零,系统无震荡,调节时间减小为500 s,并且温度受外界扰动的影响很小,有良好的扰动补偿和抗干扰能力,系统鲁棒性有了很大提升,可以很好地满足控制焙烘机热风温度的目的。     

灵巧手指力回路自适应神经网络模糊PID控制

在多指灵巧手位置控制的基础上 ,提出一种在力控制回路采用基于模糊规则的自适应神经网络 PID控制的方法 ,将神经网络、模糊规则和 PID控制相结合 ,以 Fuzzy控制粗调 ,ANN控制为细调 ,改善了常规 PID控制中参数线性组合的缺点 ,有利于提高系统对灵巧手指与外界工作环境接触时 ,接触力控制的自适应能力和对外部干扰的抗干扰能力。最后 ,通过仿真实验验证了提出方法的有效性     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

神经网络模糊PID控制器在直接矩控制中的应用

介绍了一种模糊自整定PID参数控制器的设计方法,并提出利用神经网络训练PID参数的基值。对常规PID控制和神经网络模糊PID控制系统作了对比研究,仿真实验结果表明新方法既保证了系统的稳态精度,又保证了系统的快速响应和坚韧性。将该方法用于直接转矩控制系统中,取得了远远优于常规PID调节器的控制效果。     

基于BP神经网络的模糊PID风量控制

针对煤矿主风机通风系统多变量、非线性、时变滞后性等问题,提出一种基于BP神经网络的模糊PID算法。该算法综合神经网络、模糊控制与PID调节的各自优点,既具有神经网络的自学习和自适应能力,又具有模糊控制的非线性控制作用,同时兼备PID调节的广泛性。仿真结果表明,该算法的响应速度、稳态精度均优于传统的PID调节,取得比较理想的控制效果。     

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．     

基于模糊RBF神经网络的双电机驱动伺服系统研究

双电机驱动伺服系统中存在齿隙和摩擦等非线性,常规PID控制不能满足其控制要求.针对常规PID控制器参数固定而导致在控制中效果差的缺陷,提出一种基于模糊RBF神经网络整定的PID控制方法.该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,可以在线调整得到一组适合于控制对象的PID控制参数.最后在双电机驱动伺服系统中进行仿真试验结果表明所提出的控制策略是有效的.     

变风量空调系统末端的模糊神经网络控制研究

针对目前传统PID控制对模型依赖性强,难以在线调整,对具有非线性和不确定性的变风量(VAV)空调系统的控制动态性能差的特点,提出将模糊神经网络应用于该系统.建立了模糊神经网络控制器,基于变风量空调系统末端装置的数学模型进行了仿真研究.结果表明,该控制策略比传统PID控制更适合于VAV系统,控制系统具有更好的鲁棒性和自适应能力,可以取得更优的动态性能.     

基于模糊-RBF神经网络优化的PID控制

采用模糊控制和RBF神经网络训练相融合的方法,应用于对PID控制器参数的调整中,对非线性系统的控制仿真试验结果表明,该方法的控制性能优于单独采用RBF神经网络的控制。     

神经模糊PID控制算法在恒压供水系统中的应用

针对恒压供水系统的大迟滞、非线性特点,提出了神经模糊PID控制算法,利用被控量偏差及偏差的变化,在线调整PID参数.通过仿真分析得出,神经模糊PID控制算法的效果较之传统PID控制和模糊PID控制具有更低的超调和更快的反应速度.     

模糊RBF神经网络在麻醉深度控制系统中的应用

麻醉深度通常用病人的平均动脉压（MAP）值来直接反应和度量。针对平均动脉压的时变、非线性特点,提出了基于模糊RBF神经网络的麻醉深度PID控制系统。通过采用模糊RBF神经网络对检测到的平均动脉压值进行模糊化处理及神经网络辨识,从而在线整定PID控制器各个参数,以获得更好的控制效果。MATLAB仿真结果表明模糊RBF神经网络用于麻醉深度控制具有良好的动态响应性能。