基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

基于RBF神经网络的开关磁阻电机单神经元PID控制

论文提出了一种基于径向基函数（radial basis function）神经网络在线辨识的开关磁阻电机（SRM）单神经元PID自适应控制新方法。该方法针对开关磁阻电机的非线性，利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器，不但结构简单，而且能适应环境变化，具有较强的鲁棒性。并构造了一个RBF网络对系统进行在线辨识。建立其在线参考模型．由单神经元控制器完成控制器参数的自学习，从而实现控制器参数的在线调整，能取得更好的控制效果。样机的实验结果表明，文中所提出的基于RBF神经网络辨识的开关磁阻电机单神经元自适应PID控制方法，通过在线辨识建立了过程模型并为神经元控制器提供了梯度信息，达到了在线辨识在线控制的目的，控制精度高，动态特性好。     

RBF神经网络综合控制器在HAPC系统中的应用

基于液压APC系统的数学模型,针对液压自动位置控制系统(HAPC)本身的非线性,影响系统各方面因素的耦合性,同时要求系统的响应速度快、控制精度高、鲁棒性强等特点,设计了基于RBF神经网络的控制器,同时为了提高系统的响应速度,将其与传统PID控制器相结合,使用Matlab/Sinmulink工具对模型进行仿真,并分别与传统的PID控制器和RBFNN控制器相比较发现这种综合的控制器的控制效果要优于PID控制器和RBFNN控制器.     

基于RBF神经网络的PID控制在变风量空调系统中的应用

将RBF神经网络引入PID控制中,建立了一个三层神经网络模型。通过RBF神经网络的在线辨识对PID控制的三个参数进行在线调整,从而改善系统的控制效果。仿真结果表明:基于RBF神经网络的PID控制与传统PID控制相比,具有较强的鲁棒性和自适应能力,控制精度高,效果好,安全可靠。     

单神经元控制器及其在过热汽温控制中的应用

把神经元的学习特性和常规的PID控制算法结合起来,设计了单神经元控制器。将其应用于过热汽温控制系统,并对采用这种神经元控制的时性问题进行了说明。通过仿真试验表明,基于该单神经元的过热汽温能控制系统具有良好的控制品质。     

基于RBF神经网络整定的PID控制器在汽温控制中的应用

通过将RBF神经网络和常规PID控制器结合，提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用于主汽温控制，可以有效克服过热汽温对象的大滞后和大惯性，并能够克服对象在运行中参数变化的影响，获得良好的控制品质。仿真试验表明：所设计的系统在控制品质、鲁棒性方面明显优于常规PID控制系统。     

动态RBF神经网络在非线性系统建模中的应用

在分析传统RBF神经网络算法的基础上,提出了改进的最临近聚类算法和隐含层节点的增加与修剪策略,从而增强了RBF神经网络的非线性系统建模能力。以锅炉燃烧过程为实例,通过从现场采集的数据建立神经网络模型,使用改进的算法建立系统的初始神经网络模型,再经过改进算法不断修正模型,取得了比较满意的效果。     

基于单神经元自适应PID控制器直流调速系统的研究

本文提出了基于单神经元自适应ＰＩＤ控制器的控制策略。仿真研究与实时控制结果表明，该直流调速系统不仅具有令人满意的静，动态性能，而且又具有很强的鲁棒性与自适应性。     

单神经元PID控制器在棒材加热炉煤气压力控制中的应用

介绍了一种智能PID调节器的实现及其分析方法,并结合棒材加热炉煤气热风开环控制存在的问题,应用智能PID控制器进行改造,实现了闭环控制,取得了较满意的控制效果,由此提高了加热炉燃烧控制的水平。     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力，用于控制时可不依赖控制对象的数学模型。异步电机矢量控制技术是通过坐标变换，实现对定子电流的励磁分量与转矩分量的解耦控制。为实现对交流电机快速和精确控制，本文基于单神经元设计出用于异步电机矢量控制的自适应磁链和转速控制器，利用神经元的自学习功能在线调节连接权重，实现自适应控制。并将此设计应用于由数字信号处理器(DSP)实现的交流电机矢量控制系统中，实验表明此方法设计的控制器结构简单，易于数字化实现，控制系统动态性能良好。     

基于RBF神经网络在线辨识的永磁无刷直流电机单神经元PID模型参考自适应控制

永磁无刷直流电机控制系统是多变量和非线性的.针对传统PID控制方法的不足,提出一种基于径向基函数神经网络在线辨识的单神经元PID模型参考自适应控制方法,并用于永磁无刷直流电机的控制中.该方法构造了一个径向基函数神经网络对系统进行在线辨识,建立其在线参考模型,由单神经元控制器完成控制器参数的自学习,并在数字信号处理器中实现控制参数的在线调节.系统较好地实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性.     

改进型单神经元PID控制多电机同步传动系统

通过分析传统多电机同步传动系统的不足，引入了一种改进型PID智能控制策略。用同一给定转速作为系统的主令参考信号，采用单神经元自适应PID控制算法对各台电机的转速环PID参数进行自整定，并加入前馈补偿环节，以消除负载扰动带来的转速误差。仿真结果表明，该方法不仅能使系统保持良好的跟随性能，而且大大降低了系统中某电机负载发生变化引起的同步误差现象，较传统的PI控制具有更好的动、静态特性。     

改进型单神经元PID控制多电机同步传动系统

通过分析传统多电机同步传动系统的不足,引入了一种改进型PID智能控制策略。用同一给定转速作为系统的主令参考信号,采用单神经元自适应PID控制算法对各台电机的转速环PID参数进行自整定,并加入前馈补偿环节,以消除负载扰动带来的转速误差。仿真结果表明,该方法不仅能使系统保持良好的跟随性能,而且大大降低了系统中某电机负载发生变化引起的同步误差现象,较传统的PI控制具有更好的动、静态特性。     

RBF神经网络算法在水和蒸汽性质计算中的应用

介绍了在水和蒸汽性质计算中,利用RBF神经网络算法可获得IAPWS-IF97计算模型的基本公式的逆函数,计算结果完全能达到工程应用的精度要求;也可以把RBF神经网络算法的计算结果作为初始点,通过Brent迭代计算得到更高精度的结果。     

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明：与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好。并具有自适应能力,应用前景十分广泛。     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力,用于控制时可不依赖控制对象的数学模型.感应电动机矢量控制技术是通过坐标变换,实现对定子电流的励磁分量与转矩分量的解耦控制.为实现对交流电机快速和精确控制,本文基于单神经元设计出用于感应电动机矢量控制的自适应磁链和转速控制器,利用神经元的自学习功能在线调节连接权重,实现自适应控制.并将此设计应用于由数字信号处理器(DSP)实现的交流电机矢量控制系统中,实验表明此方法设计的控制器结构简单,易于数字化实现,控制系统动态性能良好.     

永磁同步电机伺服系统的RBF神经网络PID控制

永磁同步电机(PMSM)交流伺服系统中含有未知复杂干扰,属于一类复杂的非线性、不确知系统,会影响PID控制算法的控制质量,无法满足伺服系统的高精度指标要求,利用神经网络对未知信息数据的自学习和自适应能力,设计出一种基于RBF神经网络与传统PID控制相结合的智能PID控制器。仿真结果表明,应用了RBF神经网络PID控制的伺服系统,不但结构简单,而且能适应环境变化,干扰被有效抑制,控制精度明显提高,有较强的鲁棒性,达到了理想的控制效果。     

基于单神经元Smith预估的过热汽温控制

针对典型大时滞大惯性、参数变化的电站锅炉过热汽温受控对象 ,设计了基于单神经元Smith预估过热汽温控制系统。在仿真实验的基础上 ,对单神经元Smith预估控制和最优常规PID控制进行了比较和分析。仿真结果表明 ,单神经元Smith预估控制能够充分利用神经元自学习、自适应的能力以及Smith预估补偿控制的优点 ,使系统的控制品质提高 ,而且具有更强的鲁棒性和自适应性