变惯量智能伺服控制器设计

设计基于微芯公司的dsPIC30F6010A单片机的伺服控制器实现单神经元自适应PID控制算法;借助于Matlab的Simulink和M语言对经典PID控制和单神经元自适应PID算法进行仿真,以验证分析结果;根据单神经元自适应PID控制的仿真结果,可确认单神经元自适应PID控制不仅能够适应惯量的变化,而且还改善了系统的动态性能。     

基于S7-300 PLC的单神经元PID控制器设计与实现

PID控制器在被控对象具有非线性特性或运行环境发生变化时,PID的固定参数导致控制系统性能下降。针对该问题,本文提出在S7-300 PLC上设计和实现基于Hebb学习规则单神经元PID控制器。首先根据神经元的学习能力,设计了基于Hebb学习规则的单神经元PID控制器,仿真测试表明相对于PID控制器,基于Hebb学习规则的单神经元PID能够自适应调整控制器参数,具有系统响应速度快和超调量小等优点。最后在S7-300 PLC上实现了基于Hebb学习规则的单神经元PID控制算法,对温度对象进行控制。实验结果表明,基于Hebb学习规则的单神经元PID算法简单,在PLC上易于实现,有效改善系统性能。     

基于单神经元自适应PID控制的高压断路器永磁直线伺服电机操动机构的研究

高压断路器永磁直线伺服电机操动机构采用直线电机驱动断路器操作杆,带动机构运动,实现分合闸操作,具有良好的快速响应能力及控制性能.该伺服系统采用数字式双闭环控制,内环为电流环,采用PI控制,外环为速度环,采用单神经元自适应PID控制,通过建立直线伺服电机操动机构控制系统仿真模型,详细分析了单神经元自适应PID控制算法以及数学模型,并建立了以输出误差二次方为性能指标的单神经元自适应PID控制器模型.并分别用传统PID与单神经元PID控制算法,对高压断路器触头运动特性控制过程进行了仿真.结果表明,单神经元自适应PID控制器能够较好的实现触头速度的跟踪控制,使其按理想运动特性曲线运动,实现最优操作,该算法是一种较理想、有效的控制方法.     

免疫调节增益的单神经元PID控制器

针对单神经元PID控制中学习速度较慢,动态响应时间长等问题,提出了免疫调节增益的单神经元PID控制器.将T细胞免疫调节机理与单神经元PID控制算法相结合,以提高单神经元PID控制器的学习速度,缩短动态响应时间,改善单神经元PID控制器的性能.仿真研究了免疫调节增益的单神经元PID控制器的定值跟踪性能和抗干扰性能以及直流电机伺服控制性能.仿真实验结果表明,这种新的控制算法学习速度快,动态响应时间短,具有较强的自适应性和鲁棒性,其控制性能优于单神经元PID控制.     

基于改进型单神经元自适应PID的改性塔压力控制器

本文通过采用单神经元自适应PID控制技术来处理粉状炸药连续生产工艺中改性塔压力的控制问题,着重研究了单神经元自适应PID控制器的设计以及对算法的改进。并通过MATLAB进行了仿真,将单神经元自适应PID控制算法与常规PID控制算法进行了比较,结果表明单神经元自适应PID控制效果远远优于常规PID控制算法。     

单神经元自适应PID控制在大功率整流电源中的应用

将具有自学习功能的单神经元模型与常规的PID控制算法相结合,设计了单神经元自适应PID控制器,并应用于大功率整流电源控制系统。仿真结果表明,采用单神经元PID控制器的大功率整流电源控制系统,能够适应被控对象在较大范围内的变化,具有较强的自适应能力和鲁棒性,其控制品质优于常规的PID控制器。     

一种新型PWM整流器

将单神经元自适应PID控制算法引入高频整流领域 ,运用空间矢量脉宽调制的原理 ,设计一种新型的PWM预测电流解耦控制器。MATLAB仿真结果表明 ,控制器具有良好的性能 ,可供同类设计参考     

压电驱动平台的自适应PID控制

为了辨识出最优的PID控制参数,建立压电驱动平台传动系统的动力学模型;根据压电陶瓷实际的迟滞特性曲线的非对称性,改进为非对称的PI迟滞模型,形成基于改进PI迟滞模型的前馈PID控制。采用基于改进的单神经元自适应PID控制算法和基于BP神经网络的PID控制算法,实现PID参数的在线实时调整。搭建压电陶瓷驱动平台实验系统,并进行闭环控制实验。结果显示,驱动平台在前馈PID控制、单神经元自适应PID控制算法及基于BP神经网络自整定PID控制算法下的平均定位误差分别为16.5 nm,8.3 nm及5.1 nm。自适应PID闭环控制精度优于前馈PID控制,神经网络整定PID控制精度高于单神经元自适应PID控制。     

单神经元PID控制器在直接矢量控制中的应用研究

异步电机矢量控制改善了电机的转矩控制特性,但是由于系统运行过程中一些不可控或不确定的因素,传统PID控制难以满足精度高、反应快、鲁棒性好的要求。基于单神经元网络设计了用于矢量控制的增益自调整的自适应磁链和速度控制器,并运用改进的学习与控制算法,实现单神经元PID控制器的参数优化与在线自动调整。仿真与实验结果表明：单神经元PID控制器可以改善异步电动机矢量控制的性能,具有较强的自适应性与鲁棒性。     

单神经元PID控制器在过热汽温控制中的应用

将具有自学习功能的单神经元模型与常规的PID控制算法相结合，设计了单神经元PID控制器，并应用于超临界机组过热汽温控制系统。仿真结果表明，采用单神经元PID控制器的汽温控制系统，能够适应被控对象在较大范围内的变化，具有较强的自适应能力和鲁棒性，其控制品质优于常规的PID控制器。此外根据仿真结果，对单神经元的学习算法进行了改进，使其控制品质得以提高。     

基于S7-300的两电机系统DRNN神经网络PID控制

针对多输人多输出时变、非线性、耦合的两电机同步系统,文中提出了一种控制系统,其包括：两个DRNN神经网络在线整定参数的智能PID控制器,分别对系统中的速度和张力变量进行控制;神经元解耦补偿器执行对速度和张力两耦合变量的解耦控制。将控制算法编程下载到PLC中,并采用PROFIBUS-DP现场总线实现S7—300PLC和MMV变频器主从站式通讯。实验表明,采用该方法可以实现两电机同步系统中速度和张力的解耦控制,系统对负载的扰动有很强的抑制作用,系统具有良好的动静态性能,可有效跟踪任意给定轨迹。     

基于LabVIEW的解耦控制仿真研究

介绍了1种PID神经网络解耦控制结构和1种神经网络辨识器,并分别给出了前向算法及反向传播算法;最后应用LabVIEW,采用子程序模块化的编程思想,实现了神经网络控制器和辨识器的编程,并应用到2种被控对象的线性模型进行计算仿真,得到了2种被控对象的解耦控制结果,证明了PID神经网络解耦控制的有效性和使用LabVIEW实现...     

多变量PID型神经元网络控制系统及其在协调控制中的仿真研究

介绍了多变量PID型神经元网络控制系统的网络结构和学习算法,说明了系统参数选取方法,并分析了单元机组协调控制的特点.仿真结果表明,该控制系统对多变量强耦合时变的协调控制对象具有良好的解耦性能和自学习控制特性.     

PID神经网络解耦控制注塑机料筒多段温度系统

本文根据注塑机料筒温度控制的要求，利用PID神经网络构成多变量解耦控制系统。注塑机料筒温度是一类多变量、强耦合、大惯性控制对象，文中分析了注塑机温度控制的特点，给出了PID神经网络的结构和算法，对多段温度系统进行了实时仿真，显示了PID神经网络对注塑机料筒温度控制的良好解耦性能和自学习控制特性。     

基于PSO算法的多变量PID型神经元网络在球磨机控制上应用

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,基于PID控制的简单结构和良好性能优势以及神经元网络的自调节和自适应的特长,设计了具有PID结构的多变量自适应的PID型神经元网络控制器。给出了这种控制系统的结构和算式,其为一种3层前向神经网络,其隐层单元分别为比例(P)、积分(I)和微分单元(D),各层神经元个数、连接方式、连接权值的初值是按PID控制规律确定的。神经元网络参数采用了粒子群优化(PSO)学习算法,并给出了相关算式。分析了球磨机制粉控制系统的特点,并应用提出的控制方法对其进行了仿真研究,比较了文中控制方法与传统的PID控制方法的控制效果。仿真结果表明了所提方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。     

蒸汽温度增益模糊自整定神经元PID控制

由于锅炉过热汽温广义被控对象动态特性具有时变性,本文采用了一种增益模糊自整定神经元PID控制方法,以蒸汽温度调节过程为背景进行仿真实验研究。结果表明,该方法设计简单,能对具有大滞后特性的工业对象进行有效控制,具有较强的鲁棒性和抗干扰性能,并明显优于常规PID串级控制的性能。     

基于BP网络PID算法的恒压供水系统研究

采用神经网络控制理论与PID（比例、积分、微分）控制算法,设计一个基于SIMATIC CPU226 PLC的BP神经网络PID控制器。恒压控制系统由BP神经网络PID控制器、丹佛斯VLT2900变频器和水泵机组组成。解决了传统PID控制算法难以保证系统在任何工况条件下始终具有最佳控制性能的难题。试验结果表明：系统可以在线自整定PID参数,具有较好的自适应能力,控制效果比较理想。     

多变量PID型神经元网络控制系统在再热蒸汽温度控制上的仿真

融合解耦控制理论与神经元网络控制原理,给出了一种多变量的PID型神经网络控制方法。应用所给出的控制算法,对火电厂再热蒸汽温度、低温过热器出口蒸汽温度控制进行了仿真。仿真结果表明,控制算法对再热蒸汽温度控制具有良好的解耦性能和自学习控制特性,当被控对象参数变化时系统具有较强的鲁棒性。     

电液伺服试验系统多变量控制的新方法

提出了一种基于小波变换的“主控制器”结合“模糊控制器”的复合控制策略 ,并用于电液伺服试验系统的多变量控制。主控制器由一个包含PID控制规则的神经网络构成 ,在整个系统控制中起着主导作用 ;“模糊控制器”的作用是实施补偿控制 ,保证系统响应的快速性。仿真试验结果证明 ,该方法具有良好的自学习和自适应解耦控制性能 ,能有效地提高系统的稳态精度 ,使系统具有较强鲁棒性 ,并具有响应速度快、超调量小等特点。     

BP-PID Control Applied in Evaporator of Organic Rankine Cycle System

According to the problem that the selection of traditional PID control parameters is too complicated in evaporator of Organic Rankine Cycle system (ORC), an evaporator PID controller based on BP neural network optimization is designed. Based on the control theory, the model of ORC evaporator is set up. The BP algorithm is used to control the , and parameters of the evaporator PID controller, so that the evaporator temperature can reach the optimal state quickly and steadily. The MATLAB software is used to simulate the traditional PID controller and the BP neural network PID controller. The experimental results show that the , and parameters of the BP neural network PID controller are 0.5677, 0.2970, and 0.1353, respectively. Therefore, the evaporator PID controller based on BP neural network optimization not only satisfies the requirements of the system performance, but also has better control parameters than the traditional PID controller.