基于模糊神经网络PID的线切割张力控制系统的分析

分析了张力系统与模糊PID控制之间的关系,及控制系统对线切割机床加工精度和效率的影响。往复走丝线切割张力控制包含复杂的非线性问题,而模糊PID控制器在处理非线性问题方面有很大优越性。用神经网络建立模糊控制规则表,调整PID参数,使模糊PID对张力控制效果达到更好。利用神经网络和模糊PID结合的方法,分析神经网络模糊PID实现的控制,证明模糊神经网络PID控制系统具有较好的鲁棒性和优越性。     

一种基于BP神经网络的模糊PID控制算法研究

提出了一种基于神经网络自学习和并行处理的能力。利用模糊控制对未知模型不精确控制的功能来设计的PID控制算法,仿真实例表明能较好地实现PID控制器参数在线调整和优化。     

基于神经网络的模糊自适应PID控制方法研究

针对常规PID控制器不能在线修正参数以及模糊规则和率属函数对专家经验的依赖性,提出了神经网络模糊自适应PID控制器,从而综合了传统PID控制、模糊控制、神经网络控制的优点,使其具有PID控制的广泛适用性和神经网络的自适应和自学习能力,同时又具备模糊控制的非线性控制作用;仿真实验可知该控制器具有更快的响应和更好的平稳性.     

仪用模糊神经网络PID控制器的研究

针对仪用控制器的特点,本文提出了一种实用的仪用模糊神经网络ＰＩＤ控制器闭环设计方法,研制了模糊神经网络控制器设计开发软件,进行了大量的不同工业背景的计算机仿真,得出的控制器参数（网络权值,网络阀值）由单片机控制系统实现。实验表明：该方法在被控对象输出特性和Ｄ／Ａ输出给执行器的动作特性上都具有令人满意的曲线效果。同时亦证明这是一种实现仪器仪表智能化的有效方法。     

基于模糊神经网络PID的复合控制策略

为了结合模糊控制容错力强和神经网络PID在线学习和调整的优点,提出了一种结合模糊控制与神经网络PID控制的复合控制方法,即分别设计模糊控制器和神经网络PID控制器后,再利用权重分配器对这两个控制器进行权重分配来控制被控对象。将该控制策略应用于某火电机组的二级过热器减温水流量系统控制,并在simulink仿真平台进行仿真,仿真实验结果表明:该复合控制策略较传统的模糊控制或神经网络PID控制的上升时间更短,调节时间和超调量更小,稳态性能更好。     

基于DSP的液压伺服系统模糊神经网络PID控制

针对道路模拟试验台阀控液压位置伺服系统,介绍一种高性能控制器的设计方法。以高性能的TMS320F28335 DSP芯片为核心设计控制器硬件,并应用模糊神经网络PID控制方法设计控制器软件。对试验台装置实验测试,结果表明,相比于传统PID控制,模糊神经网络PID控制在保证控制精度的同时,具有更小的超调量和更快的响应速度。     

基于BP神经网络的磁轴承PID控制算法研究

为解决单一PID控制时参数不可调、动态性能较差等问题,开发了BPPID控制算法.利用BP神经网络具有自学习和适应性强的特点,动态实时调整PID控制参数,改善磁轴承控制效果.通过仿真分析和试验研究,对比了BPPID控制算法和不完全微分PID控制算法的控制效果.研究结果表明,与不完全微分PID控制算法相比,BPPID控制算...     

基于CMAC神经网络PID控制算法控制直流电机的仿真研究

传统的PID控制算法对控制参数难以适应,抗干扰能力差,对直流电动机进行控制时速度较慢、稳定性较差,为解决上述问题,文中提出了一种基于CMAC神经网络的PID控制算法来控制直流电动机,对PID控制参数进行自适应修改,仿真结果表明,该算法提高了系统的稳定性、响应速度、参数适应性和鲁棒性,改善了系统控制存在的稳态精度不高的问题。     

基于模糊RBF神经网络的PID控制方法及应用

针对常规PID控制参数固定难于满足时变不确定非线性系统的控制要求,利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊RBF神经网络的PID控制方法,实现了对PID参数的实时在线整定。将算法运用到柴油发电机调速系统的PID参数寻优中,MATLAB仿真试验结果表明,模糊RBF神经网络的PID控制具有更好的动静态特性和抗干扰性能,提高了对非线性时变被控对象的控制效果。     

永磁同步电机模糊神经网络PID控制器设计

随着永磁同步电机技术的不断发展,其在机器人中的运用也越来越广泛,但永磁同步电机有非线性、强耦合和多变量等缺陷,同时,机器人关节驱动电机在运行过程中所受的负载力矩和轴联转动惯量时刻变化,因此,要求电机控制系统具有更强的自适应性和更强的抗干扰能力。为了改善传统PID控制器参数固定以及模糊PID控制算法过于依赖设计人员的经验,提出了一种结合神经网络与现有模糊PID控制算法优点的模糊神经网络(FNN)自适应PID控制算法,利用径向基神经网络算法(RBF)对该驱动系统参数进行辨识,降低电机在正常运行过程中受环境变化的影响,达到响应快、控制平稳、精确的要求。     

基于两种神经网络的温室CO_2控制研究

根据作物光合作用对温室CO2浓度的非线性,结合神经网络对非线性的良好辨识能力,研究出一种CO2调控技术。结合温室作物光合作用和CO2变化规律,分别运用BP神经网路和RBF神经网络建立温室作物光合速率与CO2的量化模型,并进行分析比较2种网络的性能,得出预测精度较高的一种模型,可作为温室CO2控制系统依据。     

神经网络自适应位置控制算法研究与实时仿真

在传统PID控制算法的基础上,基于神经网络的自学习特性,提出了基于小脑模型神经网络-Cer-ebellar Model Articulation Controller(CMAC)和单神经元的复合控制实现前馈反馈位置控制算法.该算法特点是不需要对被控对象建模、控制参数自调整、运算速度快、适用于实时控制.利用dSPACE在松下的电动机上所做实验表明,该算法控制效果良好.     

基于Elman神经网络的采煤机智能调高控制算法研究

为提高采煤机自动调高系统的实时性、跟随性以及稳定性,研究基于Elman神经网络的采煤机智能调高控制算法.通过分析采煤机调高过程,建立采煤机智能调高系统,确定Elman神经网络的输入信号和训练样本,并设计Elman神经网络采煤机智能调高控制算法流程.在仿真环境绘制采煤机滚筒实时位置,基于设计的Elman神经网络算法逼近、...     

基于Smith模糊PID控制算法的炉温控制系统

针对电加热炉温度控制系统,研究了Smith模糊PID复合控制方法.该控制方法利用Smith预估算法克服纯滞后,利用模糊控制来提高系统的鲁棒性,利用PID控制来提高稳态精度.在模型匹配和失配情况下进行了仿真研究,结果表明复合式控制器具有良好的稳定性和鲁棒性.实际运行结果也表明,对于大时间滞后的电加热炉温控系统是一种实用而简便的控制方法.     

基于Hopfield神经网络的结构优化算法研究

利用Hopfield神经网络并结合模拟退火算法,对甘蔗收获机械台架结构进行了优化。建立了神经网络系统能量函数与优化问题目标函数之间的对应关系、神经网络演化过程与优化问题寻优过程之间的对应关系、神经网络系统到达平衡点与优化问题最优解之间的对应关系。采用改进的惩罚算子以提高神经网络的收敛速度,经过12次迭代后,优化目标下降17.5%,且应力小于190MPa,表明该优化方法可充分利用设计资源,得到全局最优解。算例证明该算法高效可靠,切实可行,有较强的工程实用性。     

基于改进神经网络ID算法的温度控制系统

针对温度控制难题,提出了基于共轭梯度算法改进的BP神经网络PID控制算法,并在温度控制系统中进行了仿真;结果表明,该控制器能够实现较好控制效果。     

基于模糊PID算法的汽车半主动悬架振动控制

选择了某微型汽车悬架的磁流变减震器为研究对象,运用汽车动力学理论建立了1/4汽车半主动悬架控制系统动力学模型,基于模糊PID控制算法设计了模糊PID控制器.车辆在不同路面输入谱和不同行驶速度下,以悬架的簧载质量加速度、悬架动挠度和轮胎动载荷3个基本参数来表征磁流变半主动悬架系统的振动特性,运用Matlab/Simulink软件对该悬架系统进行仿真研究,仿真结果表明,当汽车在不同等级的路面上行驶时,随着车速的提高,采用模糊PID控制半主动悬架汽车的簧载质量加速度和悬架动挠度的幅值相对于被动悬架均明显减小,表现出了良好的控制效果.轮胎动载荷与被动悬架的幅度大体相当,偶尔还比被动悬架幅值高,但综合来看,模糊PID控制器能更好地减小汽车振动,进一步提高汽车的乘坐舒适性.结果同时也说明了模糊PID控制具有很好的鲁棒性.采用磁流变减振器的半主动悬架系统有效地改善了汽车乘坐舒适性和操纵稳定性.     

用于SPC控制图识别的神经网络训练并行算法研究

在研究统计过程控制基础上建立控制图识别的神经网络模型。通过对前向型神经网络分析,设计了粒子群优化算法与阻尼最小二乘法相结合的复合训练算法,基于并行运算原理对上述复合算法进行优化。实验结果表明,该复合算法经过并行优化后训练速度明显提高,具有较大的实用价值。     

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.