模糊神经网络实现的参数自校正控制

将模糊控制和神经网络技术相结合,借助神经网络的学习能力和信息存储能力来实现模糊推理过程,并记忆参数调整规则,从而构成了ＰＩＤ参数调整机构,经过离线训练后,可使ＰＩＤ参数按模糊规则规定的基本原则在线调整。仿真结果表明,对非线性系统的控制,这种方法比常规的ＰＩＤ控制具有更好的动静态性能。     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

两区域负荷频率的智能自适应PID控制

利用神经网络动态辨识电力系统的动态模型,并将模型逻辑技术与神经网络相结合,通过动态寻优确定最优性能指标下的ＰＩＤ控制器参数,具体设计了一种两区域负荷频率的神经模糊自适应ＰＩＤ控制器。使两区域负荷频率控制既有非线性控制作用和自学习自适应能力,又有ＰＩＤ控制的广泛适用性。     

前馈神经网络的模糊 PID 算法及其在电力系统负荷预测中的应用

提出了多层前馈神经网络的模糊ＰＩＤ学习算法（ＦＰＢＰ）。这种算法是把多层前馈神经网络的学习过程当作一个动态控制系统来处理,确定出动态控制系统达到稳态时的ＰＩＤ控制器参数,然后再基于模糊控制的思想,对确定出的ＰＩＤ控制器参数进行模糊调整。文中给出了这种算法在电力系统负荷预测中的实际应用,并与标准ＢＰ算法作了比较。结果表明,该算法提高了网络的学习速度和预测的精度。     

基于神经网络的水轮机调节系统的自适应PID控制

基于有功功率反馈参与控制的水轮机调节系统,以几个典型工况下的最优ＰＩＤ系数作为训练样本,训练了一个三层ＢＰ神经网络,设计了一个用ＢＰ神经网络实现变参数的ＰＩＤ控制器;并构造了一个目标函数,设计了一个自适应神经元,利用神经元的自学习功能,在线优化控制器的输出,以期达到最优控制的目的。对简单电力系统的仿真结果表明,这种控制器可以达到较常规的变参数ＰＩＤ较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。     

基于神经网络补偿的PID控制方法的研究

经典ＰＩＤ方法的控制参数难以精确整定,且依赖于对象的数学模型,故自适应性较差,很难适应具有非线性、时变不确定性的被控对象,控制精度难以保证。文中研究了在近似参数ＰＩＤ控制基础上,采用ＲＢＦ神经网络进行补偿控制的综合控制方法,仿真研究结果表明了该方法的鲁棒性和跟踪性能均优于经典ＰＩＤ方法。     

两区域负荷频率的智能自适应PID控制

利用神经网络动态辨识电力系统的动态模型,并将模糊逻辑与神经网络相结合,通过动态寻优确定最优性能指标下的ＰＩＤ控制器参娄和具体设计了一咎两匹配负荷频率的神经模糊自适应ＰＩＤ控制器。使两区域负荷控制既有非线性控制作用和学习自适应能力,又有ＰＩＤ控制的广泛适应性。     

基于神经网络实现水轮机自学习PID调节

本文提出一种基于神经网络实现自学习ＰＩＤ控制策略，该策略用于水轮机调节领域。它不需要被控对象的精确模型，以经典的ＰＩＤ为基础，用神经网络实现，进而进行自学习，仿真结果表明该策略对于被控系统的严重非线性有很好的适应性和鲁棒性     

单元机组负荷控制系统的在线自整定

本文研究具有ＰＩＤ结构反馈控制器的多变量控制系统的参数自整定，提出了具有校正因于的多变量ＰＩＤ控制算法。并用专家控制的概念实现了校正因子的自动调整。文中对控制器参数与系统闭环稳定性的相互关第进行了深入分析。该方法用于炎电单元机组负荷控制系统的仿真研究，结果表明系统具有好的鲁棒性和完整性。     

发电机组汽门的新型非线性PID控制器设计

章基于非线性跟踪微分器,非线性度变换以及ＰＩＤ校正的思想,构造了一种新的非线性ＰＩＤ控制结构,该方法解决了一般非线性ＰＩＤ控制器参数整定的难题,结构简单,易于实现,鲁棒性强,又克服了由于常规ＰＩＤ受模型线性化的限制而使稳定范围变小,微分信号提取困难等缺陷,数值仿真结果表明,该非线性ＰＩＤ控制器控制品质好,有利于提高电力系统的稳定性。     

基于直接转矩控制的感应电动机模糊神经元网络实现

针对感应电动机直接转矩控制模糊实现中模糊规则的参数难以设计问题,文章提出了一种基直接转矩控制的模糊神经元网络实现方法,来自动调整模糊系统中设计参数。在直接转矩控制模糊实现中,由于模糊推理和化函数具有不可导性,文章提出了一种“软最大化”算子。并根据模糊实现及该算子,设计了一个6层模糊神经元网络,对该模糊神经元网络采用改进动态学习率的BP算法进行学习。仿真试验表明：利用学习过的模糊神经元网络可以改进系统的控制性能。     

改进蝗虫优化算法 在模糊神经网络PID控制中的研究

传统模糊神经PID控制算法易出现网络参数调整不合适导致控制效果差的问题。本文提出一种改进蝗虫算法优化下的模糊神经网络PID控制算法。首先针对传统蝗虫算法粒子多样性不足的问题引入Levy随机飞行策略,其次引入非线性缩减因子和模拟退火算法来改善算法寻优能力以及跳出局部最优解的能力,然后将改进的蝗虫算法与模糊神经PID结合来优化神经网络超参数以及实现控制参数自整定,最后由仿真结果验证所提出的改进蝗虫算法优化模糊神经网络PID算法的优越性和可靠性。     

神经网络在线学习模糊自适应控制及其应用

基于反馈误差学习法,提出了一种神经网络在线学习模糊自适应控制结构。利用模糊推理机产生的分目标学习误差训练神经网络,避免了控制器的输出产生振荡或进入饱和状态。工程应用表明,该方法将模糊推理引入神经网络学习中,可有效地提高系统的控制品质。     

基于模糊神经分数阶PI2Dμ 的储能电源逆变控制

针对传统PID控制器存在抗干扰能力差、参数整定困难、时变控制不确定等不足,为进一步提高储能电源逆变输出电压波形质量,增强控制系统的鲁棒性,提出了基于优化模糊PID控制器的控制策略。在介绍分数阶控制器定义及其数学实现的基础上,该方法引入模糊控制规则对控制器的结构参数进行调整,同时融合了神经网络的自学习能力,通过在系统工作时动态调整隶属函数和完善模糊控制规则,实现控制器参数的在线调节和优化。仿真结果表明,优化后的控制器具有更灵活的结构和更强的鲁棒性,具备良好的动态特性和自适应能力,能够满足储能电源逆变控制的要求。     

模糊PID控制器及在汽温控制系统中的应用研究

本文将模糊控制和常规ＰＩＤ控制两种设计思想融合起来，提出一种基于模糊规则的ＰＩＤ控制器的设计方法。这种方法首先通过建立模糊规则和进行模糊推理来确定ＰＩＤ控制器的参数，而后由ＰＩＤ控制律直接确定控制作用。仿真结果表明，用本文方法所设计的汽温控制系统比常规的具有固定参数的ＰＩＤ控制具有更加优良的性能。     

交流伺服系统基于神经网络的模糊自适应PID控制及其DSP实现

提出一种基于BP神经网络的模糊自适应PID控制器,将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力以及传统PID控制的优点融为一体,形成了对非精确、非线性对象的良好控制策略。针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器（DSP）作为控制器运算单元,以提高系统实时性。对交流伺服系统的实验仿真结果表明,该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于粗糙集的自适应模糊神经网络用于循环流化床锅炉床温控制的研究

针对循环流化床(CFB)锅炉床温的非线性、大惯性和大延迟等特性,提出了1种基于粗糙集的自适应模糊神经网络的床温控制方法,并且通过大量已知数据的学习得到模糊规则及其隶属度函数.为了减少规则的数目,提高数据的学习效率,引入了粗糙集,从采集数据中提取最小规则集,从而解决了自适应模糊神经网络中的规则爆炸问题.以CFB锅炉床温为控制对象,对基于粗糙集的自适应模糊神经网络控制器进行仿真比较.结果表明,该控制器控制效果优于常规PID控制器,但稳态误差较常规PID控制器大,其稳态误差小于1.7％,在允许范围内.     

基于模糊神经网络PID的锅炉汽包水位控制

将基于模糊神经网络的PID控制器作为给水控制系统的锅炉汽包水位调节器,可实时整定PID控制器的参数,以适应控制系统的要求。仿真结果表明,基于模糊神经网络的PID给水控制系统的响应快速性、调节平稳性及抗干扰能力均优于常规的PID控制器。