基于人工神经网络的水洞试验装置的PID自动控制系统

在水洞试验中，通过水泵及收缩段的形状控制水洞的运行过程，以保证水洞的稳定运行，并保证所进行的各种试验的质量。PID调节是最常见的一种。文章给出了一种基于人工神经网络实现自学习PID控制方法。利用该方法可以较好地实现水洞的控制。     

基于人工神经网络的自动变速控制系统仿真研究

根据获得的换挡规律的特点,可以采用人工神经网络控制车辆的自动换挡。讨论了基于RBF神经网络基础上采用三参数换挡规律的车辆挡位判别方法。建立了车辆传动的仿真系统,并对各个模型做了详细的介绍,最后给出了仿真结果。     

人工神经网络与自动控制

本文简述了人工神经网络的结构特点及其信息处理特点,并对其与自动控制的结合进行了阐述,最后指出了这一方面的研究现状和发展方向。     

基于神经网络PID电子负载控制系统设计

以电子负载为研究对象,针对其控制系统复杂的非线性和时变性,常规的PID控制方法存在着精度低,自适应能力不强等缺点,以定点32位DSPTMS320F2812作为控制芯片,结合神经网络和常规PID设计了一种神经网络PID控制器.仿真结果表明,通过神经网络PID控制器,能够在线调整PID控制参数,使系统具有更小的超调量和更短的调节时间,而且系统的精度和稳定性也得到大大的提高.神经网络PID控制器是一种动态特性和静态特性良好的控制器,在电子负载控制实验中可以获得满意的控制效果.     

基于PID神经网络的温度控制系统

文章根据注塑机料筒温度控制的要求,利用PID神经网络构成了多变量解耦控制系统,分析了注塑机温度控制的特点,给出了网络的结构和算法,对多段温度系统进行了实时仿真。仿真结果表明,PID神经网络对注塑机料筒的温度控制具有良好的解耦性能和自学习控制特性。     

基于神经网络的PID自整定控制系统

文章介绍了一种应用神经网络技术建立的PID自整定控制系统,给出了系统结构,详细分析了BP神经网络和RBF神经网络的结构和学习算法。该系统采用3层BP神经网络,其输出为PID控制器的参数;通过变结构的RBF神经网络辨识控制对象,将得到的输出对输入的梯度信息提供给BP神经网络,BP神经网络根据该信息优化PID控制器参数。仿真结果表明,该系统对于参数扰动较大的非线性系统,其收敛速度快、动态响应能力强、稳定性好,且具有较强的鲁棒性和适应性。     

基于机器学习的电气设备自动控制系统

针对传统电气设备比例-积分-微分（Proportional Integral Derivative,PID）控制系统存在控制精度不高的问题,设计一种基于机器学习的电气设备自动控制系统。硬件设计方面,选择AE-S微型高频动态控制传感器与ST-60T3控制执行器作为控制传感器和控制执行器;软件设计方面,计算空间电压矢量,根据计算的相关控制数值结果建立以神经网络为基础的机器学习算法控制模型。仿真实验结果表明,此系统的温度控制效果较佳,精度较高,可以有效地控制电气设备,具有良好的应用效果。     

基于LabVIEW的水洞实验软件测控平台设计

针对传统水洞实验中测试过程由于全部由实验人员手动操作,耗时长、精度低的问题,为水下超空泡航行体水洞试验设计了软件操控平台。基于虚拟仪器概念,在LabVIEW环境下编制图形用户界面,实现了实验流程的软件控制,数据采集的自动化和数据监控的实时化。软件采用LabVIEW同步控制技术,运行效率高且避免了数据读写错误。软件操作平台界面友好,简单易用,有效地提高了实验效率和数据测试精度,降低了测试成本。     

基于Matlab 的自动控制系统的仿真设计

本文针对自动控制原理内容的特点,将Matlab和自动控制理论有机结合起来,以典型控制系统举例说明Matlab的应用。采用了滞后-超前校正装置,分析比较了校正前后系统的各项性能,并在simulink下进行了系统的动态仿真,结果显示校正前后系统的阶跃响应结果区别十分明显,校正后响应效果由差到好。     

基于ANFIS的振动筛控制系统设计

为了解决因振动筛频率和倾角无法自动调整而导致筛分效率过低的问题而设计了一种基于自适应模糊神经网络的控制系统,该系统以S7-200PLC为核心控制器配合采用WINCC组态软件实现振动筛的自动调节,大大提高了振动筛的筛分效率。该系统通过大量的数据采集、保存及分析,寻找出振动筛在不同输入条件下最佳的工作倾角和振动频率并作为网络的学习样本以便获得模糊推理系统的数据,将其与现场采集数据作比较。试验结果表明：该网络具有较快的训练速度和较强的学习能力,满足了控制系统自动调节频率和倾角的需求。     

基于RBF-PID的水轮发电机组控制系统

研究水轮发电机组稳定性控制优化问题,水轮发电机组是一个非线性、时变的复杂控制系统,很难建立精确模型。采用常规PID控制策略难以较高的控制精度,超调量大。为提高水轮发电机组控制精度,将自学习较强的RBF神经网络与常规PID相结合,提出一种基于RBF-PID组合的水轮发电机组控制算法。采用RBF神经网络对水轮发电机组控制系统的Jacobian矩阵信息进行在线辨识,实现RBF-PID参数在线自整定。仿真结果表明:RBF-PID组合控制器不仅提高控制系统的精度,而且超调量小、抗扰动能力强,能够很好实现水轮发电机组的稳定性优化控制。     

基于神经网络的广义非线性预测PID控制

针对一些复杂的非线性系统用基于线性模型的预测控制器控制效果不理想的问题，本文提出在利用前馈网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合非线性PID，用另一前馈神经网络作为控制器，实现对非线性系统的控制。经网络的在线辨识采用梯度法，仿真实验验证了方法的有效性。     

Neural Networks Based PID Control of Bidirectional Inductive Power Transfer System

Inductive power transfer (IPT) systems facilitate contactless power transfer between two sides and across an air-gap, through weak magnetic coupling. However, IPT systems constitute a high order resonant circuit and, as such, are difficult to design and control. Aiming at the control problems for bidirectional IPT system, a neural networks based proportional-integral-derivative (PID) control strategy is proposed in this paper. In the proposed neural PID method, the PID gains, \(K_{P}\), \(K_{I}\) and \(K_{D}\) are treated as Gaussian potential function networks (GPFN) weights and they are adjusted using online learning algorithm. In this manner, the neural PID controller has more flexibility and capability than conventional PID controller with fixed gains. The convergence of the GPFN weights learning is guaranteed using Lyapunov method. Simulations are used to test the effective performance of the proposed controller.     

基于PID神经网络的非线性动态系统控制

基于PID神经网络的控制器可以完成变量的单输入-单输出非线性系统的任务.该控制器采用BP(误差反向传播)算法来修正连接权重值,通过在线训练和学习,使目标函数到达最优值.充分利用了BP神经网络算法逼近任意连续有界非线性函数的能力,显示了神经网络在解决非线性系统方面的潜能.为了达到控制的目的,和其他非线性建模技术相比较,PID神经网络有几个明确的优点和它独特的用法相一致.仿真结果表明,在对非线性动态系统控制时,基于PID神经网络的控制系统具有很强的灵活和高效性,能取得良好的控制效果.     

基于BP神经网络PID的控制系统研究

该文选取在工业上具有广泛应用的电加热炉为对象。电加热炉系统是一个双输入双输出系统,有耦合,相互影响,相互干扰。针对控制对象强耦合的特点,设计了基于BP神经网络的参数PID控制算法,采用前馈补偿方法实现解耦,通过仿真研究,结果表明该方案控制系统的调节品质比传统的PID控制水平有了明显的提高。     

基于CMAC神经网络的PID控制

提出利用CMAC神经网络与PID的复合控制,实现非线性系统控制。由于CMAc网络的优点使PID控制效果有很大提高。仿真实验表明了该方法的有效性。     

人工鱼群算法优化的PID神经网络解耦控制

针对多变量系统解耦控制的要求和特点,传统的PID神经网络在选取初始权值难以确定,往往是随机得到,容易导致采用的BP学习算法陷入局部极值.提出了一种人工鱼群算法优化PID神经网络初始权值.通过对多变量控制对象的mat-lab仿真验证,把人工鱼群算法优化得到的最优初始权值带入PID神经网络,结果显示加快了PID神经网络的收敛速度,使控制量迅速地接近控制目标,保证了系统稳定性,取得了满意的控制效果.     

基于神经网络的入侵检测系统

文章在对现有入侵检测系统所存在不足进行分析的基础上，提出了一个基于神经网络技术的网络入侵检测系统模型，运用神经网络所特有的自学习、自组织能力，弥补现有入侵检测系统所存在的不足。