永磁同步伺服电机FNN控制的仿真分析

模糊神经网络结合了模糊控制和神经网络的优点,已广泛用在交流电机控制系统的研究中。本文作者利用MATLAB／SIMULINK仿真软件,建立了基于IP-模糊神经网络控制器的永磁同步电机仿真模型,实验结果表明：采用比例积分控制器（IP）-模糊神经网络控制时系统具有良好的抗干扰性,提高了控制精度和鲁棒性。     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.     

基于LinWPSO算法的同步顶升系统模糊PID控制器设计

针对WK-35大型挖掘机上下盘分离时不稳定、顶升同步误差大等问题,提出一种基于LinWPSO算法的多液压缸同步顶升模糊PID控制方法,以获得更高精度的顶升控制系统。采用几何分析计算,验证顶升体系的同步精度要求,提出将粒子群寻优算法与模糊PID结合的控制策略,设计模糊PID同步顶升控制器。利用LinWPSO算法优化模糊控制器的性能参数,使控制器性能达到最优。基于WK-35大型挖掘机液压系统,建立AMEsim液压系统模型,并结合Simulink控制模型进行联合仿真。结果表明,改进的顶升系统控制方法相比模糊PID控制,控制精度明显提高,可满足系统的同步要求。进行了WK-35大型挖掘机上下盘分离同步顶升工程试验,试验结果在可允许的范围内与仿真结果一致,验证了所提方法的可行性。     

基于粒子群算法的烧结炉系统辨识及神经网络控制

烧结炉在加热过程中,模型参数易发生变化,而传统的PID控制很难达到理想的控制效果.本文运用粒子群优化算法辨识烧结炉的数学模型,针对烧结炉惯性大、时变、大滞后等特点,采用基于RBF神经网络的监督控制,将PID控制与神将网络控制相结合.当温度或模型参数发生较大变化时,PID控制起主要作用,神经网络起调节作用,补偿PID控制的不足.MATLAB软件仿真结果说明,该方法能够提高烧结炉的控制精度,具有一定的实用性.     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

自适应模糊控制器在水电机组控制中的应用

提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行,由RBF神经网络和遗传算法在线寻优模糊控制器的比例因子、模糊推理规则和隶属函数,并由RBF网络辨识被控对象的动态特性,以评价模糊控制器控制性能．仿真实验表明。控制效果优于没有寻优的Fuzzy控制。     

基于RBF神经网络二级倒立摆系统的PID控制

针对二级倒立摆系统,提出一种基于RBF神经网络的PID控制方法。该方法采用RBF神经网络对PID控制器的参数进行优化修正,从而使控制器处于最优状态,实现二级倒立摆的稳定控制。仿真结果表明,该方法的控制精度较高,响应迅速,超调量较小。对于多变量、非线性、不稳定的快速系统,具有较好的控制效果。     

基于RBF神经网络二级倒立摆系统的PID控制

针对二级倒立摆系统,提出一种基于RBF神经网络的PID控制方法。该方法采用RBF神经网络对 PID控制器的参数进行优化修正,从而使控制器处于最优状态,实现二级倒立摆的稳定控制。仿真结果表明,该方法 的控制精度较高,响应迅速,超调量较小。对于多变量、非线性、不稳定的快速系统,具有较好的控制效果。     

基于模糊神经网络PID的永磁同步直线电机控制算法研究

针对永磁同步直线电机(PMLSM)系统模型参数的时变性、非线性以及负载扰动等问题,在建立永磁同步直线电机的动态数学模型的基础上,结合传统PID算法和具有强自适应能力、强抗干扰能力的模糊神经网络智能算法的优点,提出一种基于模糊神经网络PID的永磁同步直线电机控制算法。运动控制系统仿真实验结果表明:系统经模糊神经网络PID控制静态误差为零、干扰影响小,过渡过程时间缩短近50%,相对于传统PID控制和模糊PID控制具有更高的控制精度、更好的动态特性和静态特性。     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.     

RBF神经网络整定的模糊控制在二次调节控制系统中的应用

为了克服实际控制系统中存在的非线性和参数时变性所引起的常规控制器控制性能恶化，提出了一种新的控制方法——基于RBF神经网络整定的模糊控制，并在文中给出了具体算法，该控制方法以无量化解析模糊控制为主体，采用RBF神经网络对控制对象进行辨识，然后利用辨识所得到的Jacobian信息在某一给定的控制性能指标下对控制参数进行在线调整，将其应用于二次调节控制系统，并对系统进行了仿真，系统采用不同控制器的仿真典线表明：基于RBF神经网络整定的模糊控制具有更好的控制性能。     

基于动态径向基函数神经网络的多变量解耦控制

为提高工业控制领域中多变量、非线性、强耦合系统的解耦能力和动态特性，基于聚类结合算法和神经网络原理，提出了一种改进的基于动态径向基函数（RBF）神经网络的多变量解耦控制方法.采用聚类结合算法优化动态RBF神经网络，更好地描述了控制对象的动态行为，获得了PID参数在线调整信息，实现了多变量非线性系统的解耦控制.仿真结果表明，与基于常规RBF神经网络的PID控制方法相比，该方法具有更高的控制精度、更快的系统响应以及更好的适应性和鲁棒性，是解决多变量、非线性和强耦合问题的一种简便、有效的控制算法.     

基于模糊神经网络PID的焙烘机温度控制

以控制焙烘机内流动的热风温度为目的,提出了将模糊控制器、神经网络控制器与PID相结合构成模糊神经网络PID对焙烘机进行温度控制的方法,并建立了模糊神经网络PID控制器的网络模型;利用MATLAB进行仿真分析,并与传统PID和模糊PID进行对比。结果表明:利用传统PID控制时,超调量达到45%,调节时间为1 150 s,且震荡明显;利用模糊PID控制时,系统超调量为15%,调节时间达到1 750 s,震荡明显减弱;利用模糊神经网络PID控制时,该方法满足焙烘机温度控制系统的各项技术指标要求,且超调量接近零,系统无震荡,调节时间减小为500 s,并且温度受外界扰动的影响很小,有良好的扰动补偿和抗干扰能力,系统鲁棒性有了很大提升,可以很好地满足控制焙烘机热风温度的目的。     

改进粒子群算法优化RBF的交通流预测研究

为了实时准确地预测交通流量,本文采用一种改进的粒子群算法对径向基函数(radical basis function,RBF)神经网络进行优化,RBF神经网络隐层中心向量由最近邻聚类确定,使用适度值择优的原理对离子群算法进行改进,将改进的粒子群算法用于最近邻聚类半径的优化,合理确定了粒子群的隐层结构。同时,运用Matlab仿真软件建立新的RBF模型,并对交通流进行预测和分析。仿真结果表明,粒子群优化RBF的相对平均误差为3.94,改进粒子群优化RBF相对平均误差为2.67,通过误差对比,改进的RBF神经网络算法具有更好的预测效果,在预测速度和精度上均优于粒子群优化RBF神经网络交通流预测算法。该研究应用前景广阔。     

液压挖掘机斗杆、铲斗回路仿真及再生控制研究

为了研究挖掘机挖掘工况下斗杆、铲斗的再生回油量与挖掘力的动态平衡,以提高挖掘机工作效率,在深入分析负流量液压系统的基础上,利用AMESim仿真软件建立了斗杆、铲斗的液压回路模型,并以实际挖掘中油缸输出压力作为模拟负载验证了模型的正确性.利用仿真模型详细分析了流量再生阀弹簧刚度对回油再生量和挖掘力的影响,该方法对实际液压系统设计与参数优化有一定的实用价值.     

基于PSO的RBF神经网络在热工系统辨识中的应用

在神经网络辨识大迟延对象时,模型类中迟延时间多是根据经验估测的,而不同的值对神经网络辨识的精度和效率就会不同。针对上述问题,将基于正交最小二乘(OLS)算法的径向基(RBF)神经网络和粒子群优化(PSO)算法相结合对热工系统的复杂对象进行辨识仿真。通过对电厂一次风量数据和平均床温数据的仿真实验结果表明,在RBF神经网络对大迟延对象进行辨识时,通过PSO算法进一步确定其最佳迟延时间,从而得到更精确的模型并提高辨识效率,可以取得良好的效果。     

基于RBF神经网络的PID自适应真空炉温度控制

提出一种基于RBF辨识神经网络算法的神经网络PID控制方案,由RBF网络对系统进行在线辨识,建立其在线参考模型并为PID控制器提供了梯度信息,从而实现控制器参数的在线调整.仿真结果表明,该控制方法应用于真空炉温度控制时控制精度高,动态特性好,收到了良好的效果.     

基于RBF神经网络的PID自适应真空炉温度控制

提出一种基于RBF辨识神经网络算法的神经网络PID控制方案，由RBF网络对系统进行在线辨识．建立其在线参考模型并为PID控制器提供了梯度信息，从而实现控制器参数的在线调整。仿真结果表明，该控制方法应用于真空炉温度控制时控制精度高，动态特性好，收到了良好的效果。     

基于模糊神经网络的电液位置伺服系统控制

采用将T-S模型与RBF神经网络相结合的网络结构,提出一种复合式控制方案,以解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对不确定非线性系统的高精确度输出跟踪控制;通过引入运行监控器,克服模糊神经网络控制方法通常存在的实时性差的问题;同时,利用一个鲁棒反馈控制器,来保证模糊神经网络模型学习初期闭环系统...     

基于遗传算法优化的模糊PID控制研究及其仿真

本文提出了一种基于遗传算法优化的模糊PID控制系统:采用遗传算法优化模糊控制中的隶属函数和控制规则,进一步完善了模糊PID控制器的性能,提高了系统的控制精度。最后对优化后的模糊控制器进行了Matlab仿真研究,仿真结果表明:经过优化后的控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值。