常规PID控制模糊控制与神经元PID控制

讨论了常规ＰＩＤ控制器，Ｆｕｚｚｙ控制器与单个神经元ＰＩＤ控制器的算法与作用     

一种改进的神经元PID自适应控制

利用神经元组成的PID自适应控制尽管结构和算法简单，但收敛速度慢，跟踪效果不佳，为此提出了一种改进型的神经元PID自适应控制方法。仿真结果表明，该方法不仅具有良好的自适应性。而且收敛速度更快。     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力，它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数，使控制器能够适应受控对象结构的参数以及环境的变化。因此采用单神经元构成自适应PID控制器，将神经元与PID控制结合，对PID参数进行在线寻优、自校正，使PID控制能有效地对付一些较复杂非线性被控对象，特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力，采用动态自适应神经元（APE）对非线性系统进行预测，即用神经元建立起非线性系统的预测模型，预测系统的未来输出，从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明，这种自适应控制方案切实可行，其控制品质明显优于常规PID控制，且具有较强的鲁棒性，达到了良好的控制效果。     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力 ,它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数 ,使控制器能够适应受控对象结构参数以及环境的变化。因此采用单神经元构成自适应PID控制器 ,将神经元与PID控制结合 ,对PID参数进行在线寻优、自校正 ,使PID控制能有效地对付一些较复杂非线性被控对象 ,特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力 ,采用了动态自适应神经元 (APE)对非线性系统进行预测 ,即用神经元建立起非线性系统的预测模型 ,预测系统的未来输出 ,从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明 ,这种自适应控制方案切实可行 ,其控制品质明显优于常规PID控制 ,且具有较强的鲁棒性 ,达到了良好的控制效果。     

基于单神经元PID控制的温度控制系统

利用神经网络的自学习特性,将神经网络与PID控制方法相结合,实现对温度控制系统的在线智能控制。仿真结果表明,该温度控制系统具有很好的控制效果。     

基于数字信号处理器的神经元自适应PID控制

为了满足实时控制对神经元运算速度的要求，研究了一种采用数字信号处理器作为控制核心的神经元自适应PID控制器。针对无刷电机的试验结果表明：这种控制器具有响应快、自适应性好和易于实现的特点。     

基于神经元智能PID控制器的研究

用神经元的自学习功能构成了智能PID控制器.该控制器将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确的优点,又具有神经网络自学习、自适应的能力.     

基于神经网络和神经元PID的交流矢量自适应控制

磁链开环的异步电动机矢量控制系统尽管结构简单,但它的性能受转子电阻影响很大.为了解决这一问题,根据感应电机矢量控制原理,将单神经元自适应控制器和神经网络应用于磁链开环的交流矢量控制系统中,并用单神经元PID代替传统矢量控制中的转速调节器,用神经网络代替系统中的电流模型,利用神经元PID的自适应和神经网络的在线学习能力,使系统能够克服其运行中由于自身参数变化带来的影响,具有很强的鲁棒性.最后,应用MATLAB软件进行了仿真实验.结果表明,该系统不但结构简单,而且具有良好的动、静态性能.     

基于单神经元的自适应PID控制系统设计及仿真

设计了一种基于单神经元的自适应PID控制系统,该系统响应平滑、无超调.在MATLAB下对被控对象进行实验仿真,对同一对象用常规PID进行控制,并比较2种方法控制下的仿真结果.结果表明:单神经元自适应PID控制系统具有自学习和自适应能力,能够采用学习规则来调整权系数,从而使系统响应稳定、快速、准确.     

基于神经网络和神经元PID的交流矢量自适应控制

磁链开环的异步电动机矢量控制系统尽管结构简单,但它的性能受转子电阻影响很大.为了解决这一问题,根据感应电机矢量控制原理,将单神经元自适应控制器和神经网络应用于磁链开环的交流矢量控制系统中,并用单神经元PID代替传统矢量控制中的转速调节器,用神经网络代替系统中的电流模型,利用神经元PID的自适应和神经网络的在线学习能力,使系统能够克服其运行中由于自身参数变化带来的影响,具有很强的鲁棒性.最后,应用MATLAB软件进行了仿真实验.结果表明,该系统不但结构简单,而且具有良好的动、静态性能.     

基于人工神经元PID调节器的“水鸟”控制系统性能分析

介绍了人工神经元PID调节器基本概念。在控制系统建模过程中假设了边界条件,对水鸟进行了受力分析,确定了水鸟运动方程;绘制了控制系统原理图;建立了基于人工神经元PID调节器的控制模型。利用Simulink软件建立了仿真程序,对运用人工神经元PID调节器的水鸟在受到深度方向上的干扰情况下深度位置的变化情况进行了仿真。将仿真结果与传统PID控制系统仿真结果进行比较,发现运用人工神经元PID调节器控制效果得到了改进。     

基于动态递归网的智能PID自适应控制算法

推导了一类基于动态递归神经网络（DynamicRecurrentNeuralNetwork，以下简称DRNN网络）的智能PID控制算法，并进行了仿真，结果表明，该方法对非线性和时变对象具有很强的适应能力。     

基于PID神经网络的智能温度仪表研究

热电偶在工业测温中应用广泛,但其温度和热电势之间呈非线性关系,限制了测温精度.利用PID神经网络前馈校正法功能,设计了智能温度仪表硬件电路来解决热电偶温度计算的精度问题.通过实验验证,这种计算方法准确性高、实用性强.     

一种基于RBF神经网络的模糊PID控制算法

提出一种将RBF神经网络与模糊控制相结合的方法,对系统输出误差进行模糊化,利用RBF神经网络对PID控制参数进行在线整定。仿真结果表明基于上述的PID控制算法能较好地实现PID控制参数的在线调整和优化。     

基于PID神经网络的UPFC潮流控制方法研究

建立了UPFC的数学模型,将PID神经网络控制方法应用于UPFC的潮流控制,提出了PID神经网络控制器的设计方案,仿真结果表明,UPFC采用PID神经网络控制方法以后,响应时间更快,对有功功率和无功功率的变化具有很好的追踪能力,鲁棒性良好.     

智能控制气动人工肌肉座椅减振特性研究

以Mckibben型气动人工肌肉为履带式工程车辆座椅的缓冲执行器,建立了三自由度座椅主动缓冲减振模型;以白噪声模拟路面输入,采用智能BP神经网络PID控制对座椅的减振特性进行研究。并以座椅加速度和位移的最大值、最小值、标准差三项指标进行对比分析。仿真结果表明,在选定的3种工况下,Mckibben型气动人工肌肉缓冲座椅较传统座椅可显著减小路面激励对驾驶员的振动冲击,提高了驾驶员操作舒适性。     

基于神经网络的自适应PID控制

本文提出了一种采用人工神经网络的自适应PID控制结构。在该控制结构中,一个三层反向传播神经网络用于对被控对象进行在线辨识;另一个二层线性神经网络构成具有传统PID控制结构的控制器。对PID控制器网络的在线训练方法,本文进行了较详细的叙述。仿真及实时控制实验研究表明,本文提出的控制方法可取得满意的效果,并易于在线实现。     

基于PID神经元的温度控制系统研究

应用神经网络控制理论和方法，对传统温度控制系统进行控制，可以得到无静差，无超调的优良性能，这对于传统工业改造具有实际意义。     

基于神经网络的非线性预测自整定PID控制

提出在利用前馈神经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，并且结合自整定PID方法，实现非线性系统控制，神经网络在线辨识时采用学习速度较快的扩展Kalman滤波方法，仿真实验表明了该方法的有效性．     

基于神经网络的智能结构控制与试验研究

智能结构是指系统的几何特性和运动特性在运行中能根据工作的要求而进行调整的结构。由于振动激励的复杂性和不确定性使得智能结构控制具有高度的非线性,因此很难建立准确的动力模型,神经网络强大的非线性映射能力和自适应学习、记忆的特点使得它非常适合于解决智能结构控制问题。本文主要对基于神经网络的结构控制理论进行了研究,通过对压电智能结构基于神经网络的反馈控制进一步确定了控制算法和控制效果。最后进行了三层框架结构的振动台试验,通过对压电材料基于神经网络的反馈控制来主动调节压电层的轴向变形,以此对结构施加控制力,试验结果表明各层加速度都得到了有效地控制。