基于改进型BP神经网络的PID控制算法

针对传统的PID控制算法很难获得比较理想的控制效果的问题,提出一种基于BP神经网络的自适应PID控制算法。根据BP神经网络的结构和特点,介绍了改进型BP神经网络算法描述及PID控制器的结构,并通过实例进行仿真分析。结果表明,改进型BP神经网络PID控制器具有良好的控制效果,降低超调量,抗干扰性强和增强系统的鲁棒性,优于常规PID控制器。     

航向角BP神经网络自整定PID控制算法仿真

设计了基于BP神经网络的自整定PID控制算法,此控制算法不需要被控对象的数学模型,先由BP神经网络对被控对象进行辨识,给出PID控制所需要的3个参数,再由PID控制算法进行有效的控制,最后用MATLAB对某水下机器人的航向角模型进行了仿真验证。     

基于dSPACE 的智能控制算法

针对FESTO液位过程控制系统,提出一种可在线修改量化比例因子的模糊自适应PID控制算法。利用dSPACE实时仿真系统能与Matlab/Simulink无缝链接的特点,通过Matlab/Simulink将模糊自适应PID控制算法引入dSPACE实时仿真平台,并进行FESTO液位控制实验。实验结果表明:模糊自适应PID智能控制算法具有较好的控制效果,dSPACE实时仿真系统能为检验智能控制算法的有效性提供良好的验证平台。     

基于模糊神经网络PID的机床直流调速系统

为解决PID参数的在线调整问题,针对龙门刨床的主拖动系统,提出将神经网络的模糊PID自适应控制器用于直流调速系统的方法。分析龙门刨床电气设备的组成,综合模糊控制和神经网络的长处,将神经网络、模糊逻辑和PID控制相融合,构成模糊神经网络控制器,并通过MATALAB对系统进行仿真。设计时,将模糊规则融于神经网络中,通过对神经网络的自学习、自适应能力在线调整模糊规则和隶属函数参数,对PID控制器实现在线实时调整。仿真结果表明,该系统比普通控制器具有更好的动、静态特性。     

基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

基于模糊PID控制的可变配气相位控制系统仿真研究

将模糊PID系统(Fuzzy-PID)用于现在主流使用的液压控制连续可变配气相位正时系统(VCT)．对连续可变凸轮相位器系统进行了分析,建立了系统的数学模型。针对液压油驱动VCT系统液力、机械结构具有非线性特征及系统时变性等特点提出了模糊PID控制策略。在对PID控制的响应特性进行分析的基础上,应用模糊控制技术,提出并设计了模糊PID控制器,并利用MATLAB软件进行了仿真研究。仿真研究结果表明,模糊PID控制相对于PID控制来说有较好的执行性能,提出的控制算法具有结构简单、实时性好、响应快等优点,较好地满足了VCT控制要求。     

激光光路控制电磁作动器的模糊PID控制特性分析

为了实时控制激光切割中激光焦点与辅助气体中轴线的相对位置,提出了一种模糊PID控制的电磁作动永磁复位式3自由度电磁作动器。介绍了电磁作动器结构,建立了相应系统数学模型。采用模糊PID控制算法以仿真与实验相结合的方式研究了电磁作动器的控制特性,并在PID控制器参数完全相同情况下,与传统PID控制算法的控制特性进行对比分析。仿真与实验结果表明：在x轴方向,与传统PID控制算法位置响应时间相比,仿真位置响应时间变化不大,实验位置响应时间减少1.50 s;在y轴方向,与传统PID控制算法位置响应时间相比,仿真位置响应时间减少0.48 s,实验位置响应时间减少1.88 s. 经过对模糊PID控制器参数的进一步优化,作动平台在x轴方向响应时间可达0.10 s. 与传统PID控制器相比,模糊PID控制器响应时间更短、响应速度更快。     

模糊自适应PID控制在机载激光武器跟瞄系统中的应用

由于载机的振动和机动、被控对象参数的摄动、非线性环节等,经典PID控制算法无法满足机载激光武器跟瞄系统对目标的跟踪精度要求。在复合轴跟踪瞄准控制结构的基础上,设计了具有自适应能力的模糊PID控制器,构建了Matlab/Simulink仿真模型。仿真结果表明,模糊自适应PID控制器跟踪阶跃信号的超调量仅为经典PID控制器的0.23倍,能较好的改善机载激光武器系统的跟踪性能。     

加注连接器自动对接系统模糊PID控制方法研究

加注连接器自动对接系统是一种非线性、多变量、变参数的系统，作为被控对象使用经典PID控制效果欠佳。为此结合模糊控制的优点，设计一种模糊PID控制策略，在加注连接器自动对接系统的仿真模型上分别使用经典PID和模糊PID，进行控制效果对比。结果表明，对比PID控制，模糊PID控制具有误差较小、抗干扰性较强等特点，更适用于自动对接系统，具有广阔的应用前景。     

一种新型伺服系统智能PID控制器的设计

提出了一种自适应模糊神经网络PID控制器的设计方案。把模糊神经网络控制和常规PID控制结合起来,对控制系统的比例、积分和微分参数进行在线自整定。在Simulink中的仿真结果表明,这种智能PID控制器的控制效果优于单纯的PID控制,超调量小,抗干扰性能强,对变参系统的鲁棒性强,满足在线适时自适应控制的要求。     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法,探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制,给出了由传统PID控制器,模糊量化处理,系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构,并讨论了人工神经网络在运动控制领域中应用的发展趋势。     

模糊神经网络在电动舵系统中的应用

为了适应导弹控制技术的发展,电动舵系统的性能要求越来越高。在提高系统快速性、控制精度的同时,舵系统需要足够的抗扰动和适应恶劣环境的能力。为了提高常规PID电动舵系统的控制品质,在分析模糊控制与神经网络控制的基础上,设计了基于模糊RBF网络整定的PID控制算法。该算法具有控制精度高、响应迅速、无超调等特点,且具有很强的鲁棒性和学习能力。仿真和试验结果表明:此方法可以使电动舵系统的控制品质得以很大提高,同时也适用于其它伺服系统。     

某舰载火箭炮交流伺服系统并行复合控制方法

针对舰载火箭炮在发射过程中会受到风浪以及自身扰动的影响而导致射击精度和稳定性降低的问题,提出一种RBF神经网络滑模-模糊PID控制方法。利用RBF神经网络来削弱滑模的抖振,在误差较小时提高响应速度和鲁棒性;利用模糊规则对PID参数进行调整,在误差较大时提高控制精度。仿真结果表明：该复合控制策略可使舰载火箭炮交流伺服系统具有更高的射击精度和反应速度,提高系统性能。     

基于BP-GSA优化的某随动平台滑模控制

为实现某随动平台负载模拟器响应的快速性和系统的鲁棒性,提出一种基于遗传模拟退火算法(genetic simulated annealing,GSA)优化的BP神经网络(BP-GSA)滑模控制方法。根据负载模拟器各环节硬件组成,建立系统等效数学模型;采取非奇异终端滑模实现对系统的控制,并采用BP神经网络对状态方程中未定项进行逼近,利用GSA算法调整网络节点权值。实验仿真结果表明：相比于传统滑模控制和PID控制,该方法在具有扰动输入的情况下,具有最小的稳态误差和最快的跟踪速度,能够有效提升系统的响应速度和力矩跟踪精度。     

遗传算法优化BP神经网络在转速PID控制中的应用

提出一种基于遗传算法优化的BP神经网络PID控制算法,并将其应用于永磁无刷直流电动机的转速控制系统而设计出优化的转速PID控制器。该算法首先利用遗传算法对BP神经网络的初始权值进行优化,再利用BP神经网络算法对PID参数进行在线调节,解决网络的初始权值对控制效果的不利影响,仿真证明该算法可行。     

基于前馈—模糊PID 策略的风洞控制器应用

针对2.4 m 跨声速风洞因强耦合、强非线性、大滞后等特性无法获得其精确数学模型,使用经典PID 算 法控制精度无法满足试验要求的问题,设计基于前馈—模糊PID 策略的复合控制器,并应用于风洞试验。试验结果 表明,该控制器的应用对于流场控制精度提高有良好的效果。     

基于模糊神经网络的遥控武器站伺服系统PID控制器

针对遥控武器站伺服系统具有间隙、摩擦等非线性、不确定性特征,将PID控制与模糊神经网络进行有机结合。利用多层神经网络提取模糊控制规则,构建模糊神经网络控制器,根据偏差E和偏差变化EC在线调整PID控制器的三个参数。仿真试验表明,该控制器具有PID控制器精度高,以及模糊神经网络控制器响应速度快、超调小、稳定性高的特点,具有良好的动、稳态特性。     

常用温度控制法的对比

常用温度控制包括常规PID、模糊、神经网络、Fuzzy-PID、神经网络PID、模糊神经网络、遗传PID及广义预测等控制方法.常规PID控制易于建立线性温度控制系统被控对象模型.模糊控制基于规则库,并以绝对或增量形式给出控制决策.神经网络控制采用数理模型模拟生物神经细胞结构,并用简单处理单元连接成复杂网络;Fuzzy-PID为线性控制,且结合模糊与PID控制优点.并给出了各方法的控制特性、功能及主要应用场合.     

一种基于GA-BP 算法的PIDNN 控制策略

为改善常规PID控制器对非线性对象的控制性能,提出一种基于GA-BP算法的PID神经网络（PID NeuralNetwork,PIDNN）控制策略。将PID控制规律融入神经网络,构成一种PIDNN控制器,并利用GA-BP算法来对其进行参数优化。采用所设计的PIDNN控制器对一种非线性系统进行仿真研究,仿真结果表明：GA-BP算法收敛速度快,所设计的PIDNN控制器与常规PID控制器相比,其控制稳定性和快速性等性能都得到了很大改善。