基于PSO算法的多变量PID型神经元网络在球磨机控制上应用

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,基于PID控制的简单结构和良好性能优势以及神经元网络的自调节和自适应的特长,设计了具有PID结构的多变量自适应的PID型神经元网络控制器。给出了这种控制系统的结构和算式,其为一种3层前向神经网络,其隐层单元分别为比例(P)、积分(I)和微分单元(D),各层神经元个数、连接方式、连接权值的初值是按PID控制规律确定的。神经元网络参数采用了粒子群优化(PSO)学习算法,并给出了相关算式。分析了球磨机制粉控制系统的特点,并应用提出的控制方法对其进行了仿真研究,比较了文中控制方法与传统的PID控制方法的控制效果。仿真结果表明了所提方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。     

多变量PID型神经元网络控制系统及其在协调控制中的仿真研究

介绍了多变量PID型神经元网络控制系统的网络结构和学习算法,说明了系统参数选取方法,并分析了单元机组协调控制的特点.仿真结果表明,该控制系统对多变量强耦合时变的协调控制对象具有良好的解耦性能和自学习控制特性.     

基于RBF神经网络的智能车速度控制系统研究

针对传统PID控制算法在电磁导航智能车速度偏差处理中存在比例、积分、微分参数一经确定,不能在线调整、不具有自适应能力的缺点,提出了将RBF神经元网络控制器及其算法应用到智能车的调速系统中,对传统PID参数整定进行改进。RBF神经网络能够辨识智能车电机的数学模型,可以根据控制效果在线训练和学习,调整网络连接权重值,最终自适应地整定PID三个参数来实现智能车的速度控制。MATLAB仿真测试表明,与传统PID控制算法相比,RBF神经网络PID整定算法在智能车速度控制中具有响应快,超调量小、鲁棒性和适应性强的优点,大大提高了智能车电机控制系统的性能。     

蚁群PID神经元网络在电厂球磨机控制中的应用

钢球磨制粉系统是一个多变量强耦合、时滞、非线性系统,对这一系统的控制一直未能取得很好的效果.将蚁群算法和PID神经元网络结合起来,组成基于蚁群算法的PID神经元网络控制系统.仿真研究表明,此控制系统具有良好的控制品质.     

弧焊电源电压电流的自适应神经网络控制

焊接过程是一个复杂、多参数耦合的高度非线性系统,在实际焊接过程中难以实现实时、有效的在线控制.根据焊接工艺要求,设计了弧焊电源输出电压电流波形.在常规PID控制的基础上,运用神经网络控制理论,建立了自适应神经元PID控制器,确定了自适应神经网络PID学习控制器的学习算法.建立了二氧化碳气体保护焊自适应神经元网络控制系统,并通过数字信号处理器TMS320F2407和单片机MSP430F149加以实现.通过常规PID控制与自适应神经元网络控制输出波形的对比,证明了其控制效果优于常规PID控制.     

复合并行控制的无人机视轴稳定方法

为提高无人机视轴稳定平台的抗扰动能力,提出一种定量反馈理论（QFT）和PID复合并行控制的视轴稳定方法。首先采用回路整形法设计QFT视轴稳定控制器,然后以QFT为主控制器,采用PID实现QFT的动态补偿。最后对该方法进行仿真实验,结果表明,QFT和PID并行的控制系统相比独立的QFT控制系统,阶跃响应稳定时间缩短了57%,平台的扰动隔离度提升了75%。实验结果验证了该方法可以满足无人机对视轴稳定性的要求,且优于QFT单独控制的方法。     

基于HOLLIAS-Con Maker DCS的机组极点配置自适应PID控制系统研究

以某超临界765 MW机组为对象,基于北京和利时系统工程股份有限公司的HOLLIAS-Con Maker DCS平台,对机组输出功率和焓值的极点配置自适应控制算法进行了研究.根据765 MW机组的动态模型及直流锅炉的慢时变、非线性特性,设计了一种极点配置自适应PID控制方案,并在HOLLIAS-Con Maker DCS平台上对其进行了建模、实时仿真、数据处理及链接.研究表明,极点配置自适应PID控制系统具有较好的跟踪和自适应能力,且控制品质优于传统PID控制系统.     

静止无功补偿器的模糊神经元PID电压控制

针对传统PID控制应用于静止无功补偿器电压控制系统所体现出的快速性与稳定性之间的矛盾,以及较差的自适应能力和鲁棒性的缺陷,采用神经元控制和比例控制设计了1种变结构PID控制器,并采用模糊控制实现该变结构PID控制器参数Kp、Kd和Ki的在线调整。仿真结果表明,将所设计的模糊神经元PID控制器应用于SVC电压控制系统,能有效、快速地补偿系统的无功功率,可更好地实现电力系统电压的稳定控制作用,且控制系统具有较快的响应速度、较好的动态和静态稳定性、较强的鲁棒性及自适应能力。     

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明：与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好。并具有自适应能力,应用前景十分广泛。     

磁粉离合器自调整模糊PID励磁控制技术

针对磁粉离合器应用环境复杂,采用传统的控制算法很难满足系统非线性、变参数的要求等问题,在研究了模糊控制和传统PID控制算法的基础上,提出了一种自调整模糊PID控制算法。该算法兼有模糊控制和PID控制算法的优点,实现了对过程参数的无稳态误差控制,同时具有很好的自适应特性,并且能够克服非线性因素带来的影响,具有较强的鲁棒性。将该算法应用于双轴水冷式磁粉离合器,能够实现在线PID参数的自整定。通过对该控制算法的仿真,并与常规PID控制算法的实验比较,该控制算法响应速度快,负载侧电流稳定时间短、电流超调量小,且控制系统具有很好的自调整能力。     

单轴稳定平台控制系统及其电磁干扰防护

基于限制传统惯性导航系统的转角大加速度问题,设计了一种具有横滚隔离功能的单轴稳定平台伺服控制系统,其实质是一种高精度位置伺服系统。以DSP TMS320F2812为基础,在重点介绍其硬件和软件实现的同时,对平台的电磁干扰防护设计进行了详细研究,并针对实验过程中出现的一个由编码器引发的特殊电磁干扰问题进行了研究和实验,实验结果表明经过电磁干扰防护设计,系统抗干扰能力增强,并具有跟踪能力强、响应速度快、控制精度高诸多优点。     

基于模糊神经网络PID算法的液位控制系统研究

在工业生产中,液位控制系统得到了广泛应用,但是对于这种大滞后、非线性的复杂控制系统,传统的PID控制方法存在着参数整定困难,控制效果不理想的缺陷。在对传统的PID算法、模糊控制算法和神经网络算法研究的基础上,提出了一种将模糊神经网络PID算法应用到液位控制系统中去的解决方案,并采用MATLAB对液位对象控制进行仿真实验,同时采用A3000型水箱实验平台对仿真实验结果进行验证。研究结果表明,基于模糊神经网络的PID算法的液位控制系统在调整时间和超调量上都优于传统的PID算法,控制效果和抗干扰能力更强,克服了传统PID算法的不足。     

基于预测模型双模糊分数阶PID的BLDCM调速系统优化控制

无刷直流电机（BLDCM）具有复杂的非线性系统,强耦合、变量多等特点,传统的PID控制无法获得满意的控制效果。为此,在模糊控制、分数阶微积分及模型预测相关理论的基础上,提出了预测模型双模糊分数阶PID控制器。分数阶控制为系统提供更多的控制余度,并采用一种间接算法（Oustaloup算法）完成整数阶PID控制的延伸和扩展,模糊控制实现分数阶PID控制参数的在线调整;建立预测模型,并引入模糊控制动态调整预测模型系数K值,实现更加精确的控制。针对模糊分数阶PID控制器中参数选择,又提出了一种改进的万有引力算法进行参数优化,增强控制器的自适应能力。仿真结果表明:基于改进万有引力算法的预测模型双模糊分数阶PID控制的BLDCM调速系统较传统的PID控制具有更快的响应速度、更小的超调量及抗负载扰动能力强等优良的动、静态性能指标。     

基于新型积分分离PID控制算法的无刷直流电机控制系统

为了提高无刷直流电机(BLDCM)的控制性能,在传统PID控制方法的基础上提出了一种基于新型积分分离PID控制算法,并将其应用于BLDCM转速和电流闭环控制中。该控制方法不但具有较强的抗负载扰动能力,而且可有效解决传统PID控制引起的控制量超过被控对象从而造成系统振荡的问题。新型积分分离PID控制算法结合了积分分离PID控制算法和带死区的PID控制算法的优点,既可以延长控制系统的使用寿命,又可以对系统偏差进行限制。通过MATLAB/Simulink仿真和试验验证了所提方法的有效性与实用性。     

核电站蒸汽发生器水位的模糊GPC控制系统研究

蒸汽发生器水位直接影响到整个核电站的安全及稳定运行,但蒸汽发生器本身由于所具有的高度复杂性、非线性、时变性等特性,导致传统的串级PID控制等多种方法难以取得好的控制效果.在串级控制的基础上,采用模糊广义预测控制来对蒸汽发生器水位进行控制,此法能充分发挥模糊控制及预测控制的优点,首先利用T-S模糊模型对系统进行辨识,并将其转化为线性时变状态空间模型,然后基于线性化的模型设计出广义预测控制器,并对蒸汽发生器水位进行自适应控制.仿真结果表明,与传统的串级PID控制相比,模糊广义预测控制方法无论是抗干扰能力还是鲁棒性,都有了很大的提高.     

三电平海上风电柔性直流输电变流器的PID神经网络滑模控制

针对传统滑模变结构控制在参数摄动时会产生颤振的不足,融合比例–积分–微分神经网络(proportional-integral-derivative neural-network,PIDNN)和滑模变结构控制的优点提出一种新的在线解决方法。建立三电平电压型柔性直流输电变流器数学模型,构造以瞬时有功、无功功率误差为滑模面的滑模变结构控制器,并用PIDNN对选定的价值函数在线训练以取得全局最优解,实时对滑模趋近律参数优化选取,结合李亚普诺夫函数对控制系统的全局稳定性进行分析。对所提控制方案采用Matlab仿真验证,结果表明该方案可使控制系统全局稳定,对参数摄动有很强的鲁棒性,最大限度地减小颤振,易于数字实现。     

变论域模糊PID控制在交流发电系统中的应用

在三级式交流发电系统中一般使用传统PID控制器进行调压控制,但是在某些工况下该控制策略难以满足复杂系统的高精度、快响应要求。通过在传统PID控制器的基础上,分析了其不足之处,引入了模糊PID控制策略。同时,针对模糊PID在系统的动态调节过程中论域过小的问题,提出了一种基于变论域模糊控制理论的PID控制器,并与传统双环PID控制和普通的模糊PID控制在MATLAB/Simulink软件中进行对比仿真,验证了该控制策略具有更好的稳态调节精度和动态调节性能,与传统双环PID控制器相比,稳态误差从0.5%优化到0.3%,动态调节时间从0.4 s缩短至0.2 s。     

火电机组主汽温的模糊免疫PID控制研究

火电厂主汽温控制系统具有大惯性、大迟延和时变等特性,传统多采用基于模型的常规PID串级控制方法。本文借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性,提出将模糊免疫PID控制策略应用到火电厂主汽温控制系统中。火电厂汽温控制系统的仿真研究表明：该方法的控制效果优于常规的PID控制,能适应对象参数的变化,具有较强的鲁棒性和自适应能力。