基于RBF的改进单神经元PID控制

提出一种基于RBF辨识神经网络算法的改进神经网络PID控制,应用最优控制理论中的二次型性能指标加入到控制算法中的加权系数学习修正部分,将RBF与单神经元相结合构成PID控制器,通过Matlab对指定对象仿真控制,得到了良好的效果.比起以往的神经网络PID控制,改进的算法在学习速度和实时性都得到了提高.     

基于RBF神经网络动态辨识的自整定PID控制策略

提出了在采用最近邻聚类算法在线构造RBF（NN1）正向辨识器,并在线辨识被控对象的Jacobian阵的基础上,引入RBF（NN2）对PID控制器参数进行在线调整的算法。该算法可以实现PID控制参数的自动在线整定和优化。通过与BP网络调整控制器参数的方法的对比和仿真实验证明,该方法控制精度高,响应速度快,并且具备较强的自适应性和鲁棒性。     

一种改进的单神经元PID控制器

传统的单神经元PID控制器的神经元比例系数K选择过大,则超调量变大,系统不稳定;而K值选择过小,则系统的快速性变差.针对这一问题,本文提出一种改进的单神经元PID控制器,K值随系统的误差进行在线调整,并进行了仿真.仿真结果表明,该控制器比传统的单神经元PID反应要快,控制效果良好.     

单神经元自适应PID控制在气动压力伺服系统中的应用

将具有自学习和自适应能力的单神经元模型与常规的PID控制算法相结合,设计了单神经元自适应PID控制器,并将其应用于气动压力伺服系统中。实验结果表明,采用单神经元自适应PID控制的气动伺服系统能够适应被控对象在较大范围内的变化,具有较强的鲁棒性,其控制品质优于常规PID控制器。     

基于模糊RBF神经网络的PID控制方法及应用

针对常规PID控制参数固定难于满足时变不确定非线性系统的控制要求,利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊RBF神经网络的PID控制方法,实现了对PID参数的实时在线整定。将算法运用到柴油发电机调速系统的PID参数寻优中,MATLAB仿真试验结果表明,模糊RBF神经网络的PID控制具有更好的动静态特性和抗干扰性能,提高了对非线性时变被控对象的控制效果。     

基于RBF神经网络在带钢厚度控制中的应用

轧钢厚度控制系统的数学模型难以精确建立,传统的PID控制器的自适应能力较差,很难达到满意的控制效果。本文根据以上问题。提出了一种新的控制方法,即基于RBF神经网络自整定PID控制方法。这种控制方法结合了RBF神经网络和PID控制器的控制优势,不仅具有很强的自适应能力、鲁棒性。而且充分发挥了PID控制优势,并且将这种控制方法应用在带钢厚度的控制系统中,取得了很好的控制效果,证明了控制方案的正确性和有效性。     

基于RBF系统辨识与PID控制的收卷机张力控制系统研究

薄膜拉伸生产线的核心是张力控制,它直接决定了所生产薄膜的质量、收取膜卷的表面平整程度和端面是否整齐.本文将传统PID控制与基于RBF神经网络的系统辨识相结合,并运用于薄膜收卷机张力控制系统.仿真和实验结果表明,该系统具有良好的自学习以及自调整能力,提高了收卷质量.     

基于RBF神经网络的风力发电机组系统辨识研究

Aiming at the problems of difficult to establish the accurate mathematical model of wind power generation,identification of the wind turbine based on RBF neural network was presented. The dynamic process of the torque loop and the pitch loop was simulated,RBF neural network algorithm was adopted to identification the torque loop and the pitch loop. RBF basis function was adopted to form space. If the hidden layer RBF parameters was determined, the nonlinear mapping relation was determined. The output layer was the hidden layer nodes output linear weighted summation. The result indicate that identification of torque loop,the input is torque,the output is speed,the torque loop error rate is about 1 %. Identification of pitch loop,the input is pitch angle,the output is speed,the pitch loop eror rate is about 3%. The pitch loop is a very complicated nonlinear model,the model structure is influenced by many aspects,identification result error is bigger than the torque loop identification error,but the error rate is allowed. The algorithm has higher precision and efficiency. [ABSTRACT FROM AUTHOR]     

基于单神经元模糊自适应PID控制的电液位置伺服系统研究

由于电液位置伺服系统具有非线性、时变性等特点,增加了它的控制难度,采用常规的PID控制方法难以满足高精度的控制要求.为此设计了一种具有自适应、自学习功能的单神经元模糊自适应PID控制器.实验表明该控制器具有较好的鲁棒性,保证了较好的静、动态精度.     

单神经元自适应PID的机器人恒力控制研究

针对传统基于位置控制的机器人因末端执行器缺少力负反馈环节,难以实现对接触力精确控制问题,建立了一种基于Windows平台和RSI(Robot sensor interface)应用程序包的工业机器人开放式控制系统,在此基础上提出单神经元自适应PID的机器人恒力控制自适应算法。通过在KUKA工业机器人平台实验验证,该力控算法可在未知环境参数情况下实现机器人末端执行器与工件之间恒力接触,并且易于实现;最后通过实验提出了基于所搭建实验平台的单神经元系数K自调整的单神经元自适应PID的机器人恒力控制算法,进一步提高了控制器的自适应性和鲁棒性。     

基于RBF神经网络模糊PID控制的电液伺服系统

采用普通PID控制的复杂电液伺服控制系统(液压驱动的控制系统)存在控制柔顺性不佳的问题,达不到理想的控制效果,为了提高电液伺服系统的控制特性,提出了一种基于径向基神经网络(RBF)模糊PID的控制策略.首先,理论推导了伺服阀控液压缸的状态空间方程,建立了液压系统相关的数字模型;然后,在普通PID控制策略的基础上,提出了...     

基于模糊RBF神经网络的智能PID控制

针对常规PID控制参数变化系统效果不佳的缺点,设计一种利用智能控制理论RBF神经网络与模糊控制技术相融合的新型智能PID控制方法[1]。该控制方法将系统的输入误差及其变化率进行模糊化后,再利用RBF神经网络算法对PID控制参数进行在线学习、运算和整定[2]。MATLAB仿真结果表明,基于上述的PID控制方法能够克服传统PID控制器的局限性,具有较高的控制精度,较好的动态品质及较强的鲁棒性。     

基于RBF神经网络的单交叉口自学习控制系统

单交叉路口自学习信号控制器主要是通过径向基函数(RBF)神经网络建立了交叉口模型,模拟交通警察指挥交通的思维过程.该控制器能够根据交叉口各相位车辆的排队长度,对各个相位的绿信比和总的信号周期进行实时分配,并且根据交通状况的变化,可以对信号配时效果进行评价,对信号作出调整,具有学习功能.仿真结果表明,该系统能够很好地适应实际的交通状况,可以提高道路交叉口的车辆通行能力.     

关于最近邻聚类的RBF网络自整定PID控制算法的研究

针对采用传统PID控制一类非线性滞后系统难以获得满意的控制效果,提出基于RBF神经网络的PID控制参数自整定的方法.利用具有在线能力的最近邻聚类学习算法,训练RBF神经网络.并引入优化策略对聚类半径进行自动调整,以保证聚类的合理性,从而自适应调整系统的控制参数.仿真结果证明了该控制策略不仅能使非线性滞后系统具有良好的动态跟踪性能,而且具有很好的抗干扰能力和鲁棒性.     

倒立摆的PID神经元网络的间接控制系统的研究

摆系统是一个典型的强耦合、非线性、高阶次的不稳定系统.由于摆系统的数学模型是在忽略了次要因素的基础上得出来的,而实际上是一个非线性的系统,当系统受到外部的干扰时,这些次要因素的影响比较突出.实验采用PID神经元,设计一个神经网络间接自适应控制系统,首先用一个神经网络对摆系统模型进行辨识,辨识完成后,辨识模型的权值与隐层积分元的数值传递给具有同样结构的PID神经元的神经网络控制器,对倒立摆进行自适应控制.最后根据以上算法,采用6.0编写控制程序,实现对平面一级摆系统的实时控制.     

基于PID神经网络的智能车舵机控制系统研究

针对传统PID控制算法在电磁导航智能车舵机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PID神经元网络（ PIDNN）控制器及其算法应用到智能车的舵机控制系统中来对传统PID控制进行改进。 PIDNN控制系统不依赖智能车舵机的数学模型,能够根据控制效果在线训练和学习,调整网络连接权重值,最终使系统的目标函数达到最小来实现智能车的舵机控制。仿真测试表明,PIDNN控制系统的响应快,无超调,无静差,与传统PID控制算法相比,大大提高了智能车舵机控制系统的性能。     

基于BP神经网络整定的PID控制在过热汽温系统中的应用

针对火电厂中具有大惯性和变参数等特性的过热汽温系统的特点,提出了一种基于BP神经网络的PID控制器设计方法.将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合,实现了对非线性、大时滞系统模型的控制.仿真结果表明所给出的控制策略能较好地适应对象动态模型的大幅度变化,保持较优的鲁棒调节性能.     

基于PID神经网络的变桨控制系统的辨识

PID神经网络是一种多层前向反馈网络,它除了具备传统的多层前向网络的特点。如逼近能力、并行计算、非线性变换等特性外,其隐含层神经元还分别具有比例、微分和积分等动态特性。本文将介绍PID神经网络对风机变桨控制系统辨识应用。     

基于模糊神经网络 PID 的开关磁阻电机控制系统研究

针对开关磁阻电机存在的转矩脉动大、噪声大、速度不稳定等问题,对开关磁阻电机的启动、运行、调速等方面进行了研究,提出了一种基于模糊神经网络PID的控制方法,将模糊控制理论与BP神经网络相结合,构成了模糊BP神经网络,根据系统误差,误差的变化,以及误差变化的变化实时调整PID控制参数,使电机在整个转速范围内获得了最优的PID参数。实验采用DSP作为控制核心,不对称逆变桥作为功率变换器,驱动一台2 k W的开关磁阻电机运行。研究结果表明,该方法大大改善了开关磁阻电机控制系统的动、静态性能,控制精度高、转矩脉动小,对干扰有较高的鲁棒性。     

基于神经网络PID控制的系统非线性校正的研究

在对BP神经网络PID控制器系统研究的基础上，提出了单神经元的自适应PSD算法。该算法兼有单神经元和自适应PSD算法的特点，简单、实时性好、自适应能力强，可用于控制过程时变、有大滞后的较复杂的对象，是一种实用价值较高的自适应控制算法。文中采用BP神经网络PID控制与单神经元PSD自适应控制两种方法对压电式微位移系统进行非线性控制，并取得了良好的效果。