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。     

并联型模糊PID复合控制器的Simulink建模与仿真

在并联型模糊PID复舍控制器设计中，必须根据偏差大小及时地调整模糊控制部分和PID控制部分的比例，而这种较为复杂的控制策略利用普通的Simulink模块是很难实现的．采用S-函数来解决这个问题，首先基于MATLAB语言编写S-函数以实现模糊控制和PID控制比例的调整，然后在Simulink仿真环境下调用S-函数程序，从而建立起模糊PID复合控制系统的仿真模型．该方法仿真模型简单，编程容易．可以方便地实现并联结构中各部分所占比例随偏差大小的调整，从而能够取得更好的控制效果．     

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.     

基于优化模糊RBF神经网络的挖掘机铲斗轨迹控制研究

针对挖掘机电液伺服控制系统中存在的非线性和时变性问题,本文结合RBF神经网络和模糊控制各自的优点提出一种基于模糊RBF神经网络PID控制方法。利用K-means层次聚类法确定模糊神经网络的结构参数,并采用改进SSA算法优化训练模糊神经网络。本文还建立了挖掘机铲斗系统的AMESim模型和电控系统的Simulink控制策略模型,并进行联合仿真分析。仿真结果表明：与一般模糊RBF神经网络相比,本文优化后的模糊RBF神经网络在铲斗系统空载时,能将控制精度提升33.7%,在铲斗系统满载时,能将控制精度提升36.2%。     

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-RBF神经网络优化的PID控制

采用模糊控制和RBF神经网络训练相融合的方法,应用于对PID控制器参数的调整中,对非线性系统的控制仿真试验结果表明,该方法的控制性能优于单独采用RBF神经网络的控制。     

基于二次型单神经元PID的HVDC整流控制器设计

针对传统PID控制器存在自适应性差、调节时间长的问题,设计了一种基于二次型性能指标学习算法单神经元自适应PID的HVDC系统定电流整流控制器,控制器算法通过S函数-M语言编程实现,采用12脉冲桥结构的HVDC系统整流侧定电流控制模型在MArrLAB／simulink环境下仿真,仿真结果表明,所设计的整流控制器超调量小、调节时间短、自适应能力好、控制效果良好．     

神经网络控制在汽车主动悬架中的应用

建立了汽车悬架的两自由度1/4车数学模型,提出了一种基于RBF神经网络在线辨识的单神经元PID自适应控制方法,介绍了RBF网络在线辨识、单神经元PID控制器和控制算法,并将这种控制策略应用于汽车主动悬架1/4车模型.仿真是在Windows2000环境下用仿真软件Mat-lab6.1 Simulink进行的.仿真结果表明,这种控制策略能有效降低车身加速度的均方根值和悬架动挠度的均方根值,改善了乘坐的舒适性.     

静止无功补偿器的神经元生物智能电压控制仿真

为改善静止无功补偿器传统PID电压调节器的动态调节效果．增强其自适应能力,提出了一种基于神经元控制双层结构生物智能控制器的设计方法,其一级控制单元采用神经元控制,二级控制单元采用传统PID控制,神经元控制器根据实时误差动态调节PID控制器输人的给定值以提高控制效果．采用MATIAB中S—function模块并结合S一函数编程方法建立了控制器的仿真模型。然后用其替代静止无功补偿器控制系统中的P1D电压调节器．仿真结果表明：基于神经元的生物智能控制电压调节器能快速、灵活地调节电压,维持系统电压稳定．     

基于PID神经网络的电液比例速度控制系统的研究

通过引入PID神经网络对电液比例调速系统进行控制处理,将复杂控制对象简化为一阶环节．有效地克服了难以建立数学模型的复杂系统采用PID控制时容易遇到的控制参数难以整定等缺点,使系统整体性能明显改善,仿真结果表明了所采用方法的有效性．     

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PID的永磁同步电机矢量控制系统

针对传统PID在永磁同步电机矢量控制系统中存在转矩脉动较大的问题,提出基于模糊PID的永磁同步电机矢量控制方法,实现系统PID参数在线整定。首先,建立PMSM的数学模型;其次,设计参数模糊自整定PID控制器,并进行参数模糊化;最后,在Matlab/Simulink中搭建模型进行仿真。仿真结果表明:在PMSM调速系统中,模糊PID控制器具有更好的鲁棒性。     

基于BP神经网络PID参数整定的空燃比控制策略研究

采用BP神经网络实现在过渡工况下发动机空燃比的PID控制系统的参数整定,建立了发动机燃烧及燃油供给系AMESim仿真模型,利用MATLAB／Simulink设计了改进空燃比BP神经网络PID控制仿真模型,在AMESim环境下进行了动态仿真．仿真试验表明：基于BP神经网络PID参数整定的空燃比控制策略具有良好的自适应性能,与经典PID控制相比,改善了过渡工况下燃油的供给,实现了空燃比的精确控制．     

基于多容惯性标准传递函数的锅炉内胆水温PID控制

提出了一种PID控制器的多容惯性标准传递函数设计方法,并采用Matlab中的Simulink平台,构建了典型串联校正型PID控制系统的仿真试验系统.仿真结果显示,基于多容惯性标准传递函数的PID控制具有无超调、鲁棒性强等优点,有效提高了系统的控制效果.     

锅炉汽包水位模糊RBF自适应控制

针对汽包水位常规的PID控制方式,采用了一种模糊神经网络智能控制器,该控制器结合了模糊控制与神经网络学习能力强的特点,将2种智能控制相结合,在线调整控制器参数,整定出一组优化的控制器参数。仿真结果表明此控制器显著地改善了汽包水位的动态性能和稳定性能。