NARX神经网络在电缆绝缘厚度滞后控制系统中的应用与仿真

针对具有时滞性的电缆绝缘厚度控制问题,提出了基于NARX神经网络用于对现场数据构造更为精确差分方程,并代入PID控制器中进行控制。在NARX神经网络预测过程中,采用灰关联分析方法,确定延迟层数以及关键外部输入,最后建立电缆绝缘厚度控制的模型预测。将该模型与原传递函数离散化得到的离散化模型代入PID控制器中进行性能对比。结果表明,在滞后控制系统中,经过NARX神经网络所建立的系统模型代入PID控制时对比传统离散化模型具有更好性能参数。该结果对解决具有滞后性的电缆绝缘厚度控制问题有一定的理论和工程应用价值。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

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。     

智能轮式机器人离散模糊自适应PID控制研究

智能轮式机器人广泛应用于现代社会。智能轮式机器人运动系统的实时、有效控制是智能轮式机器人执行任务的必要保障。建立了智能轮式机器人运动系统的动力学理论模型,并推导了对应的离散式运动系统的控制模型。针对运动系统数字控制的特点,提出了一种结合模糊推理的离散模糊自适应PID控制器,基于运动系统控制输出的误差等数据,通过模糊推理在线整理PID控制器参数。以智能轮式机器人控制模型为被控对象,对于离散模糊自适应PID控制器和常规PID控制器进行了仿真实验,实验结果表明离散模糊自适应PID控制器在智能轮式机器人运动系统的控制中具有更佳的控制性能。     

基于神经网络的液压材料试验机系统自适应PID控制研究

针对液压材料试验机运行过程的出现的精度不高、系统不稳定等问题,对该电液位置伺服系统进行了研究。首先建立了电液位置伺服控制系统的数学模型,运用Ziegler-Nichols传统PID整定方法进行了优化处理;此外设计利用了有监督Hebb神经网络学习算法,给出了基于Matlab语言的PID控制器的S函数,在此基础上建立了单神经元PID自适应控制器的Simulink仿真模型;在系统的稳定性和鲁棒性上,分别通过对传统PID控制方法或先进PID控制算法优化的系统动态性能进行了评价,并且进行了Matlab仿真模拟实验。研究结果表明:采用神经网络控制优化的电液位置伺服系统具有更好的稳定性和鲁棒性,优化解决了材料试验机运行过程中精度不高、系统不稳定的问题。     

超声电机驱动多关节机器人的类PID小波神经网络控制

针对超声电机驱动多关节机器人的运行特性,提出一种新颖的速度-位置双闭环PID控制模式,有效地抑制了超声电机响应极快所导致的速度变化剧烈的现象,从而提高了机器人的运动平稳性.为了进一步提高超声电机驱动多关节机器人的控制性能,使其能根据超声电机的变化特性对PID控制参数进行实时调节,提出类PID小波神经网络控制器.通过对传统离散型增量式PID表达式各项的合理划分,将速度-位置双闭环PID控制、实践经验、当前的轨迹误差及其变化情况都融入进了类PID小波神经网络控制器中.该控制器参数的在线学习机制采用了δ自适应律并结合了BP算法和梯度下降法,算法简单,计算量大大减少.试验结果证明,所设计的类PID小波神经网络控制器不仅明显优于PID和PID神经网络控制器,而且具有很好的抗干扰能力.     

基于ADRC的液压支护机器人自适应控制

为促进深层围岩液压支架自动化控制的研究,提出了一种基于ADRC的自适应控制系统。首先,通过液压支架支护系统的拉格朗日动力学分析,建立了液压支架动力学模型。针对该模型的动力耦合和时变特性设计了ADRC控制器,并对跟踪微分器、扩张观测器和非线性误差反馈3部分进行了离散化、分离式的参数整定。最终以MATLAB / Simulink为平台,对液压支架模型和控制系统进行了联合仿真实现,并设计了ADRC与PID控制的对比实验。仿真实验结果表明,该ADRC控制器与PID控制器相比具有更好的控制效果和运动品质。     

基于 CSA-NARX 模型的电梯钢丝绳动态张力预测方法

为了预测曳引式电梯钢丝绳的动态张力,对带有外部输入的非线性自回归神经网络( NARX )进行研究,利用变色龙优化算法( CSA )对其关键参数进行优化,提出了 CSA-NARX 神经网络模型。该模型在计算速度以及预测精度方面皆优于 NARX 基础模型。最后,利用提出的神经网络模型对电梯上行过程中钢丝绳的动态张力进行预测,其预测精度达到了 97% 。以传统的非平稳时间序列分析模型 ARMA 和 LSTM 为对比,所提出模型的精度更高,验证了所提出模型的有效性。     

基于神经网络模型预测控制的混沌运动的研究

为了实现混沌运动的控制,应用神经网络模型预测控制的策略。首先通过系统辨识建立要控制的混沌系统的神经网络模型,并设计出神经网络模型预测控制器,然后通过该控制器对混沌运动进行预测控制,使混沌吸引子中的不稳定周期轨道被镇定到不动点。最后借助MATLAB平台进行数字仿真,结果表明该控制方法对混沌控制是有效的。     

基于神经网络预测自整定PID在锅炉主汽温控制中的应用

针对火电厂主汽温被控对象的大延迟、模型的不确定性，设计了基于预测神经网络的主汽温控制系统，系统结构为串级系统，内回路采用常规的PID控制，外回路采用带非线性预测神经网络PID控制器，学习算法为改进的BP算法，对系统在多种工况下仿真的结果表明，该系统在控制品质、鲁棒性方面都明显优于常规PID控制系统，可知在过程控制领域中，神经网络在处理困难问题上，有良好的发展潜力。     

基于神经网络模型预测控制的混沌运动的研究

为了实现混沌运动的控制,应用神经网络模型预测控制的策略.首先通过系统辨识建立要控制的混沌系统的神经网络模型,并设计出神经网络模型预测控制器,然后通过该控制器对混沌运动进行预测控制,使混沌吸引子中的不稳定周期轨道被镇定到不动点.最后借助MATLAB平台进行数字仿真,结果表明该控制方法对混沌控制是有效的.     

双马达回转同步驱动系统建模与控制研究

针对双液压马达回转高性能同步驱动问题,引入无阻尼行星系齿轮传动弹性动力学理论,基于双液压马达回转运动特性建立了系统非线性动力学模型;针对回转系统跟踪性能和同步性能要求,引入迭代学习控制算法(ILC),提出了结合离散化PID控制器结构的IL-PID同步控制策略。该控制策略基于“等同式”同步控制原理,在各单通道内部采用独立的离散化PID控制实现系统跟踪性能,在多通道间采用基于闭环D型学习律的IL控制实现系统同步性能。在五自由度液压伺服机械手上的实际应用结果表明,该控制策略相比于传统的PID控制具有较好的跟踪性能和同步驱动性能。     

不确定性X-Y定位平台自学习控制研究

针对带不确定性的X-Y定位平台系统位置控制问题,提出了径向基函数神经网络的自学习控制策略。首先建立X-Y定位平台轴系统的动力学模型,然后利用增广变量法设计了基于神经网络PID控制器,利用RBF神经网络良好的逼近能力来进行自学习控制,设计了改进随机梯度算法来实现网络权值的自适应调整,并加快其学习速度。针对神经网络动态特性欠缺的问题,设计了PID控制器来保证控制阶段初期的跟踪精度。最后通过仿真详细分析了其控制机理,并证明了该方案的有效性,具有较高工程应用价值。     

采用炉膛辐射信号的锅炉燃烧系统模糊神经网络预测控制的仿真研究

针对火电厂燃烧过程中主蒸汽压力控制系统的大时滞、大惯性和非线性 ,采用以炉膛辐射信号为中间被调量的串级控制系统 ,并设计一个基于神经网络预测模型的模糊神经网络控制器作为主控制器。该控制器首先将神经网络与预测控制相结合 ,采用递阶遗传算法对神经网络的结构和权值分别进行训练 ,以实现非线性、大时滞系统模型的精确预测 ;然后将模糊控制与神经网络相结合 ,实现模糊神经网络预测控制。考虑到炉内剧烈的湍流燃烧造成炉膛辐射信号包含随机分量 ,又设计了一个附加判断器的二自由度 PID控制器作为副控制器。仿真结果表明 ,该方案显著提高了非线性、大时滞燃烧系统的控制品质 ,且易于工程实现     

基于神经网络的无刷直流电机控制系统设计

针对传统无刷直流电机PID控制系统存在的非线性和强耦合问题,将神经网络与传统PID控制器相结合建立三层神经网络,通过梯度下降法对各个参数进行修正,克服了传统PID控制器参数整定依赖人工经验的缺陷,实现了PID各个参数在线自动整定。仿真试验结果表明,基于神经网络的PID控制器具有响应速度快,精度高和鲁棒性强等优点。     

基于模糊神经网络PID的线切割张力控制系统的分析

分析了张力系统与模糊PID控制之间的关系,及控制系统对线切割机床加工精度和效率的影响。往复走丝线切割张力控制包含复杂的非线性问题,而模糊PID控制器在处理非线性问题方面有很大优越性。用神经网络建立模糊控制规则表,调整PID参数,使模糊PID对张力控制效果达到更好。利用神经网络和模糊PID结合的方法,分析神经网络模糊PID实现的控制,证明模糊神经网络PID控制系统具有较好的鲁棒性和优越性。     

基于MATLAB的高速公路隧道通风控制系统仿真研究

高速公路长大隧道的通风控制具有非线性及大滞后等问题,运用传统控制方法已不能满足系统的精度要求;因此,提出采取RBF-PID控制方法,通过RBF神经网络整定PID控制器的参数,以达到要求的控制指标。运用MATLAB仿真软件,分别建立基于传统PID控制器和RBF-PID控制器的系统模型,并进行仿真对比。结果表明,RBF-PID控制器比传统的PID控制器对系统输入的响应更加精确,具有最大绝对误差值较小和无负误差的优点,能更有效地解决高速公路长大隧道的通风控制非线性及大滞后的问题。     

基于动态惯性权重的电子节气门改进PSO-BP优化控制

针对汽车电子节气门系统存在的动态迟滞非线性问题,提出一种模糊神经网络PID控制器的设计方法。该控制器将动态调整惯性权重的粒子群优化算法和BP算法结合来优化模糊神经网络参数,修正模糊神经网络在寻优过程中收敛缓慢、易陷入局部最小值的不足。利用模糊神经网络的自学习能力,对PID控制器参数进行整定。仿真结果表明,经过优化后的模糊神经网络PID控制器相比于模糊PID控制器在响应时间、超调量和振荡次数等方面都有显着提升。在模拟气流扰动工况施加扰动信号后,该控制器表现出良好的抗干扰性能。在电子节气门响应试验中,节气门响应曲线存在轻微超调,但稳态误差较小,表明该控制方法下电子节气门具有良好的动态响应特性。     

基于FCA-CMAC模糊神经网络的PID控制器设计与仿真

为解决常规PID控制器在伺服系统位置控制中存在的对模型精度要求高、抗干扰能力差等问题,提出一种基于信度分配的模糊小脑神经网络模型(FCA-CMAC)与常规PID相结合的新型智能控制算法。基于此算法设计出以FCA-CMAC为前馈环节的智能PID控制器,通过MATLAB仿真实验,验证了FCA-CMAC-PID控制器的可行性。实验结果表明,FCA-CMAC-PID控制器不仅具有传统PID控制器精度高、响应快的优点,还能克服其控制效果对参数设定高度依赖的不足,适用于在线控制。该控制器具有收敛速度快、鲁棒性好和抗干扰能力强等优点。     

改进BP神经网络PID多变量解耦控制器的设计

针对多变量系统间的耦合问题,设计了改进的BP神经网络与PID控制器相结合的多变量解耦控制器。在将BP神经网络附加动量项的基础上,还将激活函数进行了改进。利用神经网络的自学习能力,在线调整PID控制器的三个参数,实现了多变量系统的解耦控制。用Matlab软件对一个耦合系统模型进行仿真,结果表明,改进后神经网络PID控制器优于传统神经网络PID控制器,震荡小,系统响应速度快,可以得到满意的解耦效果。