基于神经网络的模糊自适应PID控制及其实现

提出一种基于BP神经网络的模糊自适应PID控制器，将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力以及传统PID控制的优点融于一体，形成了对非精确、非线性对象的良好控制策略。针对模糊神经网络控制器运算量大、收敛慢的特点，硬件上采用数字信号处理器（DS）作为控制，运算单元，以提高系统实用性。对交流伺服系统的实验仿真结果表明，该控制器对模型、环境具有较好的适应能力与较强的鲁棒性。     

PID自适应控制

提出将ＰＩＤ继电自整定与神经网络相结合，共同完成ＰＩＤ自适应控制，以一个两层线性网络构造ＰＩＤ控制器，由ＰＩＤ继电自整定法获取的ＰＩＤ参数值做适当地修正后作为网络权的初值，实现对系统的在线控制。     

单区域负荷频率的神经模糊自适应PID控制

利用神经网络辨识单区域电力系统的动态模型,并结合模糊逻辑技术具体设计了一种单区域负荷频率的模糊自适应ＰＩＤ控制器,通过动态寻优确定最优性能指标下的ＰＩＤ控制器参数,使单区域负荷频率控制既有非线性控制作用和自学习自适应能力,又有ＰＩＤ控制的广泛适应性。     

模糊自适应PID控制器

提出了一种模糊自适应ＰＩＤ（ＦＡＰＩＤ）控制器及其设计方法，并导出了ＦＡＰＩＤ闭环控制系统稳定的充要条件。ＦＡＰＩＤ控制器的设计分为相对独立的两步进行，设计方法简单，便于工程应用。仿真结果表明，与ＰＩＤ控制系统比较，ＦＡＰＩＤ控制系统鲁棒性大为提高，超调量大大减小，动态抗扰能力增强，较好地解决了快速性与小超调之间的矛盾。     

PID自适应控制

本文提出将ＰＩＤ继电自整定与神经网络相结合，共同完成ＰＩＤ自适应控制。以一个两层线性网络构造ＰＩＤ控制器，将由ＰＩＤ继电自整定法获取的ＰＩＤ参数值做适当的修正后作为网络权的初值，实现对系统的在线控制。     

时滞系统的模糊自适应PID控制研究

将模糊控制和常规PID控制相结合,设计了一种模糊自适应PID控制器,该控制器根据偏差和偏差变化率的要求实时调整PID参数。通过仿真表明：该控制器既具有常规PID控制器高精度的优点,又具有模糊控制器快速、适应性强的特点,并可以迅速消除系统误差,保证了系统具有良好的动、静态特性。     

不确定时滞系统的模糊神经网络自适应PID控制

对于不确定时滞对象，提出了一种模糊神经网络自适应调整PID参数的控制方法，利用模糊逻辑实现了模糊化，利用多层BP神经网络来实现模糊推理。该网络通过学习并记忆PID参数调整规则，实现了在线调整PID参数。通过对一类不确定时滞系统的仿真，验证了该方法具有较好的控制效果。     

基于和利时系统的模糊自适应PID防喘振控制

针对固定极限流量防喘振控制能量浪费严重,而可变极限流量控制的比例积分控制器不能很快地响应工作点向控制线的移动,又需安全裕度比较大(>13%)的问题;利用和利时DCS系统模块丰富、组态灵活的特点,设计出自适应模糊PID控制器,根据偏差及偏差的变化,协调好PID参数,实现离心式空压机的防喘振控制;避免了过多回流,同时也保证了机组的安全。     

飞航导弹变论域自适应模糊PID控制方法

对于导弹飞行控制,当系统在大动态范围运行时,常规模糊PID控制由于固定论域、调整因子以及根据个别专家经验制定的有限控制规则不够完善,其固定的论域范围就会使得模糊控制对PID参数的调整过大或者过小,造成系统响应变慢,出现震荡,难以稳定等。针对导弹在飞行过程中具有非线性、耦合性以及时变性等特点,设计了一种自适应变论域模糊PID复合控制策略,采用变论域模糊控制实现控制参数自整定和控制规则的自调整,采用PID控制弥补模糊控制固有的精度盲区。实验结果表明该方法无论在随机扰动还是幅值扰动情况下都能够实现快速响应,自适应抗干扰能力强,具有动态响应快、稳定精度高,鲁棒性强等特点。     

模糊自适应PID控制器在张力控制中的应用

针对常规PID在张力控制中控制参数难以整定的问题,设计出一种基于模糊控制原理的自适应PID控制器,根据偏差和偏差变化率来实时调整kP,kI,kD参数。经过实践表明,这种模糊自适应PID比常规PID控制器在张力控制中具有更好的控制特性。     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

一种基于BP神经网络模型的自适应PID控制算法

本文应用神经网络建寺了系统参数模型,将线性系统时变参数的变化规律转化为神经网络参数模型,反映了参数随状态而变的规律;再结合文献[4]已知模型FPID控制参数的计算,推导出一种更具有应用性的白适应PID控制算法。通过在计算机上对非线性系统仿真,结果表明了这种白适应PID控制算法的有效性。     

基于快速算法的模糊神经网络自适应控制

针对过程控制中被控对象常具有非线性、不确定性及参数时变等复杂因素,而难以建立精确的数学模型的情况,提出了一种基于快速学习算法的模糊神经网络自适应预测控制方案。该方案用神经网络作辨识器,模糊神经网络作控制器来实现非线性系统的自适应预测控制。为了克服传统的梯度下降法收敛速度慢、容易陷入局部极小值的缺点,该方案采用递推最小二乘法训练模糊神经网络。仿真结果表明,该方案可以实现模糊控制和神经网络的优势互补,对不确定非线性系统具有很好的控制效果。     

一种神经网络自适应PID控制器

应用人工神经网络的原理,设计了一种神经网络的职能PID控制器。仿真结果表明,此PID控制器对非线性时不变系统有比传统的PID好的控制效果。该控制器将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确之优点,又具有神经网络自学习、自适应之能力,控制效果明显提高。     

基于动态递归神经网络的自适应PID控制

提出一种基于动态递归神经网络的自适应PID控制方案,该控制系统由神经网络辨识器和神经网络控制器组成。辨识器采用单隐层的动态递归神经网络,网络结构为2-4-1;辨识算法为动态BP算法;控制器采用两层线性结构的神经网络,输入为系统偏差及其一阶、二阶微分,因此具有增量型PID控制结构。应用该控制系统对一非线性时变系统进行仿真研究,仿真结果表明该控制方案不仅具有良好的跟踪特性,而且对系统参数变化具有较强的鲁棒性。     

基于动态递归网络的PID自适应控制器的设计与应用

本文分析了改进的ELMAN网络的结构,并讨论了神经网络的学习算法,针对BP算法的缺陷,提出了用遗传算法修正网络权值的学习算法。本文不仅将采用遗传算法进行训练的改进ELMAN网络应用于汽车磷化加热系统的建模,而且针对该系统的特点提出了一种带预测模型的神经网络PID自适应控制器,并最后将该控制器应用于磷化温度控制,取得了良好的控制效果。     

基于模糊神经网络PID的舵机控制系统

针对某型号导弹中舵机控制系统进行优化研究。对于具有非线性、时变特性的复杂系统,在分析传统PID控制算法和模糊神经网络控制算法的基础上,提出一种经过改进的模糊神经网络PID控制器。通过采用自组织学习阶段和有教师学习阶段的分阶段学习方式,提高网络的学习效率。建立直流无刷舵机控制系统的数学模型,利用MATLAB进行仿真分析。实验结果表明,所设计的控制器对阶跃响应更加迅速,基本无超调,对舵偏角指令执行准确,相位移动更小。     

改进型模糊神经网络PID控制器的设计与仿真

传统PID控制器存在控制参数无法在线调整、控制效果差等问题.为了解决这些问题,本文提出了一款基于改进型模糊神经网络的智能PID控制器.该控制器不仅融合了模糊控制的推理能力和神经网络的学习能力,还创造性地将模糊规则参数化,使模糊规则也可以在线调整,进而提高了控制的准确性.同时,通过建构新型激活函数——IThLU函数,有效...