MDF施胶系统的神经网络逆复合控制器设计

针对中密度纤维板(MDF)施胶系统,在分析其物理特性的基础上,利用神经网络广义逆控制的方法设计出期望的伪线性系统,并结合经典控制理论,采用PID控制器作为该伪线性系统的闭环控制器.由神经网络广义逆系统与作为附加控制器的PID控制器结合在一起构成的控制器称作神经网络逆复合控制器.为验证该控制器的可行性,通过Matlab进...     

基于ANN逆模型补偿的复合控制系统仿真

为对复杂非线性系统进行辨识建模和实施有效控制,分析了基于神经网络的非线性系统逆模型的辨识和控制原理,研究了基于神经网络的非线性系统逆模型补偿的复合控制方法。基于复合控制思想,时常规PID控制器＋前馈神经网络逆模型补偿的复合控制结构方案进行了仿真。仿真结果表明,基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的、相对简单的网络结构,可提高逆模型的泛化能力和非线性系统的控制精度。     

基于神经网络的迟滞非线性补偿控制

提出了一种基于神经网络的迟滞非线性的补偿方法.首先构造一个Duhem逆算子来描述迟滞逆状态.然后利用神经网络来逼近此状态和输出之间的关系来得到神经网络迟滞逆模型,神经网络权值采用反馈误差学习方法来进行在线调整.系统的前馈控制器和反馈控制器分别为逆模型和PID控制器.该方法不需要建立迟滞的正模型,能够在线构造逆模型来实现迟滞补偿.最后通过仿真验证了该方法的有效性.     

弹载电液舵机的Bang—Bang＋PID双模控制研究

本文结合一弹载电液舵机系统,介绍了电液位置伺服系统的工作原理。经过推导,建立了该舵机的数学模型。在MATLAB／Simulink中搭建了舵机的仿真模型,分别对PID控制和Bang—Bang控制进行了仿真,仿真结果表明这两种控制方法无法获得满意的控制效果。为取得良好的控制效果,将PID控制和Bang－Bang控制相结合,设计TBang-Bang＋PID双模控制器,提高了系统的控制效果。     

倒立摆系统的自摆起和稳定控制

为了实现一级倒立摆系统自摆起和稳定控制，该文采用了最优控制与PID控制相结合的控制方法。首先，采用Bang—Bang控制理论设计开环时间最优控制器，实现倒立摆的平稳快速摆起，同时设计经典PID控制器控制小车位置；然后采取线性二次型最优控制理论设计LQR控制器，将倒立摆稳定在平衡位置。计算机仿真和倒立摆系统实时仿真表明，文中提出的控制策略和控制算法得到了很好的验证，取得了满意的效果。     

一类非线性大滞后系统的智能前馈控制策略与算法

针对工业控制中一类常见的非线性大滞后对象,本文提出一种基于仿人智能策略的前馈组合控制器.前馈控制部分通过在线优化滞后参数估计值来获得被控对象的静态逆模型,逆模型辨识与直接逆控制由两个神经网络分别实现,从而可以在线调整网络权值.基本模糊控制器可在模糊PID和模糊PD控制算法之间进行转换,适用于控制系统的各工作状态.仿人智能控制策略根据输出误差变化的不同阶段调整所使用的控制组合,并具有自寻优功能.仿真表明,这种控制方法可取得较好的控制效果.     

半导体泵浦固体激光器智能温控策略与算法研究

针对半导体泵浦固体激光器温度控制过程中存在的非线性、大滞后特性,提出一种基于仿人智能策略的前馈组合控制器。前馈控制部分通过在线优化滞后参数估计值以获得被控对象的静态逆模型,逆模型辨识与直接逆控制由两个神经网络分别实现,可以在线调整网络权值。基本模糊控制器可在模糊PID和模糊PD控制算法之间进行转换,适用于控制系统的各工作状态。仿人智能控制策略根据输出误差变化的不同阶段调整所使用的控制组合,并具有自寻优功能。仿真表明,该方法可取得较好的控制效果。     

压电微夹钳的复合控制模型及实验

为提高压电微夹钳的夹持性能,设计复合控制系统对其控制.通过引入死区算子对PI模型进行改进,建立了微夹钳的迟滞模型,进而设计出其前馈控制器;对常规PID算法进行改进,设计出抛物线积分与微分先行的微夹钳PID反馈控制器;将前馈控制同PID反馈控制相结合,设计出微夹钳的复合控制器.在复合控制作用下,微夹钳达到5μm阶跃目标位移的响应时间为0.09 s,略快于前馈控制,明显快于PID反馈控制;在最大位移为15.2μm的参考输入作用下,若不考虑传感器噪声,复合控制的稳态误差几乎为0.实验结果表明,同前馈控制与PID反馈控制相比,复合控制具有良好的综合控制效果,即响应速度快、稳态精度高.     

自调式类神经PID控制器于压电微动平台之追迹控制(英文)

主要针对压电微动平台设计追迹控制器。压电致动器的非线性现象主要是受磁滞现象所影响,首先采用Prandtl-Ishlinskii(PI)模型来描述压电致动器的磁滞现象,利用最小平方算法识别出磁滞模型的权重值,再利用此模型求出其逆模型以前馈控制器来补偿,最后利用自调式类神经PID控制器来消除建模误差。实验验证方面,在PC-based压电控制平台架构下,利用前馈控制器与闭回路结合自调式类神经PID控制器进行定位控制。     

基于LSSVM逆系统在污水处理系统DO控制中的研究

针对污水处理控制系统的非线性及时变等特点,在分析常规PID控制和模糊控制不足的基础上,以溶解氧DO为控制对象,提出一种由LS-SVM的逆模型与PID结合的复合控制系统,由LS-SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制。同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷。仿真研究结果表明LS-SVM的逆模型辨识能力强,具有更好的抗干扰能力和鲁棒性。     

Bioreactor temperature profile controller using inverse neural network (INN) for production of ethanol

This paper presents the use of inverse neural networks (INN) for temperature control of a biochemical reactor and its effect on ethanol production. The process model is derived indicating the relationship between temperature, pH and dissolved oxygen. Using fundamental model obtained data sets; an inverse neural network has been trained using the back-propagation learning algorithm. Two types of temperature profile are used to compare the performance of the INN and conventional PID controllers. These controllers have been simulated in MATLAB for a quantitative comparison. The results obtained by the neural network based INN controller and by the PID controller are presented and compared. There is an improvement in the performance of INN controller in settling time and dead time and steady state error over the PID controller.     

基于模糊专家模型的神经控制器及应用研究

针对具有严重非线性特性的pH中和过程,提出了一种基于模糊专家模型的神经控制策略,这种方法将神经网络逆控制器与神经元PID控制器相结合,并利用模糊专家模型所得到的预报结果来调整神经元PID的权值。仿真试验表明该方法能有效改善控制性能,所提出的方法实现了对pH过程的有效控制,并且有很强的适应性。     

农业温室温度的智能辨识控制

农业温室温度控制过程中,温度的精准控制是一个非线性、滞后的问题,实验表明,现有的PID控制很难实现对农业温度的辨识控制,控制过程的准确率,收敛速度慢等问题。提出建立农业温度控制模型,通过采用LI-RBF神经网络辨识器对农业温度控制系统进行辨识,以及LI-RBF神经网络与PID控制相结合,构成LI-RBF-PID控制策略。通过系统跟踪辨识结果比较,以及LI-RBF-PID控制器控制参数在线自整定的农业温度控制曲线表明,该方法优于PID控制,实现了农业温室温度智能辨识控制。     

基于神经网络模糊PID的足球机器人控制算法研究

通过对足球机器人运动学模型进行分析,以足球机器人系统为实验平台,论证了神经网络模糊PID控制技术应用于足球机器人运动控制的可行性。将传统的PID控制与神经网络模糊控制相结合,通过PID算法实现控制的准确性,利用神经网络模糊控制提高控制的快速性与自适应性。针对足球机器人运动控制中的实际问题,着重提出了基于神经网络和模糊控制相结合动态调整PID控制器的三个参数KP,KI,KD的设计方法。实验证明该方法增强了控制器的调节能力和简化了控制器设计,同时本方法对模型和环境具有较好的适应能力和较强的鲁棒性。     

动态定量称重系统神经网络预测PID控制器研究

采用神经网络预测与PID控制理论相结合,为动态定量称重系统设计了一种神经网络预测PID控制器。该控制器算法简单,通过自学习、记忆功能在线调整PID控制参数KP、Kl、KD。建立了动态定量称重系统的仿真模型,将神经网络预测的PID控制与常规PID进行对比分析,神经网络预测PID控制器具有很好的控制效果。     

BP神经网络在永磁同步电机中的应用

永磁同步电机是一个多变量、非线性、强耦合的系统,传统PID速度控制效果不理想.在分析永磁同步电机数学模型的基础上,采用改进型BP神经网络与传统PID控制相结合作为速度控制器,应用于永磁同步电机调速系统中.在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制,实现了电机速度的自适应控制.仿真结果表明:应用这种新型控制方式的永磁同步电机调速系统具有良好的动态性能和稳态精度.     

神经元PID控制器及改进算法的仿真研究

针对常规PID控制器有着对过程的数学模型过于依赖的局限性,导致许多过程控制效果不理想的问题,根据人工神经元的自学习功能构造了基于神经元的PID控制器,对其学习算法加以改进。选取二阶惯性环节加纯滞后为控制对象,建立了数学模型,并进行计算机仿真及对这几种控制方法的控制效果加以比较。仿真结果表明,该控制器将神经网络和PID控制规律融为一体,既具有常规肿控制器结构简单、参数物理意义明确的优点,又具有神经网络自学习、自适应的能力,取得比常规PID控制器更好的控制品质。     

基于Bang-Bang模糊自适应PID的干燥窑温度控制

为解决产品干燥窑温度控制过程中温度参数不易及时、准确调整的问题,该文提出了一种Bang-Bang(时间最优控制)模糊自适应PID复合控制器,利用Bang-Bang控制能最大限度的提高干燥窑温度的快速性和模糊自适应PID能提高干燥窑温度控制的准确性,使系统静态、动态都有比较理想的性能。建立干燥窑温度模型,并对该模型进行Bang-Bang模糊自适应PID控制和PID控制的仿真,两者比较结果:表明:Bang-Bang模糊自适应PID的响应明显比PID控制的响应效果优越。