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。     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化PID神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的PID神经网络控制器具有逼近控制目标更快、响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化 PID 神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的 PID 神经网络控制器具有逼近控制目标更快,响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

挖掘机提升系统神经网络PID控制的研究

建立了280-B挖掘机提升系统的数学模型;针对该系统动态特性的非线性和时变性因素,提出了一种基于BP神经网络的PID控制器的设计方案,该控制器既有经典PID控制算法的特点,又有神经网络良好的自适应和抗干扰能力。Matlab仿真结果表明,基于BP神经网络的PID控制器具有较高的精度和较强的适应性,可以获得满意的控制效果。     

纸浆浓度控制系统的仿真研究

研究纸浆浓度控制问题,针对纸浆浓度控制系统存在的大滞后、非线性和时变性等特点,常规的PID控制器很难达到理想的控制效果。为了改善纸浆浓度控制系统性能,提出了BP神经网络和将神经网络与PID控制规律融为一体的PID神经网络(PIDNN)两种控制方案。通过对纸浆浓度模型辨识和控制问题的分析,应用BP和PIDNN进行了仿真比较研究。结果表明,BP和PIDNN仿真效果都比较理想,但BP网络结构复杂,参数难以调整;用PIDNN方法既具有常规PID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、自适应之能力,满足实时控制的要求,对于复杂系统是一种实用而简便的控制方法。     

基于优化BP神经网络的PID控制器研究

提出了一种新型的基于优化BP神经网络结构的PID控制器（PID－NNC），该控制器将神经网络和PID控制规律融为一体，既具有神经网络自学习，自适应及逼近任意函数的能力，又具有常规PID控制器结构简单，可靠性高的特点，且控制器的算法采用的是优化的BP算法，可以避免网络陷入局部极小点，也可以加快网络的训练速度，所以该控制器可以对具有非线性，时变性和不确定性等复杂系统实行控制。利用MATLAB软件对非线性系统进行了仿真研究，其仿真结果表明该控制器具有很好的控制效果。     

非线性系统的PID控制器的研究与设计

研究工业过程控制,非线性系统难以建立其精确的数学模型,常规PID算法难以实现其控制.对此,将神经网络算法和PID算法结合起来,为提高性能和响应速度,设计了针对非线性系统的自适应PID控制器,PID控制器采用单神经元来实现自适应调整.分别采用了三种学习算法来实现单神经元PID控制器参数的调整,即基于二次型性能指标的学习算法、基于BP神经网络辨识的学习算法和基于RBF神经网络辨识的学习算法.三种算法的仿真结果表明,都实现了PID控制器的自适应调整的目的,实现对非线性系统的有效控制,证明三种方案的可行性.     

基于BP神经网络的汽包建模及其控制器设计

针对锅炉汽包系统的强耦合性和非线性及传统的PID控制方法存在控制精度低、调节时间长等问题,提出了利用基于数据的建模方法,对汽包系统进行误差反向传播(BP)神经网络建模,并对神经网络模型进行泛化能力测试,然后利用基于BP神经网络的PID控制方法设计汽包液位优化控制器.实验仿真结果表明,基于BP神经网络建立的汽包模型具有较好的泛化能力,神经网络PID优化控制器在控制精度高、收敛速度快和鲁棒性强等方面都优于传统PID控制器.     

基于T-S模糊神经网络的飞机防滑刹车系统研究

航空业的发展对飞机防滑刹车系统提出了更高的要求,而传统PID+PBM控制器存在着低速打滑、刹车效率较低等问题;针对刹车过程中的不确定性和非线性问题,提出采用T-S模糊神经网络来进行防滑刹车控制器设计;在MATLAB/SIMULINK平台建立飞机刹车总体仿真模型,将设计的控制器与传统控制器进行对比仿真试验;仿真结果表明,基于T-S模糊神经网络的控制器解决了传统PID+PBM系统存在的问题,具有良好的控制效果,系统具有鲁棒性,能够适应变化的跑道情况,为飞机防滑刹车控制提供了一种新的方法。     

基于人工鱼群的PID神经网络非线性系统控制

研究造纸工业中的流浆箱非线性系统优化控制问题。流浆箱系统是工业过程中常见的一类非线性系统,存在着非线性、强耦合等特性。针对流浆箱要求动态响应好、精度高的特点,提出并设计了人工鱼群算法训练的PID神网络控制器。人工鱼群算法克服了PID神经网络采用BP算法训练权值时,初始权值难以确定,易陷入局部最优的缺点,实现对流浆箱的有效控制。在MATLAB环境下,对流浆箱系统进行了控制仿真。仿真结果表明,人工鱼群算法训练的PID神经网络在动态性、稳定性和精确性等方面均优于BP算法,明显改善了流浆箱这类非线性系统的控制性能,具有很好的应用效果。     

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Hopfield网络的PID在直流伺服电机中的应用

针对直流伺服电机的非线性和时变性因素,本文结合传统PID控制器特点,介绍了一种基于Hopfield神经网络PID控制方法。该方法利用Hopfield神经网络的自学习能力,经过有限次的训练可以得到了PID控制器所需要的最优参数。采用Matlab软件对构造的系统模型进行了仿真和跟踪实验。实验表明这种方法既简化了经典控制PID参数整定,同时使系统具较好的实时性、稳定性和跟踪性,控制效果比较理想。     

基于T-S模型的模糊神经网络PID控制

针对在非线性、时变不确定系统中,常规PID控制器难以获得满意效果的问题,仿照传统PID控制器结构,设计了一种基于T-S模型的模糊神经网络PID控制器。该控制器基于T-S模糊模型,将PID结构融入模糊控制中,充分发挥了模糊系统非线性、可解释性的特点;然后又利用神经网络的学习算法,实现了对模糊控制器的参数调整,使控制器具有了适应时变、不确定系统的自学习和自组织能力。针对非线性、时变系统,将此控制器与传统PID控制器对比进行了仿真研究,并应用于啤酒发酵领域,其结果表明,该控制器取得了令人满意的效果。     

PID控制器参数优化算法的仿真研究

研究PID控制器参数优化问题,现代控制对象具有复杂非线性、时变性特点,引起系统的输出品质特性差,超调大稳定性时间长,控制精度差等.传统PID控制是针对线性控制系统提出的,控制精度比较低.为了提高PID控制精度,基于神经网络提出PID控制器参数自适应优化方法.通过将系统控制偏差和PID控制器的3个参数作为神经网络的输入,最优控制性能作为优化目标,通过神经网络自身学习和加权系数调整,获得最优控制性能的PID控制器参数.仿真结果表明,神经网络的PID控制方法提高了系统控制精度,系统响应速度更快,具有很强的自适应性和鲁棒性,为优化控制系统提供了参考.     

刨花板热压控制系统BP神经网络整定PID控制

针对刨花板热压控制系统中热压控制存在的非线性、纯滞后和时变性等现象,根据BP神经网络PID和常规PID控制的控制思想,提出了BP神经网络PID的控制策略,实现了对PID参数的在线自整定,完善了PID控制器的性能,提高了系统的控制精度.仿真结果表明,与常规PID控制器相比,该控制器明显提高了热压控制系统的动态性能和稳定性...     

飞航导弹自动驾驶仪系统控制方案研究

为了克服飞航导弹运动过程中的非线性、时变性和不确定性对自动驾驶仪系统性能的不良影响,进一步提高导弹的飞行质量,对自动驾驶仪系统及其采用的控制方案进行了研究;首先对系统的整体结构进行了分析,然后在介绍经典PID方案的基础上,分别采用模糊自调整PID方案和神经网络自适应PID方案设计了导弹姿态运动控制器,最后进行了仿真实验;仿真结果的对比展示了所设计控制器良好的品质,验证了将模糊控制和神经网络应用于飞航导弹自动控制中的可行性和有效性,为其它非线性控制理论与导弹传统控制相结合以进一步提高导弹控制系统的性能奠定了基础。     

PID控制器改进方法研究

分析了常规PID(比例—积分—微分)控制特点,针对其在非线性控制中存在的问题,基于参数自整定和控制器误差组合方式,分别设计了参数自整定模糊PID控制器、参数自整定RBF神经网络PID控制器和非线性自抗扰PD控制器.并进行了实验验证,实验结果表明,从参数自整定和控制器误差组合角度出发,所采用的控制策略可使非线性系统具有较好的动态特性、鲁棒性和自适应能力.     

神经PID在地源热泵空调系统中的应用

针对地源热泵空调系统被控对象具有大滞后、慢时变、非线性特点及不确定干扰因素多的实际情况,结合常规PID和神经网络的优点,提出了一种基于BP神经网络的PID控制器设计方法,并应用于该空调系统中。仿真结果表明,该方法可以显著改善系统的动态性能和控制精度,实现了PID控制参数的在线动态调整,取得了良好的控制效果。     

基于NBPID的回滞系统控制

回滞现象广泛存在于许多领域，其不可积的非线性特性给控制设计带来了困难。提出的NBPID控制器是基于神经网络逆模型前馈控制(N)，加上改进的Bang—Bang控制(B)的PID控制器。首先通过神经网络逆模型的前馈控制来削弱回滞带来的影响，然后在PID控制器的基础上，为了进一步控制误差，加上改进的Bang—Bang控制。通过设计出的NBPID对回滞系统进行控制，仿真结果表明控制方法是有效的。     

基于Davidon最小二乘法的神经网络PID自校正控制器

介绍将PID控制与神经网络相结合,利用Davidon最小二乘法训练用于辨识和控制的神经网络,由此推导出对非线性对象仍有效的神经网络PID自校正控制器,还进行了仿真研究,并将其与常规的PID控制作了比较.