基于遗传算法和神经网络的PID控制参数的优化研究

针对传统的PID控制中参数整定的难题，采用智能控制技术优化PID参数，利用神经网络进行系统商务谈判识，建立对象模型，在此模型基础上，运用遗传算法寻优PID控制参数采用变交叉 概率和变异概率自适应遗传算法寻优得到PID控制参数，与传统的整定结果相比较，遗传算法优化效果更好，最终达到最优的控制效果。     

基于模糊神经网络的水轮机调速器PID控制

针对水轮机调节系统参数时变、运行工况多变以及包含复杂非线性环节的特点,传统的PID控制策略难以满足系统各项运行指标.根据水轮机调速系统的数学模型,结合模糊控制的推理能力和神经网络的自学能力,提出基于模糊神经网络的水轮机调速器PID参数控制策略.仿真结果表明,相比于传统PID控制和模糊控制,所提控制策略的系统响应拥有更小...     

基于模糊神经网络PID算法的液位控制系统研究

在工业生产中,液位控制系统得到了广泛应用,但是对于这种大滞后、非线性的复杂控制系统,传统的PID控制方法存在着参数整定困难,控制效果不理想的缺陷。在对传统的PID算法、模糊控制算法和神经网络算法研究的基础上,提出了一种将模糊神经网络PID算法应用到液位控制系统中去的解决方案,并采用MATLAB对液位对象控制进行仿真实验,同时采用A3000型水箱实验平台对仿真实验结果进行验证。研究结果表明,基于模糊神经网络的PID算法的液位控制系统在调整时间和超调量上都优于传统的PID算法,控制效果和抗干扰能力更强,克服了传统PID算法的不足。     

基于神经网络补偿的PID控制方法的研究

经典ＰＩＤ方法的控制参数难以精确整定,且依赖于对象的数学模型,故自适应性较差,很难适应具有非线性、时变不确定性的被控对象,控制精度难以保证。文中研究了在近似参数ＰＩＤ控制基础上,采用ＲＢＦ神经网络进行补偿控制的综合控制方法,仿真研究结果表明了该方法的鲁棒性和跟踪性能均优于经典ＰＩＤ方法。     

基于模糊PID控制和BP神经网络PID控制的永磁同步电机调速方案比较研究

采用模糊PID控制和神经网络PID的控制方式分别对永磁同步电机进行了恒负载实时调速分析,对比了研究两者的控制性能。通过在Matlab/Simulink环境下搭建仿真控制程序,分别采用两种控制方式构建对于永磁同步电机的闭环控制模型进行仿真,进行模糊PID控制和神经网络PID控制对永磁同步电机的闭环控制效果对比。经仿真结果表明,神经网络PID控制在抗扰动方面优于模糊PID控制,而模糊PID控制在实时性方面较为优势。     

基于神经网络的PID控制器

研究了神经网络在非线性自校正控制系统中的应用，提出了一个基于神经网络的ＰＩＤ控制器的结构，并给出一个仿真实例。     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

模糊神经网络实现的PID参数自调整控制及应用研究

模糊控制学习功能差,神经网络推理功能差,把二者结合可以起到互补作用,保证推理和学习功能的实现。本文用多层ＢＰ神经网络实现了一类模糊推理过程,该网络通过学习记忆ＰＩＤ参数调整的基本规则,实现了ＰＩＤ控制器参数的在线调整。通过对考虑非线性因素的伺服系统控制对象的仿真,说明了该方法的有效性。     

基于模糊神经网络PID的锅炉汽包水位控制

将基于模糊神经网络的PID控制器作为给水控制系统的锅炉汽包水位调节器,可实时整定PID控制器的参数,以适应控制系统的要求。仿真结果表明,基于模糊神经网络的PID给水控制系统的响应快速性、调节平稳性及抗干扰能力均优于常规的PID控制器。     

一种基于遗传算法和神经网络的PID控制

提出了一种融合遗传算法和神经网络的PID控制算法。该控制器先利用遗传算法对BP网络的初始权系数进行学习优化，再利用BP算法实现对PID参数在线调节，解决了控制器网络初始权系数对控制效果产生的影响，仿真结果表明了该控制方法的有效性。     

基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。     

模糊神经网络实现的参数自校正控制

将模糊控制和神经网络技术相结合,借助神经网络的学习能力和信息存储能力来实现模糊推理过程,并记忆参数调整规则,从而构成了ＰＩＤ参数调整机构,经过离线训练后,可使ＰＩＤ参数按模糊规则规定的基本原则在线调整。仿真结果表明,对非线性系统的控制,这种方法比常规的ＰＩＤ控制具有更好的动静态性能。     

基于模糊系数修正BP神经网络PID的BLDCM控制系统仿真研究

常规PID、模糊算法无法解决无刷直流电机（BLDCM）控制系统存在的强耦合、非线性等问题,在干扰作用下容易出现信号失真。针对该问题,在滑行灯伺服转向系统中,以BLDCM三闭环控制系统为研究对象,结合BP神经网络、模糊控制和PID算法,提出一种基于模糊系数修正BP神经网络的PID控制。通过Simulink建模及仿真,对比研究了该策略与常规控制算法在转矩扰动和磁通扰动状况下的动态响应特性。仿真结果显示该改进控制算法在BLDCM位置控制系统中性能优良。     

开关磁阻电机模糊神经网络PID转速控制

针对开关磁阻电机调速系统难以控制的问题,提出了基于模糊FCMAC神经网络的PID控制方法,该方法的主要思想是将马丹尼直接推理法与CMAC神经网络相结合,构成模糊FCMAC神经网络,实时调整PID控制参数.仿真结果表明,与传统的PID控制方法相比较,该方法大大改善了开关磁阻电机调速系统的动、静态性能,且无需精确的数学模型...     

变参数活性污泥系统溶解氧的模糊神经网络控制

针对中、小型污水处理厂的实际情况,将活性污泥污水处理系统非线性数学模型转换为参数有界的变参数正则状态方程,并对系统模型进行了可控性与稳定性分析.提出了一个具有三层隐层的模糊神经网络控制器,通过仿真实验表明该控制系统具有很强的鲁棒性与容错性,该控制器能够自动调整隶属度函数、动态优化控制规则,将其应用于活性污泥系统的溶解氧控制可以快速、有效的使溶解氧浓度达到期望值,具有良好的控制性能.     

基于RBF神经网络的模糊自适应控制

在对一些复杂系统进行模糊控制时,由于对系统的不了解,很难得到适合的控制规则。基于模糊控制器的一种解析结构,提出了模糊控制器与径向基函数（Radial Basis Function)神经网络相结合的方法。由RBF神经网络对系统进行辨识,并为学习系统提供必要的信息,根据信息对经验规则进行修改,从而改善模糊控制系统动态响应。仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入。     

一种基于优选BP神经网络的智能模糊优化算法

建立了以模糊逻辑形式表示的基于优选BP神经网络的模糊优化模型,构造了用于优选:BP神经网络权值估计的遗传算子,重点讨论了加权梯度方向的计算方法及沿加权梯度方向进行变异的算子,确定了遗传算法的基本策略,构造了该算法的流程.针对飞边金属消耗设计准则挖掘问题,阐述了该准则建立的依据,讨论了该准则各变量之间的关系,并利用基于模糊优选BP神经网络的模糊优化算法实现了飞边金属消耗设计准则的挖掘.继而应用该实例对算法的稳定性进行了校验,并将该算法与利用梯度下降法对神经网络进行权值估计的算法进行了比较,结果表明,该算法速度快,精度高,稳定性好.     

球磨机混合优化前向神经网络PID解耦控制系统

针对球磨机制粉系统的多变量、强耦合、非线性和时变性等特点,提出球磨机的混沌PSO与BP混合优化前向神经网络PID解耦控制系统.在这种控制器中,PID控制器的控制参数采用神经网络进行自适应整定,神经网络的权值采用混合优化算法进行调整.仿真结果表明该控制方法跟踪快、鲁棒性强、解耦好,控制品质优于传统PID解耦控制方法,较好地解决了球磨机的时变性、耦合性等问题.