重载大惯性液压驱动系统的神经网络近似逆控制

针对重载大惯性液压驱动系统,考虑系统的强非线性、模型不确定性和工作点的变化,设计了系统的神经网络近似逆控制器.该系统逆控制器可以直接从辨识所得的神经网络模型中得到,因而只需要训练一个神经网络.对大惯性重载非线性液压驱动系统的控制仿真研究表明,与传统PID控制器相比,神经网络近似逆控制器具有更好的动态控制性能,对模型不确...     

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。     

电液比例加载系统的RBF神经网络PID控制

使用自整定径向基函数(radial basis function,RBF)神经网络PID控制技术,以实现电液比例加载系统的静力加载控制.自整定RBF神经网络PID控制器的设计不需要被控对象的详细模型,且控制参数能够在线调节,从而可以保证不同控制任务下的控制性能.通过仿真,验证了所设计的自整定RBF神经网络PID控制器的正确性和有效性,以及相对于传统PID控制器的优越性.     

基于BP神经网络的料筒温度PID控制器

针对注塑机料筒温度控制的要求和PID控制器的不足,设计了一种基于BP神经网络的PID控制器.该控制器将神经网络和PID控制技术相结合,能无限地逼近非线性系统,具有收敛快的优点.提出了基于BP神经网络的PID控制算法和程序流程.仿真结果表明,BP神经网络PID控制器能有效地缩短过渡过程,具有较好的稳定性和快速响应性,可以满足注塑机料筒的温度控制要求.     

基于神经网络PID的永磁同步电机调速系统

针对永磁同步电机多变量、强耦合、非线性、运行中参数变化的特点,设计了一种基于神经网络PID的永磁同步电机空间矢量控制方法.仿真分析和硬件平台实验结果表明,将神经网络PID控制器运用于永磁同步电机控制具有可行性,相对于传统PID控制器,神经网络PID控制器能够使系统具有更快的响应能力,并能提高系统的适应性.     

神经网络自适应PID在开关磁阻电机中的应用仿真

介绍了一种基于神经网络的自适应PID控制器,其运用神经网络和BP算法在线调整PID参数,并把此控制器和传统PID控制器组合成一个复合控制器应用于开关磁阻电机调速系统中.仿真结果表明,与传统的数字PID控制器相比,该复合控制器具有更好的自适应性和鲁棒性.     

模拟复合正交神经网络在轴向磁轴承中的控制研究

由于磁轴承的动态性能主要取决于所采用的控制规律,控制器是磁轴承系统的关键.在数字复合正交神经网络(NN)的基础上,提出了一种模拟复合正交神经网络,并用于轴向磁轴承的控制中.控制器采用模拟复合正交神经网络与PID的并行控制方法,对带有负载干扰的轴向磁轴承控制系统作了PID控制与NN PID控制的仿真实验.仿真结果表明,相对于常规PID控制器,该并行控制法具有较高的抗干扰与自适应能力-控制效果理想.     

基于BP神经网络模糊PID的主动悬架控制研究

为了提高汽车的乘坐舒适性,抑制因路面不平引起的汽车振动,利用多体动力学软件ADAmS建立某SUV整车模型,利用mATLAB设计了一种BP神经网络模糊PID主动悬架控制器,并与模糊PID控制器进行仿真对比,深入研究模糊PID控制器及BP神经网络模糊PID主动悬架控制器控制效果。研究发现,采用提出的BP神经网络模糊PID主动控制策略后,汽车悬架系统的车身加速度、悬架动挠度、轮胎动变形分别比被动控制下降了36.3%、25.1%和12.0%,而采用模糊PID控制策略只下降了34.3%、19.1%和10.4%。这说明所提出的BP神经网络模糊PID控制策略具有更加优异的主动悬架控制效果。     

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。     

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CSCD

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。