模糊神经网络PID控制器及在DTC中的应用

本文详细介绍了常规控制和模糊PID控制在直接转矩控制系统中的应用，建立在MATLAB仿真模型的基础上．利用多层神经网络构建模糊PID控制器，通过神经网络自学习能力在线提取模糊控制规则，根据不同时刻的误差和误差变化率运用模糊推理在线自整定PID参数。仿真表明，改进的模糊PID控制器具有常规PID控制器更好的效果。本系统适用于高性能交流伺服或调速系统。     

改进遗传算法优化的矿井局部通风机模糊PID控制器设计

目前局部通风机控制主要采用传统PID控制器,控制器的参数固定且多依据经验选取,很难实现隶属度函数和模糊规则的最优组合,使得控制器难以满足局部通风机自适应的控制要求。针对该问题,设计了一种改进遗传算法优化的矿井局部通风机模糊PID控制器。在改进遗传算法中引入欧氏距离提高种群的多样性,同时引入自适应交叉和变异概率来提高算法的收敛性。在编码过程中采用比例分数间接实现对隶属度函数的优化,使得改进遗传算法能够同时优化隶属度函数和模糊规则。将优化得到的隶属度函数和模糊规则导入模糊PID控制器中,控制器能够根据局部通风机的不同工作状态,通过变频器自适应调整局部通风机的风量,实现对局部通风机的动态调节。仿真结果表明,相较于传统模糊PID控制器,改进模糊PID控制器可基本实现无超调,且上升时间缩短了56.25%,稳定时间缩短了47.06%,能够更好地满足矿井局部通风机的控制要求。     

模糊神经网络PID控制在焊缝跟踪中的应用

1 Introduction Real- time seam tracking is the key step for welding automation. Because welding itself is a complex process, the factors that affect the welding have uncertainty and non - linear characters. Therefore, classical control in seam tracking cannot carry a satisfying result. In latter- day, Fuzzy mathematic and Neural Network appearance, being used on uncertain nonlinear system, and have a good effect. The hybrid controller, which combines Fuzzy con- trol and PID control, uses F…     

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。     

模糊神经网络PID在数字舵机控制中的应用

针对某型号数字舵机系统在非线性时变的复杂条件下,传统的PID控制器响应速度慢,精度低,抗过载能力差的缺点,通过对模糊神经网络算法的研究,结合传统的PID控制器,设计了模糊神经网络PID控制器。分别将两种控制算法应用到舵机系统进行实验可以得出,模糊神经网络PID控制器使得舵机位置环阶跃响应上升时间从80ms减小到35ms,超调量从10％减小到小于5％,在频率特性测试中反馈曲线衰减从-2.79dB减小到-0.77dB,相移从65°减小到35°,同时系统非线性引起的畸变明显改善。     

Hopfield神经网络在有限元求解中的应用

计算机本身固有的计算与存储之间是一对很难解决的矛盾,许多工程力学问题因计算规模大等原因还没有突破性进展,因此,需要发展新的理论与计算方法。通过对有限元求解方法和Hopfield神经网络的深入研究,在对Hopfield神经网络适当改造后,得到了有限元的神经网络计算方法,在电路实现中避免了采用高增益传递函数的假设,进而在理论上实现了有限元神经网络计算的无误差求解。     

基于PID控制的矿井通风机自动监控系统研究

矿井通风机是煤矿通风系统的主要设备之一。通过结合煤矿生产的需要和矿井通风机自动监控系统的结构,提出了以PLC和组态技术为核心的控制系统,并引入了二自由度的PID控制理论。通过Matlab/Simulink动态仿真对矿井通风机自动控制系统进行参数控制,可实时监测并读取通风机的风速、风量、电流和温度等参数,且具有良好的预警功能,对企业实时掌握风机工况有重要的意义。     

神经网络和模糊系统在故障诊断中的应用

本文提出了一种神经网络和模糊系统相结合的分级式故障诊断方法。神经网络通过对部分测量数据的处理,实现系统的回路级故障诊断,输出各回路故障出现的可信度。模糊系统通过对神经网络得到的初步诊断结果和其他测量值的处理,实现系统的元件级故障诊断,并对最终诊断结果作出解释。该方法融合了神经网络自适应学习能力强和模糊系统知识表达明确的优点,简化了神经网络学习数据获取及模糊推理规则建立的过程。通过对热硝酸冷却系统故障诊断的仿真,证明了该故障诊断方法的有效性。     

Hopfield神经网络在车牌照字符识别中的应用

介绍了Hopfield神经网络识别车牌照字符的方法,用Matlab完成了对车牌照数字识别的模拟,最后给出实验结果。     

模糊Hopfield网络的收敛性与鲁棒性分析

收敛性与鲁棒性是模糊神经网络的两个重要性质。对带阈值的Max-T模糊Hopfield神经网络（记为Max-T-C FHNN）的收敛性及在训练模式小幅摄动情况下的鲁棒性进行了分析,从理论上给出了严格的证明。发现了采用最大权值矩阵学习算法时,Max-T-C FHNN具有良好的收敛性,同时当T模及其蕴含算子满足Lipschitz条件时,Max-T-C FHNN对训练模式摄动全局拥有好的鲁棒性,用自联想实验验证了理论的有效性。     

改进BP网络在煤矿通风系统故障检测中的应用

针对BP神经网络传统学习算法步长难以确定的问题,提出了采用基于RLS算法的BP神经网络检测煤矿通风系统故障的方法;简要介绍了BP神经网络的结构,详细介绍了RLS学习算法和仿真过程。仿真结果表明,采用RLS算法的BP神经网络能够满足煤矿通风系统故障检测的要求。     

Hopfield神经网络在机组组合问题中的应用

提出利用多层Hopfield神经网络求解机组组合优化问题。通过构造合适的能量函数使得单层Hopfield神经网络可以解决某一时刻的机组出力问题,与之相对应的多层神经网络可以解决任意时间段的机组出力问题。多层Hopfield神经网络的层数由所需求解问题的时间段确定。给出单层及多层神经网络的能量函数及求解算法,能量函数考虑到机组升降功率和出力上下限的约束。通过对已有文献的算例进行计算比对,所得结果和遗传算法基本一致,但Hopfield神经网络通过解微分方程组来确定最优解,计算时间相对较少。     

基于BP神经网络的矿井提升机自校正容错PID控制

针对矿井提升机系统故障时动态性能难以用传统的解析方法获得的问题,提出了一种基于BP神经网络的矿井提升机自校正容错PID控制方法。该方法通过BP神经网络在线学习跟踪提升机系统的动态特性来预测系统输出值,并应用自适应控制中的自校正PID构建容错控制器,实现提升机系统故障下的稳定容错控制。仿真结果表明,该方法在提升机系统故障情况下能迅速跟踪系统故障状态,在线调整PID参数,快速恢复系统性能。     

基于蚁群算法的Hopfield神经网络在多空间站路径规划的应用研究*

空间机器人每次携带的燃料有限,提高空间机器人的工作效率以及延长其在轨寿命研究具有重要意义,分析了空间机器人多空间站访问问题。为了弥补传统路径规划方法容易陷入局部极小点的问题,提出利用基于蚁群算法的Hopfield神经网络来解决空间机器人多空间站访问问题。仿真实验结果表明,基于蚁群算法的Hopfiled神经网络用于多空间站访问问题,收敛速度要比Hopfield神经网络快,且比Hopfield神经网络易于跳出局部极点,该算法有利于解决多空间站路径规划问题。     

时滞Hopfield神经网络的随机稳定性分析

T-S模型提供了一种通过模糊集和模糊推理将复杂的非线性系统表示为线性子模型的方法。研究了时滞Hopfield神经网络的随机稳定性（SFVDHNNs）。首先描述了SFVDHNNs模型,然后用Lyapunov方法研究了SFVDHNNs全局均方指数稳定性,通过可以被一些标准的数值分析方法求解的线性矩阵不等式（LMIs）得出了稳定性标准。     

复杂矿井通风网络可视化动态解算及预警技术

针对存在煤层倾角大、地质构造复杂、开采时间长等情况的复杂矿井,采用传统的通风网络人工分析方法或常见通风网络解算软件存在工作量大、效率低、错误率高、解算不全面等问题,从而不能实时、全面掌握井下各巷道的通风安全状况。以南桐煤矿通风系统为研究对象,根据其通风系统复杂特征,从通风网络动态解算模型及方法、矿井通风阻力参数测定、通风异常预警、通风系统可视化等方面研究了复杂矿井通风网络可视化动态解算及预警技术,并依据该技术开发了矿井通风网络可视化动态解算及预警系统。应用表明,该系统解算风量与实际风量的误差小于10%,解算结果可实时、动态显示,实现了矿井风速及风压参数全量程精准测定、全矿井通风网络动态解算、通风异常连续分析与预警。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。