一类模糊-PID神经网络控制器

针对模糊ＰＩＤ复合控制的自适应问题,设计了一类基于模糊ＰＩＤ复合控制算法的神经网络控制器,经仿真实验获得了满意的效果。     

基于神经网络的自适应控制器

提出了一种基于神经网络的控制系统，将传统ＰＩＤ工程整定法与神经网络相结合，采用直接自适应控制方法，使基于神经网络的控制器在ＰＩＤ控制的基础上实现自适应控制，更有效地改善控制品质。     

水轮机调节系统的神经网络控制

设计了一个三层ＢＰ神经网络,对有功功率反馈参与控制的水轮机调节系统,以其典型工况下的最优ＰＩＤ系数作为训练样本,对所设计的ＢＰ神经网络进行离线训练,进而构成一个基于ＢＰ神经网络的变参数ＰＩＤ控制器;利用ＢＰ神经网络的函数逼近能力来实现ＰＩＤ控制器在线调整,以达到优化控制的目的。对简单电力系统的仿真结果表明,这种控制器与常规ＰＩＤ控制器相比可以取得较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。     

基于混沌蚁群算法塑料挤出机温度控制系统

为了使 ＰＩＤ参数自适应调整,同时使得系统输出响应具有较好的动态和稳态性能,并在干扰作用下可自动整定 ＰＩＤ参数,使系统输出稳定在目标值,采用智能算法结合 ＰＩＤ控制原理,设计了一种 ＣＡＳ算法与 ＰＩＤ控制相结合的控制器用于塑料挤出机温度控制。借助 Ｍａｔｌａｂ软件建立控制器仿真模型,同时和增量 ＰＩD控制器进行控制效果对比。实验结果表明：在干扰作用下,ＣＡＳ ＰＩＤ参数自适应调整,通过修改 ＰＩＤ参数使得系统输出稳定在目标值;采用 ＣＡＳ ＰＩＤ控制器的温度控制系统鲁棒性强,将 ＣＡＳ ＰＩＤ控制器应用于塑料挤出机温度控制,可以在一定程度上提升挤出半成品质量和挤出机械的智能化水平。     

智能控制在空调控制中应用及探讨

作者分析了模糊系统和神经网络的优缺点,在空调控制器中采用神经网络来构造模糊系统的设计思路过程：采用ＢＰ学习算法、可微古典ＳＩＧＭＯＩＤ函数ＳＵＭ－ＰＲＯＤＵＣＴ方法的一种模糊神经网络算法。     

一种新型神经网络结构的PID控制器及其仿真研究

出了一种新型的神经网络结构的ＰＩＤ控制器（Ｎ－ＰＩＤ）,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．还给出了Ｎ－ＰＩＤ控制器的结构、计算公式及二阶对象下系统的仿真结果．     

卷绕张力控制器的三种设计方法及性能分析

给出了高速纺丝机卷绕张力控制器的三种设计方法；变参数ＰＩ控制、神经元自适应ＰＩＤ控制及神经元自适应ＰＳＤ控制。对三种控制方法下系统的性能进行了对比。表明三种控制方法均具有较好的控制性能。其中神经元自适应ＰＳＤ控制器设计简单，具有很强的自学习、自适应能力，是一种很好的张力控制方法。     

水库调度智能决策支持系统ROIDSS研究

本文采用决策支持系统、神经网络、知识工程等有关理论与方法，初步建立了ＰＫ地区水库调度智能决策支持系统ＲＯＩＤＳＳ，文中介绍了ＲＯＩＤＳＳ的总体设计及其决策支持方式，为ＰＫ地区水库调度决策提供了一种有效的决策支持环境．     

神经网络在气动PWM位置伺服系统中的应用

将递归神经网络对于阶未知的非线性对象或具有未知延迟的系统辨识能力与ＰＩＤ控制的有效性相结合，构成了一种基于递归神经网络的自适应ＰＩＤ控制系统，对气动脉宽调制位置伺服系统进行控制，使系统获得了一定的在线自我调整能力，提高了系统的性能。     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可     

基于神经网络的模糊控制器

将神经网络的非线性与自学习特性有机地应用于模糊控制系统中，用神经元节点及其相应的内部函数代替模糊控制系统的各个模糊子集及其隶属函数，而神经元节点间的连接代替模糊推理机，设计了一类基于神经网络的模糊器，以克服复杂非线性系统难以确定模糊子集的划分及其隶属函数和模糊推理规则等问题。     

汽车半主动悬架神经模糊融合网络控制

针对汽车半主动悬架模糊控制器的模糊控制规则无法有效调整的问题,建立了两自由度1/4车辆模型.利用白噪声模拟路面激励并作为系统的输入,将人工神经网络与模糊逻辑控制相融合,采用人工神经网络模拟模糊控制过程,实现了模糊规则的自适应调整.将直接控制力作为参考控制力对神经网络进行训练,输出控制力结合开关控制策略实现悬架的半主动控制.仿真分析表明,神经模糊融合网络控制器相对于模糊控制器和被动悬架,使悬架性能得到了显著的改善.     

基于模糊神经网络的移动机器人自适应行为设计

将模糊控制和神经网络相结合,形成模糊神经网络(fuzzy neural network,FNN)控制器,利用联想记忆进行离线训练,用来记忆预先利用强化Q学习(Q-Learning,QL)在线训练获得的移动机器人自适应行为的模糊控制规则。FNN经过离线训练后,把规则隐含地分布在整个网络之中,在控制应用时,不必进行复杂的规则搜索和推理,无需查表,只需通过高速并行的分布计算就可产生最佳输出的自适应行为。仿真结果表明,由于输入模糊子集接近于网络所用的训练模糊子集,所以输出几乎和该条训练规则的结果相同。     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.     

一种具专家能力的模糊神经网络自组织控制器

随着现代科学技术的迅猛发展,人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力,因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面,特别是模糊神经网络已成为研究者们倾注的焦点。因此提出了一种具有专家调整策略的模糊神经网络自组织控制器的设计方案。其特点是：用神经网络代替传统模糊控制器的隶属函数和权值,实现了模糊规则的自动更新;采用一种对量化、比例因子进行专家调整的策略。仿真结果表明,这种智能控制器具有良好的控制性能。     

污水处理过程中溶解氧的模糊神经网络控制

针对污水处理过程中水质变化剧烈,要求溶解氧的质量浓度不一等问题,提出了一种自适应模糊神经网络控制方法,对变参数活性污泥法污水处理系统的溶解氧的质量浓度进行控制,并通过调整量化因子减小系统的静态误差。仿真结果表明该控制方法能够在线调整隶属函数,优化控制规则,将其应用于活性污泥法污水处理系统中可以快速、准确地使溶解氧达到期望要求,并具有较强的鲁棒性。     

灵巧手指力回路自适应神经网络模糊PID控制

在多指灵巧手位置控制的基础上 ,提出一种在力控制回路采用基于模糊规则的自适应神经网络 PID控制的方法 ,将神经网络、模糊规则和 PID控制相结合 ,以 Fuzzy控制粗调 ,ANN控制为细调 ,改善了常规 PID控制中参数线性组合的缺点 ,有利于提高系统对灵巧手指与外界工作环境接触时 ,接触力控制的自适应能力和对外部干扰的抗干扰能力。最后 ,通过仿真实验验证了提出方法的有效性     

基于神经网络参考模型的船舶航向智能自适应控制系统

为使船舶能在不同状态和环境下按所希望的要求改变船舶的航向，提出了一种基于神经网络参考模型的船舶航向智能自适应控制算法，利用神经网络建立了参考模型和船舶航向运动的辨识模型。并将模糊控制与神经网络相结合，设计了模糊神经网络控制器。利用神经网络的学习功能对控制器的隶属度函数及推理规则进行修正，以提高其自适应能力。仿真结果表明该算法对船舶转向控制有良好的效果。     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.     

An intelligent decision support system (IDSS) in the operation process of electric furnace for cleaning slag

In this paper, the structure and function of the IDSS in the operation process of electric furnace for cleaning slag are presented and the fuzzy neural network decision model (FNNDM) in the IDSS is specially suggested. The IDSS possesses self-learning and adaptive properties, and has been used for managing and analyzing the optimal operational conditions since June 1992. Electric energy consumption has been reduced remarkably and the coefficient of recovery of cobalt and nickel has been increased. Synopsis of the first author: Peng Xiaoqi, associated professor, born in 1962, majoring research interests: modelling, optimal control and intelligent decision support system in technological process.