模拟复合正交神经网络控制器在机械臂控制中的应用

在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络,并应用于机械臂的控制.控制器采用模拟复合正交神经网络与PD的并行控制方法,对机械臂的位置控制做了仿真实验.结果表明,相对于常规PD控制器,该神经网络控制器具有自学习、自适应功能,位置跟踪获得了满意的控制效果.该模拟神经控制器能应用于机器人控制系统中.     

粒子群优化辨识的自适应预估控制及应用

针对Smith预估器对预测模型精度依赖程度较高的问题,提出了一种基于粒子群优化(PSO)辨识算法的自适应预估控制方法。该控制方法利用PSO辨识方法在线调整Smith预估器参数,利用单神经元的非线性逼近特性及自学习、自组织能力,对控制器参数进行在线修正。将该控制方法应用于矿井通风系统风量控制仿真分析中,在系统参数时变情况下,进行跟踪响应分析。结果表明,该控制方法对大滞后时变系统具有很强的适应性和鲁棒性,具有较强的抗干扰能力和良好的跟踪性能。     

基于灰分反馈的FNN自适应配煤控制

结合灰分控制的时变、滞后和非线性特性,介绍了一种基于人工神经网络与模糊控制相结合的控制器。利用人工神经网络的自学习、自适应和并行处理的能力,将模糊控制规则转化为神经网络的学习样本,通过FNN的BP学习算法记忆这些规则样本。试验表明,该控制器具有响应速度快、精度高和鲁棒性的特点。     

改进单神经元PID在矿井提升机中的应用

矿井提升机在频繁的重复运动中具有随时间变化、非线性的特点,传统PID控制器难以达到理想的控制效果。提出了一种改进的单神经元PID控制器,利用神经元的自学习、自组织能力,通过对权值的在线调整达到对PID参数在线调整的目的,同时采用粒子群优化算法对单神经元PID控制器参数进行优化。仿真结果表明,改进的单神经元PID控制器具有良好的控制性能,提高了矿井提升机的稳定性。     

某电液伺服系统的神经网络自抗扰控制

针对某电液伺服系统存在非线性及时变性,难以对其进行精确控制的问题,提出了神经网络自抗扰控制方案。该方案利用神经网络所具有的可以实现任意复杂映射关系的能力,将非线性误差反馈控制规律中的比例系数与微分增益作为单神经元自适应控制器的权系数,通过单神经元的自学习功能进行在线调节;同时利用RBF神经网络作为辨识器,以辨识被控对象的梯度信息。通过MATLAB计算机仿真结果证明,该控制方案使系统具有响应速度快、稳态精度高、鲁棒性强等优点,并能够有效的抑制外界扰动。     

神经元控制器在交流伺服系统中的应用

利用神经元的自学习功能及其控制灵敏度的快速近似求取方法，实现了神经元控制器的在线学习。以神经元控制器作为伺服系统的速度调节器，与三相滞环控制器构成了交流伺服控制系统。仿真和实验表明，神经元控制器具有较强的自适应性和较好的实时性。     

史密斯模糊自整定PID控制器在温度控制系统中的应用研究

分析了PID控制器和模糊PID控制器的优缺点,将史密斯纯滞后补偿和模糊控制PID的优点结合起来,设计了史密斯模糊自整定PID控制器。计算机仿真和现场运行结果表明,史密斯模糊自整定PID控制器与模糊自适应PID控制器和常规PID控制器相比较,提高了烘干炉温度控制系统的自适应能力和鲁棒性,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到良好的控制效果。     

基于模糊PID步进电机升速算法的研究应用

为了实现一种模糊PID升速控制电机,提出了模糊PID控制器的自整定控制方法。首先对被控对象步进电机建立S型升速算法,解决电机启动产生失步、冲击等问题。然后利用数学模型推导出传递函数,根据模糊规则建立模糊PID控制器。最后进行仿真控制。研究表明:该方法具有响应曲线调节精度高、超调量小、动态响应快等优点。     

基于神经网络PID控制器的矿井输送机控制系统

针对老式矿井输送机控制系统中存在的启动力矩小、启动电流大、调速范围窄等缺点,设计了基于神经网络PID控制器的开关磁阻电机调速系统,利用拥有自学习和自适应能力的BP神经网络建立速度自适应控制器。仿真结果表明,这种调速系统启动力矩大,转矩脉动小,具有较强的鲁棒性和良好的动态性能。     

基于MEA—BP神经网络的主汽温控制系统的研究

电厂主汽温是一个曲型复杂系统,本文采用思维进化算法优化BP神经网络PID控制器,使3个参数实现在线调整.仿真结果表明:基于思维进化算法-BP神经网络PID控制器要比常规PID控制在跟踪信号的能力上好,而且还具有较好的自学习和自适应性.     

带遗忘因子的ILC在桥式起重机防摆中的应用研究

在起重机防摆控制研究中,由于桥式起重机防摆控制系统是一个强耦合、非线性系统,系统的实时性能差,传统的PID控制器难以达到高精度跟踪,防摆效果并不理想。针对桥式起重机的非线性和不确定性,分析桥式起重机的动力学模型,提出带遗忘因子的PD型迭代学习控制策略,利用2个迭代学习控制器对小车的速度和负载的摆动分别进行控制。其中,迭代学习速度控制器的设计是参考一个简单的速度曲线。仿真结果证明了该方法能够提高系统的控制性能,改善系统的控制品质。与无遗忘因子的PD型迭代学习控制相比,遗忘因子算法在平滑跟踪期望曲线、抑制摆角残留方面更具优越性。     

模糊自整定PID控制器的设计与应用

针对经典PID控制器仅能在离线状态进行参数自整定的问题,在PID控制和模糊控制的基础上,设计了用于步进式加热炉温度控制系统的模糊自整定PID控制器。并用MATLAB进行仿真研究,与经典PID温度控制系统相比,此种控制器能迅速消除系统余差,同时具有PID控制器高精度的特点,又具有模糊控制器适应性强、反应迅速的优点。从而保证了此PID控制器具有预期的动静态特性。     

一种离散非线性随机系统模型的自校正控制器

给出了基于系统输出为反馈的自校正控制器算法。该算法结构是非线性的,克服了Hammerstein模型要求输入量的最高阶次为奇数的限制,且采用二分区间法来求解控制律。     

基于自适应PID控制的Buck变换器设计与实现

Buck变换器具有器件少、控制简单等优点,已被广泛应用于微处理器供电的电压模块构架中,但目前工程上的Buck电路大多采用常规PID控制器,存在着参数整定复杂,调试时间长等缺点。通过把模糊控制器与PID控制器相结合,利用模糊逻辑控制实现了PID控制器参数在线自调整。理论分析和仿真结果表明,采用自适应PID控制具有更多的优点。     

油田污废水pH值免疫优化控制研究

针对油田污废水处理过程中pH值控制不稳定、干扰强、滞后大的特点,应用免疫控制策略,增强控制过程的抗干扰能力,提高稳定性。采用RBF神经网络对控制器进行在线优化,实现了控制过程的自调节、自整定。试验比较了该方法与基于ITAE(Integral Time Absolute Error)指标优化的PID控制策略。结果表明,所提出方法在抗干扰、稳定性、跟踪响应方面具有较理想的效果。     

基于神经元的喂丝机自适应控制系统

针对喂丝机加工过程工况条件的不定性,利用神经元的自组织自学习能力,提出了一种无需对象建模,易于实现的神经元自适应速度控制系统。仿真结果表明,当系统的参数及环境变化时,相对于PID控制,该神经元控制器具有无超调、无静差、自适应及很强的鲁棒性。     

自抗扰控制在加热器水位控制中的应用

高压加热器系统用于汽轮机部分抽汽给水的加热,各加热器系统的水位是一个具有多种外部扰动的非自平衡对象,给控制系统的设计带来了难度.自抗扰控制(ADRC)是一种非线性控制器,对多数不确定系统的强干扰具有很强的鲁棒性和适应性,由跟踪微分器(TD)、扩展状态观测器(ESO)、非线性反馈(NLSEF).为了更好地控制锅炉高压加热...     

神经网络PID的液位控制系统的设计

介绍了基于神经网络理论的PID液位控制器的原理及设计,并用组态软件MCGS将普通PID和神经网络PID控制算法进行了实现.试验结果表明神经网络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.     

基子神经元的喂丝机自适应控制系统

针对喂丝机加工过程工况条件的不定性,利用神经元的自组织自学习能力,提出了一种无需对象建模,易于实现的神经元自适应速度控制系统.仿真结果表明,当系统的参数及环境变化时,相对于PID控制,该神经元控制器具有无超调、无静差、自适应及很强的鲁棒性.     

基于DRNN网络的凿岩钻臂自整定PID控制

凿岩钻臂的自动定位系统是一个耦合的2输入2输出系统,系统存在响应较慢,负荷随机变化及参数快时变的特性.固定参数PID控制难以适应系统控制要求,因此,提出一种基于回归神经网络(DRNN)的2输入2输出PID控制器结构.给出了DRNN神经网络参数学习算法和PID控制器参数自整定算法.计算机仿真结果验证了该控制策略的可行性.