基于神经网络移动机器人PID控制

针对移动机器人电机模型实质的非线性，为满足其精确的运动要求和技术性能，采用动态反传算法训练BP网络以辨识直流电动机的逆模型。将这一训练后的网络输出作为神经PID控制器输入不断调整其P，I，D参数，进而调整控制器输出电压以控制系统跟踪位置或速度指令。该算法简单、计算量小、适于实时控制。实验结果表明了该方法的有效性。     

基于BP神经网络整定的PID控制

为了改善传统PID控制器的控制效果，采用BP神经网络对PID参数进行自整定，并对该系统进行了仿真分析。仿真结果表明，采用BP神经网络整定的PID控制器具有良好的控制品质。     

基于神经网络的自校正PID控制研究

传统的比例积分微分（PID）控制器具有一定的局限性，尤其是当被控对象含有非线性、不确定性和时变特性时，常规的PID控制器往往难以发挥作用，甚至会失稳。利用神经网络进行复杂过程的PID控制很好地解决了上述问题，通过神经元的自学习能力来自适应调整权系数，利用BP算法最小化输出误差，大大提高了控制器的鲁棒性。     

用PID梯度算法训练基于神经网络的广义非线性PID控制器

将梯度优化过程看作反馈控制系统,从而提出了一种带运量项的PID梯度算法（PIDGDM）。进一步讨论了该算法的收敛特性,提出了一种非线性PID控制器以对付一些非线性控制问题。神经网络被用于实现该非线性PID控制器。PIDGDM算法被用于训练所提出的神经网络非线性PID控制器。最后,给出了有关方法应用于两个化工过程的仿真研究结果。     

基于改进遗传算法寻优的神经网络PID控制及应用

根据神经网络PID控制器初值的选取影响系统控制性能的特点,提出了一种基于改进遗传算法寻优的神经网络PID控制方法.即先利用遗传算法对PID控制器参数离线寻优,将求出的参数值作为控制器的比例、积分、微分系数的初值,再进行神经网络PID控制.对一类液位过程的实时控制结果表明采用本方法的控制系统具有较好的稳定性和鲁棒性.     

基于神经网络PID控制的变频恒压供水系统

针对目前变频恒压供水系统中控制对象非线性和时变性的特点,提出一种基于BP神经网络的PID控制方案。通过BP神经网络的自学习和权值调整,进而获得最优控制性能的PID控制参数。仿真结果表明,与经典PID控制方法相比,该方法提高了系统的控制精度,具有较好的鲁棒性和自适应性,使得系统输出水压恒定,且具有节能效果。     

基于神经网络PID控制的柔性微机器人系统

根据尺蠖蠕动的原理,研制了一种三自由度微型机器人内窥镜诊疗系统;该机器人由空气压橡胶驱动器驱动,通过两个气囊钳位．建立了机器人的动态模型．基于BP神经网络PID控制策略,设计了电—气脉宽调制伺服系统控制机器人的移动．用系统输出的预测值来代替实测值,计算权系数的修正量,实时改变控制参数以提高控制效果．软件仿真和实验结果都证实该方法弥补了传统PID控制方法的不足,显著改善了系统的静动态特性,是一种理想的气动微型蠕动机器人控制方法．     

基于优化BP神经网络的PID控制器研究

提出了一种新型的基于优化BP神经网络结构的PID控制器（PID－NNC），该控制器将神经网络和PID控制规律融为一体，既具有神经网络自学习，自适应及逼近任意函数的能力，又具有常规PID控制器结构简单，可靠性高的特点，且控制器的算法采用的是优化的BP算法，可以避免网络陷入局部极小点，也可以加快网络的训练速度，所以该控制器可以对具有非线性，时变性和不确定性等复杂系统实行控制。利用MATLAB软件对非线性系统进行了仿真研究，其仿真结果表明该控制器具有很好的控制效果。     

基于PCC的神经网络PID控制器设计

提出了一种基于可编程计算机控制器（PCC）的神经网络PID控制器,以PCC为硬件,利用神经网络逼近任意非线性函数的功能,实现了PID控制算法中三个参数Kp、Ki、Kd的在线调整。并利用神经网络模型对被控对象的输出值进行预测,根据预测值对神经网络各层中的加权系数进行在线修正,同时引入了带死区的控制算法。该设计方案具有调节速度快、适应能力强、可靠性高等优点。实验结果表明,该控制器具有强抗扰、响应快、鲁棒性好等特点。     

神经网络PID控制在恒温恒液位系统中的应用

本文讨论了基于神经网络理论的PID控制，并将其应用于恒温恒液位控制系统，利用神经网络的自学习能力在线整定控制器参数。试验结果表明神经网络PID控制器具有较高的工和较强的适就生，可以获得满意的控制效果。     

基于单神经元PID的航空发动机解耦控制

将神经网络应用到PID控制器的参数整定过程中,提出了一种基于改进单神经元PID的航空发动机解耦控制方法,通过在航空涡扇发动机多变量控制系统中的应用,得出了实际的仿真结果及结论。仿真结果表明,该改进单神经元PID解耦控制方法与传统的PID多变量解耦相比,具有响应速度快,自适应能力强,抗干扰能力强,实现简单的优点,因而可以广泛的应用于非线性系统的解耦控制中。     

进化神经网络PID控制器的研究与应用

提出一种基于进化神经网络的PID控制器设计方法.该控制器主要由3部分组成,第1部分应用神经网络根据控制对象的输入、输出在线调整PID控制器参数.第2部分利用进化算法根据性能指标对神经网络控制器参数进行优化,找出最优的神经网络初始权系数和比例系数.第3部分是传统PID控制器.把该控制器温度控制的仿真对照结果表明,这种控制算法具有结构简单、鲁棒适应性强、进化性能良好的特点.同时还提出一种以快速响应为目标的改进方案.     

Simulation of football based on PID controller and BP neural network

Wheel robot soccer speed control system using a ball object detection method and PID controller. A control system is based on the object detection system's behavior based on the robot position's orientation to the target position. PIDs are instruments, pressure, speed, and other operational factors used in control, temperature adjustment flow, and industrial control applications. The PID controller uses control loop feedback dynamics to control functional variables and is the most accurate and stable controller. The robot position is held by placing the ball vertically. When the robot's work is perpendicular to the ball, the robot moves with a certain speed controlled by the PIT controller based on the robot's distance and the ball. Standard conditions (standard ball) test results show that the robot can detect the ball material while in the vertical position, whether on the robot's right or left. In the random test that changes direction, the robot can move more dynamically as the ball's change in place.     

基于MPSO算法的BP神经网络PID控制器研究

PID控制器是过程控制中应用最为广泛的控制器,而传统PID控制器参数整定难以达到最优状态,同时,存在控制结果超调量过大、调节时间偏长等缺点,因此,将变异粒子群优化算法(Mutation Particle Swarm Optimization,MPSO)运用于BP-PID的参数整定过程中,设计了一种高效、稳定的自适应控制器。考虑MPSO的变异机制,以种群适应度方差与种群最优适应度值为标准,进行种群变异操作,可以克服早熟,提高收敛精度和PSO的全局搜索能力,使MPSO优化的BP神经网络整定的PID控制器能以更快的速度、更高的精度完成过程控制操作。在实验中,通过比较BP-PID、PSOBP-PID以及MPSO-BP-PID三控制器仿真结果,证明了所提MPSO算法的有效性和所设计MPSOBP-PID控制器的优越性。     

基于神经网络辨识的电弧炉电极系统的自整定PID控制

基于具有电弧炉电极系统的非线性时变特性,设计了一种基于神经网络的参数自整定PID控制器。该控制器采用三个基于最近邻聚类方法的RBF神经网络快速学习算法,通过实时在线辨识,建立被控系统的精确模型并得到精确的Jacobian信息分别提供给三个BP神经网络,从而实现了三相耦合系统的精确控制,仿真结果证明了这种方法的可行性和有效性。     

基于BP神经网络PID控制的BLDCM调速系统

在分析无刷直流电机(BLDCM)数学模型的基础上,采用改进型BP神经网络与传统PID相结合作为速度控制器,应用于无刷直流电机调速系统中。在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制。仿真研究表明,应用这种新型控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度。     

基于DSP的混沌BP神经网络的实现

文中介绍了一种将混沌和BP神经网络结合起来的算法,以解决由于采用梯度算法使得标准BP神经网络存在易陷入局部极小值的问题。并提出一种利用TI公司的TMS320C5410芯片实现混沌BP神经网络算法的软硬件方案。该方案具有运算能力强、实时性好的特点。     

Research on the controller of an arc welding process based on a PID neural network

A controller based on a PID neural network （PIDNN） is proposed for an arc welding power source whose output characteristic in responding to a given value is quickly and intelligently controlled in the welding process. The new method syncretizes the PID control strategy and neural network to control the welding process intelligently, so it has the merit of PID control rules and the trait of better information disposal ability of the neural network. The results of simulation show that the controller has the properties of quick response, low overshoot, quick convergence and good stable accuracy, which meet the requirements for control of the welding process.     

基于RBF神经网络整定的高速公路匝道PID控制器

研究RBF神经网络整定PID控制器的参数,并应用到高速公路入口匝道控制中。首先阐述了入口匝道控制原理,然后建立了高速公路交通流模型,并设计了RBF神经网络整定的高速公路匝道PID控制器,RBF神经网络通过对被控对象Jacobian信息的辨识来动态调节PID控制器的参数,最后用MATLAB软件进行系统仿真。仿真结果表明,该控制器具有优越的动态和稳态性能,用于高速公路入口匝道控制中效果良好。