无刷直流电机的模糊神经网络控制设计

在无刷直流电机(BLDCM)的控制上,传统PID等控制方法存在或多或少的不足.在模糊PID控制的基础上提出了一种模糊神经网络PI控制器的设计方法.该方法结合了模糊逻辑与神经网络,使得模糊控制器模拟了人的控制功能,不仅对环境变化有较强的适应能力,还拥有自学习能力.相比模糊PID控制,其具有计算量小、稳定性强等特点.对BLDCM进行建模与分析;在BLDCM数学模型的基础上,分别设计模糊PID控制器和模糊神经网络PI控制器;对设计的控制器进行仿真验证并分析.实验结果表明,模糊神经网络PI控制具有跟踪性能好、超调小、响应快、脉动小等优点,其动静态特性均优于模糊PID控制.     

基于模糊PID控制的Cuk变换器研究

将传统的PID摔制应用于cuk变换器的控制中,由于输出电压与占空比之间的非线性关系,当变换器工作在占空比较大的工作点时,输出电压会出现比较明显的超调和振荡现象。本文将模糊控制与PID控制相结合,通过设计两个模糊控制器,分别用于整定PID参数和调节PID控制器的输出,从而减小了变换器在大占空比时的超调和振荡,并且提高了变换器的动态性能。通过MATLAB／SIMULINK进行了建模与仿真,仿真结果表明,与传统PID控制相比,模糊PID控制具有比较理想的性能,同时对于输入电压与负载的变化也具有一定的鲁棒性。     

一种改进的双转式永磁无刷直流电动机PSO优化控制方法

研究了使用改进的PSO(Particle swarm optimization,粒子群优化)算法与PID控制器相结合实现对双转式永磁无刷直流电动机(PMBLDCM)进行控制的方法;针对传统PID调节器控制精度不高和鲁棒性差的缺点,提出了一种结合PSO优化算法和传统PID控制的新控制器;首先建立PMBLDCM的动力学模型,通过引入改进的PSO优化算法,提出了一种使用PSO优化PID控制器参数的模型,并定义了使用PSO优化PID控制器3个比例参数的具体算法;最后,使用Matlab/Simulink对PMBLDCM控制实例进行了仿真;空载和负载两种情况下的仿真结果表明:新的控制方法克服了PID控制器的不足,具有控制精度高、响应速度快、速度跟随准确等优点。     

基于ISSA-Fuzzy-PID算法的无刷直流电机调速控制系统

为了使无刷直流电机(BLDCM)从复杂多变的非线性关系中找出最佳PID参数,提出了一种基于改进麻雀算法(ISSA)优化模糊(fuzzy)控制的调速系统。根据BLDCM工作原理及控制方法在MATLAB平台上搭建仿真模型并加入反向学习策略初始化麻雀种群,形成非线性时变控制系统,并将该优化系统与传统PID以及模糊PID(fuzzy-PID)控制系统进行对比分析。仿真结果表明,基于ISSA-Fuzzy-PID的调速控制系统有较快的动态响应,有效增强了BLDCM转速控制的精度和鲁棒性。     

模糊预补偿PID控制

利用模糊控制理论的非线性特性，在工业过程控制中将其与PID控制结合，能改善常规PID控制器的控制性能。给出了一种基于模糊逻辑规则作为预补偿机制的PID控制。采用模糊推理和改进Z—N方法结合的方法。通过使用模糊逻辑规则作为预补偿器调整控制信号。校正PID控制器产生的较大超调，以达到改善PID控制器控制性能的目的。经仿真证明。该方法可克服传统Z—N方法产生的过大超调和较长调整时间的不足，同时又保持较好的抗负荷扰动能力和鲁棒性。     

基于微粒群算法的PID控制器优化研究

研究PID控制器性能优化中,由于被控对象具有高阶、非线性等特点,而在工业生产过程中,传统的PID参数整定方法易出现超调和震荡问题,使系统响应特性差。为改善系统性能,提出一种改进粒子群算法的智能优化策略,将PID控制器参数作为粒子群中的粒子,以控制误差时间积分函数作为优化目标,进行PID控制参数的并行优化。利用MATLAB仿真软件进行仿真,并通过与传统整定方法(Z-N法)进行比较。结果表明,粒子群的PID参数整定法可提高控制器性能,并能够实现目标的最优整定,为PID控制器性能优化提供依据。     

基于分段积分的PID控制方法的研究

针对PID控制过程中,积分环节引起较大超调和振荡而影响系统性能的问题,提出一种基于分段积分的PID控制方法,并通过matlab进行仿真分析。结果表明,该方法实现了积分环节的消除静态误差的作用,且降低了积分饱和产生的影响,控制效果优于传统的PID控制。该方法可以应用在模型不确定等复杂条件下的控制系统中。     

变论域模糊控制的无刷直流电机控制系统

为了改善无刷直流电机(BLDCM)的调速性能,研究了基于变论域思想的自适应模糊PID控制器及其在BLDCM控制系统中的应用,变论域自适应模糊控制对模型无精确要求、速度快、精度高、鲁棒性好、适应性强.详细分析了BLDCM电机模型的建立、控制结构设计、伸缩因子的选择等,给出了具体的控制算法设计,并在Matlab仿真平台下,构建了BLDCM的电流、转速双闭环控制的仿真系统,其中,转速环采用了变论域自适应模糊PID控制器.仿真结果表明,与常规PlD控制和普通模糊PID控制相比,采用变论域自适应模糊PID控制时,转速输出无超调,响应速度快.转矩脉动小,控制精度高,为无刷直流电机在军事、办公设备、家电等需要快速、高精度控制、抗扰能力强的场合的应用提供了一种有效的解决方案.     

基于区间二型模糊控制器的主蒸汽温度串级控制系统仿真

针对传统PID控制火电厂主蒸汽温度效果不佳的问题,提出了一种基于区间二型模糊控制器的主蒸汽温度串级控制系统。该系统中的内回路采用比例控制器,外回路采用区间二型模糊控制器,分别进行单位阶跃输入和减温水扰动的仿真。仿真结果表明,本文提出的控制方法能够降低系统超调和稳态时间。当系统存在减温水扰动时,能够提高响应速度,快速达到稳态值。     

基于模糊PID控制的永磁同步电机矢量控制研究

为了提高永磁同步电机的控制性能和抗干扰能力,针对传统PID控制性能效率不高,以及对工作环境变化的适应性差等问题,通过对比研究传统PID控制和模糊PID控制两者的控制性能,提出了一种基于模糊PID控制的智能控制方法。在Matlab/Simulink环境下搭建仿真模型并进行仿真实验,对传统PID控制和模糊PID控制对永磁同步电机控制效果进行对比。实验结果表明,模糊PID控制器相对于传统的PID控制器超调量小、调节时间短,具有更强的可靠性。     

一种神经网络自适应PID控制器

应用人工神经网络的原理,设计了一种神经网络的职能PID控制器。仿真结果表明,此PID控制器对非线性时不变系统有比传统的PID好的控制效果。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,控制效果明显提高。     

基于人工神经网络的水洞试验装置的PID自动控制系统

在水洞试验中，通过水泵及收缩段的形状控制水洞的运行过程，以保证水洞的稳定运行，并保证所进行的各种试验的质量。PID调节是最常见的一种。文章给出了一种基于人工神经网络实现自学习PID控制方法。利用该方法可以较好地实现水洞的控制。     

神经网络PID在温度控制系统中的研究与仿真

本文提出一种基于BP神经网络的新型智能PID控制方法和一些BP神经网络的基本概念。同传统的PID控制相比较．神经网络智能PID控制有许多优点。把BP神经网络的PID控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。     

无刷直流电机模糊PID控制系统研究与仿真

针对传统PID控制方法在对无刷直流电动机进行控制时精度低、抗干扰能力差等缺点,提出了一种参数自适应模糊PID控制方法。首先建立了无刷直流电机的动态数学模型,并对其转速进行模糊PID控制。介绍了模糊PID控制器的设计方法,应用MATLAB实现了系统设计和仿真。最后对PID控制和模糊PID控制的仿真结果进行对比分析,结果表明:模糊PID控制方法使无刷直流电机控制系统具有更好的动、静态性能和抗干扰能力。     

基于PID型Adaline网络的升降台控制方法

针对传统PID控制方法在剪叉升降台的非线性时变系统中表现出一定的局限性,通过分析升降台剪叉机构的运动模型后,结合神经网络控制技术,把Adaline网络应用在舞台升降台控制系统的PID控制中,构造PID型Adaline网络参数自整定控制器,MATLAB仿真结果表明,该算法简单实用,能保证升降台速度均匀稳定,准确定位。     

基于队列长度和速率的拥塞控制神经网络方法

文中研究了网络拥塞控制问题。PID控制器是实现网络拥塞控制非常有效的方法,能够实现对网络的主动队列管理。文中根据队列长度和变化速率,利用神经网络实现传统的比例微分积分器（PID）功能,从而提出了基于队列长度和速率的拥塞控制神经网络方法（RSPID）。该方法利用神经网络的加权动量梯度学习算法,自动调节控制参数,克服了传统PID控制方法由于控制器参数固定带来的适应性和稳定性问题。仿真结果表明,RSPID算法的鲁棒性和队列长度性能要优于PID算法。     

人工智能的新发展:人工神经网络及其应用

文章从人工智能的角度阐述了一种快速收敛的ＰＩＤ神经网络控制模型,其模型的网络结构简单,学习收敛速度快,初值选取方便,把ＰＩＤ神经网络应用于延迟系统,取得了理想的控制效果。此模型的应用充分体现了人工智能的特点。     

一种无刷直流电机转子位置检测方法的研究

位置检测和换相准确与否,对无刷直流电机的运行有非常关键的影响。通过分析无刷直流电机间接位置检测原理,本文提出了一种新的方法来实现转子位置的检测。该方法构建一个以相磁通和相电流为输入,转子位置为输出的小波神经网络模型,并采用遗传算法来训练网络参数。经仿真验证该模型能有效地控制电机换相。