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。     

非线性系统的PID控制器的研究与设计

研究工业过程控制,非线性系统难以建立其精确的数学模型,常规PID算法难以实现其控制.对此,将神经网络算法和PID算法结合起来,为提高性能和响应速度,设计了针对非线性系统的自适应PID控制器,PID控制器采用单神经元来实现自适应调整.分别采用了三种学习算法来实现单神经元PID控制器参数的调整,即基于二次型性能指标的学习算法、基于BP神经网络辨识的学习算法和基于RBF神经网络辨识的学习算法.三种算法的仿真结果表明,都实现了PID控制器的自适应调整的目的,实现对非线性系统的有效控制,证明三种方案的可行性.     

基于PSD算法的单神经元PID控制器在汽温控制中的应用

介绍将自适应PSD控制算法中递推计算并修正增益的方法引入单神经元PID控制，形成了具有增益自适应能力的控制器，设计了基于ISD算法的单神经元PID控制器，并应用于超临界机组过热汽温控制系统。仿真结果表明，基于PSD算法的单神经元PID控制器具有较强的自适应能力和鲁棒性，其控制品质优于常规的PID控制器和一般单神经元控制器。     

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。     

基于单神经元的PID自适应控制器的仿真研究

本文将神经网络与PID控制器相结合，设计了一种具有自适应、自学习功能的单神经元自适应PID控制器，该控制器可以实现PID参数在线调整，当控制对象参数在较大范围内改变时，该控制器表现出较强的鲁棒性。     

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。     

基于强化学习DDPG算法的轮式助行机器人控制方法

在使用轮式助行机器人辅助行走和康复训练过程中，机器人运动控制的稳定性和轨迹跟踪的准确性是人机交互的重要研究内容。本文将强化学习中的深度确定性策略梯度（DDPG）算法与比例积分微分（PID）控制器相结合，提出了一种轮式助行机器人轨迹跟踪方法。首先，对轮式助行机器人底盘的运动学模型进行了分析。其次，介绍了强化学习中的DDPG算法与PID控制器相结合的自适应PID控制器的实现原理和控制结构。最后进行了仿真实验。实验结果表明，与传统PID控制器相比，基于DDPG算法的PID控制器能在机器人系统跟踪期望轨迹时自适应调整参数，使机器人始终按照期望轨迹运动。同时，得益于强化学习的试错机制，控制器具有较强的抗干扰能力。     

神经元PID控制器及改进算法的仿真研究

针对常规PID控制器有着对过程的数学模型过于依赖的局限性,导致许多过程控制效果不理想的问题,根据人工神经元的自学习功能构造了基于神经元的PID控制器,对其学习算法加以改进。选取二阶惯性环节加纯滞后为控制对象,建立了数学模型,并进行计算机仿真及对这几种控制方法的控制效果加以比较。仿真结果表明,该控制器将神经网络和PID控制规律融为一体,既具有常规肿控制器结构简单、参数物理意义明确的优点,又具有神经网络自学习、自适应的能力,取得比常规PID控制器更好的控制品质。     

神经网络在PLC控制系统中的应用

神经网络具有自学习、自调整、自适应能力。本文介绍了由PLC控制实现的神经网络PID自适应控制器。实验表明，该技术对于提高控制精度是行之有效的。具有在调速系统中推广应用的价值。     

DC／DC变换单神经元自适应PID控制器仿真研究

为解决传统PI控制对具有时变、非线性特性的DC/DC变换器动态控制性能不佳的问题,将人工神经网络与PID控制理论相结合,为DC/DC变换器设计了一种单神经元自适应PID控制器。该控制器算法简单,通过对加权系数的在线调整来实现自适应、自学习功能,从而满足DC/DC变换器的时变及非线性特性。以BUCK型变换器为例,建立了DC/DC变换器智能控制系统的仿真模型,在不同负载及参数变化的情况下与常规PI控制效果进行对比分析,结果表明,单神经元自适应PID控制器对DC/DC变换器具有很好的控制效果和鲁棒性。     

挖掘机提升系统神经网络PID控制的研究

建立了280-B挖掘机提升系统的数学模型;针对该系统动态特性的非线性和时变性因素,提出了一种基于BP神经网络的PID控制器的设计方案,该控制器既有经典PID控制算法的特点,又有神经网络良好的自适应和抗干扰能力。Matlab仿真结果表明,基于BP神经网络的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。     

基于遗传神经网络的自适应PID控制器的设计

提出了一种基于遗传算法和神经网络的自适应PID控制器的设计方法。该控制器主要由三个部分组成:利用遗传算法优化PID参数,和RBF神经网络结合,对被控对象逼近,搜索出一组准优的初始参数;RBF神经网络完成对被控对象Jacobian信息辨识;基于单神经元的自适应PID控制器,在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。     

基于BP网络的飞轮电池电力转换控制研究

飞轮电池储能用集成电机时变非线性特点使得传统PID控制难以得到理想的控制性能,为此基于BP神经网络研究了一种新颖的飞轮电池电力转换器。该控制器结合BP神经网络自学习能力和PID控制的全局渐近稳定性能,通过神经网络在线优化调节PID参数,以实现对飞轮电池的高性能控制。其中,采用变学习速率的神经网络学习算法,学习速率随收敛过程误差的大小而自适应地进行调整,同时使用遗传算法(GA)优化得到PID参数的初始值,这可加快神经网络学习训练的收敛速度并避免陷入局部最小,进一步提高控制性能;另外,PWM采用SVPWM技术以增强能量转换效率和减小转矩脉动。数字仿真表明,基于所提出的BP-PID控制的电力转换矢量控制系统能够使飞轮电池在充放电两端都具有较快动态响应,较小超调,较高稳态精度以及较强的鲁棒性,控制效果明显比传统PID好。     

基于MATLAB的新型CMAC控制器的设计与仿真

在小脑神经网络(CMAC)与PID并行控制的基础上,提出了一种新型的CMAC控制器,即FCMAC控制器。这种把小脑神经网络与模糊控制(Fuzzy)结合起来的控制方法,具有两种控制方法的优点。本文中以某交流伺服电机作为控制对象,用MATLAB进行了仿真。仿真结果表明,FCMAC控制器具有较高的控制精度、良好的自适应特性。     

Supersonic, variable-throat, blow-down wind tunnel control using genetic algorithms, neural networks, and gain scheduled PID

In this paper the design and application of a control algorithm is discussed to control the test conditions within plenum chamber and the test section of a supersonic blow-down, variable throat wind tunnel at the University of Alabama. The artificially intelligent controller algorithm was designed using a gain scheduled Proportional-Integral-Differential (PID) control approach. The PID controller was augmented to work with time variant properties of the control problem by determining a functional form of the integral term of the controller from the governing equations of the tunnel. The controller was optimized using genetic algorithms (GA) on a neural network (NN) model of the tunnel and was compared to a conventional PID controller using the same NN model. The process was repeated for different throat settings to find the control gains for each setting. The controller algorithm was next applied to the actual wind tunnel at different throat settings and the results were compared. The optimized controller is proven to work very well at every throat setting.     

神经元PID控制器在两轮机器人控制中的应用

针对两轮机器人传统PID控制器参数整定困难的问题,设计了一种神经元PID控制器.该控制器利用神经元的自学习和自适应能力,在线实时调整控制器各项参数.建立了两轮机器人的非线性模型,讨论了神经元PID控制系统的结构及其控制算法和各项控制器参数的学习算法.将设计的控制器其应用于两轮机器人的平衡控制中,并且与传统PID控制器进...     

料筒温度RBF神经网络PID控制器设计及仿真

针对PID控制器具有参数整定不良、性能欠佳、温度控制精度较低,无法满足当今高精密挤出成型加工需要的问题,设计了一种基于RBF神经网络的PID控制器,该控制器将神经网络能无限地逼近非线性系统、运算量小、收敛快的优点和PID控制技术有机地结合起来,获得较高的温度控制精度。仿真结果表明,神经网络PID控制器能有效地缩短过渡过程时间,具有很好的稳定性和快速响应性,比普通PID控制具有更好的控制效果,可改善料筒温控系统的动、静态性能。     

基于RBF的神经网络的模糊控制在交流调速中的应用研究

针对现代的交流调速系统中存在的问题，充分利用神经网络的自学习自适应能力和快速计算能力，提出了一种用RBF神经网络来实现的具有在线自调整功能的模糊控制方案，并给出了把神经网络和模糊控制器相结合的基本设计方法。通过仿真实验表明，该控制方案与传统的PID控制相比，具有鲁棒性强、恢复时间断和超调量小等特点。     

ANN based self tuned PID like adaptive controller design for high performance PMSM position control

Proportional-integral-derivative (PID) being the most simple and the widely deployed controller in the industrial drives is not quite amenable to the solution for high performance drives as these drives are subjected to the parametric uncertainty, unmodeled dynamics and variable load conditions during operation. In order to expand the robustness and adaptive capabilities of conventional PID controller, a neural network based PID (NNPID) like controller which is tuned when the controller is operating in an on line mode for high performance permanent magnet synchronous motor (PMSM) position control is proposed in this paper. The NN based PID like controller is composed of a mixed locally recurrent neural network and contains at most three hidden nodes which form a PID like structure. A novel training algorithm for the PID controller gain initialization based upon the minimum norm least square solution is proposed. An on line sequential training algorithm based on recursive least square is then derived to update controller gains in an on line manner. The proposed controller is not only easy to implement but also requires least number of parameters to be tuned prior to the implementation. The performance of the proposed controller is evaluated in the presence of parametric uncertainties and load disturbances also the result outcomes are compared with the conventional PID controller, optimized using Cuckoo search based optimization method.