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。     

永磁直线同步电动机模型参考自适应神经元速度控制的仿真

针对永磁直线同步电动机的矢量控制系统,提出了一种模型参考自适应的增益模糊自整定神经元速度控制器。仿真结果表明当突加负载扰动或参数突变时,模型参考自适应的增益模糊自整定神经元速度控制具有响应快、鲁棒性强、较好的动、静态特性等优点。     

空气重介流化床分选过程解耦控制研究

针对空气重介流化床干法分选系统具有多变量、非线性、强耦合和参数不确定性的特点,提出了两级串联结构的自适应模糊神经网络解耦控制策略,前级为基于连续性智能权函数规则的自调整模糊控制器,后级为基于动态耦合特性的自适应神经元解耦控制器。     

基于单神经元PID控制的电液比例调高系统研究

以采煤机电液比例阀控缸位置控制系统为研究对象,建立了电液比例阀控缸位置控制系统的数学模型,利用单神经元与PID相互结合的控制方法,在simulink中设计单神经元的采煤机电液比例阀控缸位置控制系统自适应PID控制器,在有负载扰动下进行仿真,并对突变负载扰动时常规PID控制和基于单神经元PID控制进行阶跃响应对比。仿真结果显示单神经元自适应PID控制器比常规PID控制系统具有较强的鲁棒性、自适应性,对采煤机电液比例调高控制能够达到自适应控制。     

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。     

地下采矿方法合理识别的人工神经网络模型

本文应用人工神经元网络系统理论，从多年矿山工程实践积累的大量工程实例入手，通过自学习和非线性动态处理建立各种影响因素与采矿方法之间的非线性映射．利用这个非线性映射自适应地进行模式匹配，识别出与该矿矿床地质特征相适应的采矿方法。     

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。     

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。     

基于DSP的矿井排水系统控制策略研究

针对煤矿井下排水系统存在的非线性、参数时变、处理器运算能力相对较弱等问题,构建出基于数字信号处理器(DSP)的煤矿井下排水监控系统,提出一种带有前馈PD(比例和微分)补偿的单神经元自适应PID控制算法。在Simulink中建立算法的仿真模型,并与常规控制算法进行仿真对比分析,搭建排水系统的实验平台验证算法实际应用效果。仿真和实际应用结果表明,带前馈的单神经元自适应PID算法具有调节时间短、自适应性好、抗干扰能力强等显著优点,能有效提高煤矿井下排水监控系统的工作效率。     

无刷直流电动机单神经元自适应PID控制系统仿真

设计单神经元自适应PID控制器,实现在线调整PID参数,克服电机参数非线性和易变的影响,达到快速控制的目的。并在Matlab/Simulink环境下研究控制系统。仿真结果表明:控制器自适应能力好,鲁棒性强,具有比单纯PID控制更好的系统静态和动态特性。