纸浆浓度的自适应模糊调整神经元控制

针对纸浆浓度控制,研究了单神经元自适应PID控制器的实现算法和自学习规律,采用模糊集理论对单神经元学习速率进行动态调整。计算实例表明该控制器应用于纸浆浓度控制比PID调节器和普通神经元控制器应当具有较好的控制品质。     

基于单神经元的液压挖掘机自适应PID节能控制

在分析单神经元PID特性的基础上,设计了基于单神经元的液压挖掘机自适应PID节能控制器。该控制器通过神经元的自学习,对传统PID控制器的比例、积分、微分系数进行在线调整,实现了挖掘机功率匹配自适应控制。仿真结果显示单神经元PID自适应控制器具有较强的鲁棒性。     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力，它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数，使控制器能够适应受控对象结构的参数以及环境的变化。因此采用单神经元构成自适应PID控制器，将神经元与PID控制结合，对PID参数进行在线寻优、自校正，使PID控制能有效地对付一些较复杂非线性被控对象，特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力，采用动态自适应神经元（APE）对非线性系统进行预测，即用神经元建立起非线性系统的预测模型，预测系统的未来输出，从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明，这种自适应控制方案切实可行，其控制品质明显优于常规PID控制，且具有较强的鲁棒性，达到了良好的控制效果。     

单神经元-PID算法在磁轴承系统的研究

常规PID控制器参数往往整定不良，性能欠佳，对磁轴承系统运行工况的适应性很差。而由具有自学习和自适应能力的单神经元构成的单神经元自适应PID控制器，不但结构简单，而且能适应环境变化，具有较强的鲁棒性。将神经网络控制思想引入磁轴承系统中，提出了适合于磁轴承单自由度控制的单神经元-PID算法，通过实验探讨了其控制效果，并与传统PID算法控制效果作了比较。     

直流调速系统单神经元自适应速度控制方法

针对直流调速系统，将单神经元自适应PID控制器与负载观测器有机结合，提出了一种基于单神经元的自适应速度控制方法．仿真结果表明，该法不仅结构简单、易于实现，而且克服了单神经元自适应PID控制器抗负载扰动能力不足的缺点，在电机参数变化和负载突变时都具有较好的控制性能．     

神经元PID在FA467粗纱机速度控制中的应用

FA467粗纱机控制系统属于大惯量、非线性时变系统，采用传统的PID和通常的自适应控制都不能满足本系统的要求。本文在吸收传统PID控制器简单易懂，不需精确的系统模型优点的基础上，采用一种基于神经网络与PID控制相结合的神经元PID速度控制方法。利用单神经元的自学习、自适应特性，在线改变增益权值，代替传统的PID固定增益，以提高跟踪性能和响应速度。实验证实，该方法大大减少了粗纱机故障几率。     

基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力 ,它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数 ,使控制器能够适应受控对象结构参数以及环境的变化。因此采用单神经元构成自适应PID控制器 ,将神经元与PID控制结合 ,对PID参数进行在线寻优、自校正 ,使PID控制能有效地对付一些较复杂非线性被控对象 ,特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力 ,采用了动态自适应神经元 (APE)对非线性系统进行预测 ,即用神经元建立起非线性系统的预测模型 ,预测系统的未来输出 ,从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明 ,这种自适应控制方案切实可行 ,其控制品质明显优于常规PID控制 ,且具有较强的鲁棒性 ,达到了良好的控制效果。     

单神经元自适应PID控制器的实现与仿真研究

给出了单神经元自适应PID控制器的算法与控制系统仿真模型。利用单神经元PID控制器的自学习、自适应能力实现PID控制参数的自整定。并对被控对象进行了仿真研究,仿真结果表明,该控制方法与常规PID控制方法相比,具有更好的自适应性和更强的鲁棒性。     

非对称缸电液伺服系统的改良单神经元PID控制

非对称缸五阶电液伺服系统是一类典型高阶非线性、时变、增益不对称系统，由于动态特性随负载变化大，使用常规PID控制很难满足性能指标的要求，而采用BPNN原理设计成的常规单神经元PID控制器又因学习速率低，收敛速度慢，控制效果不能令人满意．经研制采用20-SIM仿真工具建立仿真模型，设计了一种改良的单神经元PID控制器，其控制的仿真结果表明，该控制器适合于此系统．     

纸浆浓度的Smith预估器神经元自适应控制

针对纸浆浓度控制系统具有大纯滞后和模型不确定的特性，提出将神经元PID控制和Smith预估控制相结合的控制策略。该控制系统既具有Smith预估补偿控制的优点又有神经元自学习、自适应的能力。仿真实验结果表明该方法可以提高系统的控制品质，证实了这种方法的可行性。     

基于二次型单神经元PID的HVDC整流控制器设计

针对传统PID控制器存在自适应性差、调节时间长的问题,设计了一种基于二次型性能指标学习算法单神经元自适应PID的HVDC系统定电流整流控制器,控制器算法通过S函数-M语言编程实现,采用12脉冲桥结构的HVDC系统整流侧定电流控制模型在MArrLAB／simulink环境下仿真,仿真结果表明,所设计的整流控制器超调量小、调节时间短、自适应能力好、控制效果良好．     

纸浆浓度的Smith预估器神经元自适应控制

针对纸浆浓度控制系统具有大纯滞后和模型不确定的特性,提出将神经元PID控制和Smith预估控制相结合的控制策略。该控制系统既具有Smith预估补偿控制的优点又有神经元自学习、自适应的能力。仿真实验结果表明该方法可以提高系统的控制品质,证实了这种方法的可行性。     

基于单神经元自适应PID的煤气混合解耦控制

针对煤气混合加压过程中混合煤气压力和热值控制问题具有强耦合、非线性和较大时滞的特点,利用单神经元自适应PID控制器具有参数自学习能力,提出一种单神经元自适应PID解耦控制方法。仿真结果证明了设计方案比传统的控制方案具有较好的动态性能,验证该方法的可行性。     

基于改进递推预测误差神经网络算法的极点配置PID控制方法

针对工业控制中系统模型参数通常未知的特点,利用改进递推预测误差算法为基础的神经网络系统参数辨识方法,设计了极点配置自校正数字PID控制器.相比于基于梯度学习算法的神经网络辨识方法和通常的PID控制器,该方法具有参数辨识结构简单、神经元权值调整可持续且计算速度快、所采用的数字PID控制器鲁棒性强等优点.最后的数值仿真结果验证了本文算法及控制方法的有效性.     

球磨机单神经元自适应PID解耦控制系统仿真

针对球磨机制粉系统的多变量、强耦合、非线性和时变性等特点,提出了球磨机自适应神经元PID解耦的控制方法.将静态解耦逆矩阵与球磨机对象串接,以解除球磨机多变量之间的耦合,再采用两个单神经元自适应PID控制器对解耦后的两变量对象进行闭环控制.仿真结果表明,该控制法相比常规的PID解耦控制法有更好的控制品质,跟踪快、鲁棒性强、解耦好,可较好地解决球磨机系统的时变性、耦合性等问题.     

静止无功补偿器的神经元生物智能电压控制仿真

为改善静止无功补偿器传统PID电压调节器的动态调节效果．增强其自适应能力,提出了一种基于神经元控制双层结构生物智能控制器的设计方法,其一级控制单元采用神经元控制,二级控制单元采用传统PID控制,神经元控制器根据实时误差动态调节PID控制器输人的给定值以提高控制效果．采用MATIAB中S—function模块并结合S一函数编程方法建立了控制器的仿真模型。然后用其替代静止无功补偿器控制系统中的P1D电压调节器．仿真结果表明：基于神经元的生物智能控制电压调节器能快速、灵活地调节电压,维持系统电压稳定．