第四代蓖冷机刮板速度控制器设计

针对篦冷机刮板速度控制的高要求,为简化免疫单神经元PID控制器中人工免疫反馈的参数选择,从改变PID控制器结构的角度出发,将改进的积分分离和不完全微分PID与人工免疫调节增益的单神经元算法结合构成新的控制器.利用Matlab仿真软件对该控制器在篦冷机刮板速度控制中的应用进行仿真分析.结果表明,这种新的控制器学习速度快,动态响应时间短,具有较强的自适应性和鲁棒性,其控制性能优于免疫单神经元传统PID控制器.     

基于联合仿真的液压伺服系统优化控制研究

利用AMESim和Matlab/Simulink的各自优势,建立了一个液压伺服系统的联合仿真模型,采用自适应混合遗传算法对PID控制器的参数进行优化,自适应混合遗传算法即克服了遗传算法经常出现"早熟"收敛的现象,又克服了模拟退火算法对参数的苛刻要求.仿真实验表明:自适应混合遗传算法能提高寻优速度及寻优精度,整定的PID参数一致性好,能提高液压伺服系统的控制精度和速度.     

基于单神经元PID自适应的液压型风力发电机组恒转速控制

以新型液压型风力发电机组为研究对象,针对风速随机变化引起变量马达转速恒定困难的问题,提出一种基于单神经元PID自适应控制的方法,深入研究单神经元PID自适应控制器参数对变量马达恒转速控制性能的影响。利用AMESim仿真软件建立定量泵-变量马达液压模型,联合MATLAB/Simulink仿真软件进行了仿真研究。仿真结果表明:相比于经典的PID控制方法,单神经元PID自适应控制方法对变量马达恒转速控制具有良好的效果,增强了系统的抗扰动能力,提高了变量马达恒转速输出精度。     

电液位置伺服系统的单神经元PSD控制研究

研究了单神经元PSD控制器的一般结构，探讨了自适应PSD算法和改进的神经元学习规则，在SIMULINK环境下，针对实际的电液位置伺服系统进行了动态仿真，结果表明单神经元PSD控制器能使系统得到较好的控制效果。     

基于改进蚁群算法的单神经元PID控制在数控精校机电液伺服系统中的应用

数控精校机电液伺服系统是一个参数变化比较大的非线性系统,常规的PID控制效果难以让人满意.采用单神经元PID控制器,在线调整权值,增强了对非线性系统的调节控制功能,然而参数的选择非常重要.文章提出一种改进的连续蚁群算法,用于优化单神经元PID控制器的参数,并用于精校机电液伺服系统,通过MATLAB仿真结果可得系统的阶跃响应,证明该算法比一般的蚁群算法精度更高,收敛更快,同时体现了该蚁群算法在实际应用中的实用性.     

基于单神经元自适应PID的精确流量控制

针对某流量标定系统中的精确流量控制问题,对流量对象的动态特性和稳态特性进行实验研究,分析了影响流量控制精度的原因.给出了一种基于改进单神经元自适应PID控制算法的精确流量控制方案.改进算法采用当前时刻之前的所有输出误差和控制增量加权平方和构成新的目标函数,利用牛顿法推导了采用新的目标函数的单神经元自适应PID控制算法的计算公式,并给出了K的自调整策略.对流量对象的控制实验表明,基于改进单神经元自适应PID控制算法的流量控制的动态性能和稳态性能可以达到流量标定的精度要求.     

基于PSD算法的神经元PID多电机同步控制

神经元PID控制器虽然具有自学习和自调整能力,但其增益K不具备这种能力。而增益K对多电机同步控制系统又有着十分显著的影响。为解决这一问题,将自适应PSD控制算法应用于神经元PID控制器中,形成增益K的自适应算法,解决了传统神经元PID控制器增益K无法实时在线调整的缺点,提高了传统神经元PID控制器的自学习和自调整能力。应用MATLAB7.0分别搭建常规PID、神经元PID和基于PSD算法的神经元PID的3种多电机同步控制系统模型,进行仿真比较。仿真结果表明：基于PSD算法的神经元PID多电机同步控制系统具有更好的自适应性和鲁棒性,实现了提高多电机同步控制系统控制精度的目的。     

基于遗传算法的位置PID控制器在旋转TIG焊接系统中的应用

设计了一种基于遗传算法的参数整定PID控制器,该控制器首先将PID参数整定转化为求解优化问题,进而应用遗传算法求出优化问题的解。将该种控制器应用在基于旋转电弧传感器的TIG焊焊接系统中,为了加快搜寻速度,提高求得最优解的概率,对选取和淘汰策略方面进行了改进。试验表明,基于遗传算法的参数整定PID控制器改善了TIG焊的实时跟踪性能,提高了焊接质量。     

一种新型全液压矫直机多神经元PID伺服控制器设计与研究

针对当前普遍常用的BP神经网络算法的缺陷,即反传算法复杂,收敛速度慢,在解决一些复杂多变非线性及系统多耦合问题时,网络权值收敛局部极小点,导致网络训练失败,反传算法权值迭代出现畸形变化问题。虽然神经网络控制器在软件仿真中运行结果都能满足要求,但是在实际的现场工程应用中很难适应复杂工业现场所要求的控制快速性和及时性。针对以上缺陷,提出了一种新型的多神经元PID神经网络算法,其原理是通过简化PID神经元网络控制器,改善其权值初始化来达到新型多神经元PID控制器控制过程的快速性和响应的及时性,将其应用到全液压矫直机四缸伺服控制器。通过将传统神经元网络控制器和文中所研究的新型多神经元PID控制器位移响应曲线对比分析,该新型多神经元PID伺服控制器具有反传算法大为简化、收敛速度快、网络权值灵活性好、实时性等优点,为多神经元PID控制器的工程化应用提供了理论支持。     

基于遗传算法-BP神经网络的PID控制器的设计

针对常规PID控制器不能对其参数进行自寻优的缺点,提出采用遗传算法优化BP神经网络PID控制器,使3个参数实现在线调整.并通过MATLAB仿真试验表明:基于遗传算法-BP神经网络的PID控制器比常规PID控制跟踪信号的能力要好,而且有较好的自适应和自学习能力.     

冷轧卷取机张力自适应控制器的研制

针对现有的张力控制器采有PID参数调整,在工艺参数变化时,引起张力波动问题,研制了基于单片机和神经网络的PID参数自适应算法的张力控制器。通过Matlab软件进行仿真,验证了张力自适应控制技术能够有效消除系统张力误差。     

神经网络PID控制的液压驱动主动升沉补偿预测控制研究

为了提高船舶在海面上作业时补偿精度,采用BP神经网络PID控制方法,并对船舶升沉运动输出误差进行仿真。建立船舶主动升沉补偿系统简图,分析船舶升沉运动工作原理,给出液压缸驱动传递函数。引用BP神经网络算法,采用梯度下降法对BP神经网络加权值进行修正,通过学习速率来补偿控制系统输出误差,从而实现PID控制器参数在线调节。在受到不同负载影响状况下,采用MATLAB软件对船舶升沉运动补偿精度进行仿真,并且与PID控制补偿精度进行对比。结果表明:采用PID控制器,船舶升沉运动输出误差较大,控制系统反应速度较慢;而采用BP神经网络PID控制器,船舶升沉运动输出误差较小,控制系统反应速度较快,同时,随着负载质量的增加,输出误差就会增大。采用BP神经网络PID控制系统,响应速度快,补偿精度高,提高了船舶在海面上作业定位精度。     

基于CAPSO-RBF的磁悬浮系统控制研究

为解决传统控制器磁悬浮球系统快速性和稳定性易受干扰等问题,建立云自适应粒子群优化(CAPSO)的RBF神经网络监督控制器。通过RBF神经网络学习整定PD控制器的输出后采用云自适应粒子群算法对RBF网络的3个参数进行归一动态优化。采用原有RBF神经网络梯度下降法、粒子群算法、云自适应粒子群算法分别训练后进行对比控制仿真。结果表明：基于CAPSO-RBF的混合控制算法实现了磁悬浮球系统自适应控制,其动态性能和稳态性方面有较好的提升。     

神经网络在电液位置伺服系统中的应用

设计了基于BP神经网络的自适应PID控制器，该控制器充分利用了经典PID控制算法简单的特点，又利用了神经网络良好的自适应和抗干扰能力，通过神经网络的学习和对系统的在线辨识，自适应调整PID参数，使控制系统对参数变化表现出良好的鲁棒性和控制性能，并通过仿真证明了所设计系统的合理性。     

改进PSO算法优化交流伺服系统PID参数研究

伺服系统PID控制参数的优化整定对系统可靠性和稳定性有着重要意义,而传统整定方式下参数优化整定时间较长、效果不佳、反应较慢。为了解决以上问题,提出一种优化交流伺服系统参数的控制方法。基于改进PSO算法实现惯性权重和学习因子随迭代次数的改变自适应调整,引入适应度函数快速优化整定PID控制器参数。利用MATLAB分别对基于遗传算法(GA)、量子遗传算法(QGA)、粒子群算法(PSO)的伺服系统PID参数整定进行仿真实验及对比分析。通过实验测试基于改进PSO算法和GA算法的PID控制器对伺服系统稳定性的影响。结果表明:利用改进PSO算法对PID参数进行优化整定,使得伺服系统具有鲁棒性强、稳定性高、超调量小等优点。     

移动机器人神经网络补偿计算力矩控制

针对存在动力学不确定建模项、建模误差及外界干扰的移动机器人,设计RBF神经网络补偿计算力矩控制算法。基于反步法设计运动学辅助速度控制率。根据动力学理想名义模型,基于计算力矩法设计一般的力矩控制器。在此基础上,建立具有不确定建模项、建模误差及外界干扰的移动机器人动力学模型,基于计算力矩法设计带有RBF神经网络补偿的力矩控制器,神经网络的权值由自适应律给出。最后,利用Lyapunov理论证明了系统的稳定性。仿真结果表明：神经网络对系统不确定项具有良好的逼近性能,相比于一般的计算力矩控制,所提出的神经网络补偿计算力矩控制算法具有更好的跟踪性能,控制系统具有更好的鲁棒性。     

面向电子压力机模糊神经网络PID控制的研究

针对电子压力机位置伺服系统的非线性和时变的不确定性,压装力、压装速度和压入深度高可控性,系统的高稳定性、适应性及较强的抗干扰能力等特点,提出将神经网络实现模糊PID自调整的控制特性应用在现存的小型电子压力机的位置伺服系统中的方法。该控制策略将模糊控制的推理能力和神经网络的学习能力进行了有效的结合,其中,PID控制器参数自调整是通过学习并记忆PID参数调整的基本规则来实现的,以满足电子压力机位置伺服系统的要求并用MATLAB软件编程进行仿真分析。仿真结果表明:相比较常规神经网络与传统PID相结合组成的控制器,模糊神经网络PID自调整控制器对于电子压力机的位置伺服系统具有更快的响应特性及更好的稳定性。     

基于BP神经网络PID的高速清扫车摆臂控制系统

针对传统清扫车摆臂开环控制系统的动态响应特性不足、抗干扰能力弱,不能适应高速工况下清扫作业,设计了高速清扫车摆臂执行机构和闭环控制系统。为解决BP神经网络(BPNN)存在局部极值、收敛速度慢等问题,提出一种改进BPNN PID算法,其核心是通过主动串联校正,抑制PID前一次输出值u (k-1)对此次输出值u (k)的影响。通过搭建Simulink-AMESim联合仿真模型,研究了高速清扫车摆臂闭环控制系统的阶跃响应、抗干扰能力以及位置跟踪能力。研究结果表明:所改进的BPNN PID控制器能够动态调整PID参数,提高了系统的适应性、准确性和稳定性;改进BPNN PID控制器的抗干扰能力更强,鲁棒性更好,且系统近乎没有超调,超调量为0.5%,仅为PID控制超调量的2.34%,稳定时间0.62 s,相比PID提前了66.31%。     

MPCVD设备样品台温控系统的设计

由于传统MPCVD设备样品台温度控制需要使用手动调节样品台距等离子源的距离,且调节精度差,为此设计一种样品台温控系统,同时设计了样品台温控系统硬件控制器。该控制器以STM32F407单片机为核心,步进电机、丝杠、金属波纹管为执行机构,通过控制样品台在腔体内距等离子源的距离,实现温度控制。并提出一种将改进鲸鱼算法(WOA)与神经网络PID控制算法结合的控制方法,实现PID参数的自适应调整。仿真和实验结果表明：相对于传统PID算法,使用该温控系统进行温度控制时,超调量更小,控制精度更高,控制效果有很大提升。