压力仿真系统模糊自适应PID控制

针对压力仿真系统实时、高精度的要求,提出了将模糊控制理论和PID控制结合起来构成模糊自适应PID控制器的方法。利用模糊控制规则在线对该控制器PID参数进行了整定,增强了PID控制器的调节控制能力。并在基于MATLAB/Simulink的仿真环境下,对模糊自适应PID控制器进行了验证。结果表明,与传统PID控制器相比,该控制器可有效提高系统的动态响应性能,具有很好的稳定性。     

基于模糊神经网络的遥控武器站伺服系统PID控制器

针对遥控武器站伺服系统具有间隙、摩擦等非线性、不确定性特征,将PID控制与模糊神经网络进行有机结合。利用多层神经网络提取模糊控制规则,构建模糊神经网络控制器,根据偏差E和偏差变化EC在线调整PID控制器的三个参数。仿真试验表明,该控制器具有PID控制器精度高,以及模糊神经网络控制器响应速度快、超调小、稳定性高的特点,具有良好的动、稳态特性。     

一种新型伺服系统智能PID控制器的设计

提出了一种自适应模糊神经网络PID控制器的设计方案。把模糊神经网络控制和常规PID控制结合起来,对控制系统的比例、积分和微分参数进行在线自整定。在Simulink中的仿真结果表明,这种智能PID控制器的控制效果优于单纯的PID控制,超调量小,抗干扰性能强,对变参系统的鲁棒性强,满足在线适时自适应控制的要求。     

改进型自适应模糊PID 复合控制器在某转台中的应用

针对某转台系统中非线性不确定性因素对动态响应和稳定精度的影响,设计一种改进型自适应模糊PID复合控制器。对AF/PID控制器进行分析,设计融合函数将模糊控制器和变型PID控制器的输出量合理融合,提出一种控制规则在线学习调整的算法,达到自适应平稳调整模糊控制规则,并以某转台方位位置控制系统进行试验验证。结果表明：该方法结构简单、计算效率高,能实现无缝变化输出,避免输出振动,扩大模糊控制器的使用范围。     

基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

红外成像导引头角跟踪系统控制器设计与仿真

红外成像导引头是精确制导导弹系统的重要组成部分,导引头随动控制系统的性能决定着导弹的跟踪精度水平。为了提高导引头的随动跟踪系统的控制精度,文中首先对红外成像导引头系统进行建模,然后采用更有效的模糊规则设计了一种模糊自适应PID复合控制器,并引入了自适应控制因子对控制参数进行在线调整。最后采用传统PID控制方法与之进行仿真比较,结果表明模糊自适应PID控制可以有效改善系统动态性能,提高跟踪精度。     

基于神经网络的预测控制

基于神经网络的预测控制器由神经单元自适应PID控制器和基于神经网络的Smith预估器组成.预估器对输出进行多步预测,使控制器超前动作以消除时滞对系统的影响.自适应PID控制器通过有监督的Hebb学习算法实现其权值调节,通过权系数的在线调整实现自适应控制.并以仿真试验给予了验证.     

基于模糊神经比例微分积分的静变电源控制

针对静变电源模糊比例微分积分(模糊PID)控制隶属度和控制规则一旦确定后无法更改等不足,为提高静变电源输出电压的质量,提出以模糊神经比例微分积分(模糊神经PID)控制代替模糊PID控制。利用神经网络自学习的特点完善和调整模糊逻辑规则,并与PID稳态控制性能的优势相结合,实时地对静变电源电压控制量进行调整。仿真结果表明,模糊神经PID控制系统具有良好的鲁棒性和自适应能力,对干扰也有较好的抑制效果,解决了模糊PID控制器在静变电源控制中的精度不太高、自适应能力有限的难题,满足了静变电源输出的要求。     

基于模糊神经网络PID的串级温度控制系统研究

为解决传统PID 控制存在控制效果不够理想、性能欠佳和很难满足系统精度要求的问题,提出基于模糊 神经网络的自适应PID 控制算法对系统进行控制。采用Labview 构建模糊神经PID 控制器,对环控引气系统温度进 行动态控制,进行仿真研究,并将此控制策略与经典PID 控制进行仿真比较。结果表明：基于模糊神经网络的PID 控制算法在系统的超调量和调节时间上都小于经典PID,能提高系统的快速性和准确性,改善系统特性。     

基于神经网络自适应调整PID控制器的设计

对神经网络自适应调整PID控制器的设计方法进行了探讨，采用神经网络在线辨识系统的输出，再对PID控制的参数进行在线调节，达到良好的控制效果。     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法,探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制,给出了由传统PID控制器,模糊量化处理,系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构,并讨论了人工神经网络在运动控制领域中应用的发展趋势。     

常用温度控制法的对比

常用温度控制包括常规PID、模糊、神经网络、Fuzzy-PID、神经网络PID、模糊神经网络、遗传PID及广义预测等控制方法.常规PID控制易于建立线性温度控制系统被控对象模型.模糊控制基于规则库,并以绝对或增量形式给出控制决策.神经网络控制采用数理模型模拟生物神经细胞结构,并用简单处理单元连接成复杂网络;Fuzzy-PID为线性控制,且结合模糊与PID控制优点.并给出了各方法的控制特性、功能及主要应用场合.     

基于神经网络的模糊控制在装甲车电传动控制系统中的应用

针对装甲车辆电传动系统是一个复杂的多变量、非线性系统,其控制系统的扰动变化大,对驱动电机的控制要求苛刻的特点,根据模糊控制器对参数的变化不敏感,对非线性系统进行控制时往往能取得较好的控制效果,以及神经网络的学习功能、联想记忆功能、分布并行式处理功能可以更好地实现模糊逻辑控制中的规则表示、知识获取和并行推理,因此利用神经网络来实现无刷直流电机调速系统的模糊控制。在MATLAB中进行计算机仿真,通过仿真分析表明,当突然加、减负载时,神经网络模糊控制与PID控制相比,具有对参数变化不敏感以及超调和振荡小等特点。该控制方法被证明适用于装甲车辆电传动系统。     

某舰载火箭炮交流伺服系统并行复合控制方法

针对舰载火箭炮在发射过程中会受到风浪以及自身扰动的影响而导致射击精度和稳定性降低的问题,提出一种RBF神经网络滑模-模糊PID控制方法。利用RBF神经网络来削弱滑模的抖振,在误差较小时提高响应速度和鲁棒性;利用模糊规则对PID参数进行调整,在误差较大时提高控制精度。仿真结果表明：该复合控制策略可使舰载火箭炮交流伺服系统具有更高的射击精度和反应速度,提高系统性能。     

神经网络自组织模糊控制在同步收集装置的应用

为提高多电机运行的同步性以及在冲击干扰下电机控制的快速反应和鲁棒性,提出将神经网络的自组织 模糊控制融合进环形耦合控制策略中。建立同步收集装置的控制模型,给出环形耦合控制结构,分析传统PID 控制 和传统模糊控制的缺陷,并通过实验验证。实验结果表明,融合有神经网络模糊控制策略的环形耦合控制具有更高 的同步性和鲁棒性。     

神经网络自组织模糊控制在同步收集装置的应用

为提高多电机运行的同步性以及在冲击干扰下电机控制的快速反应和鲁棒性,提出将神经网络的自组织 模糊控制融合进环形耦合控制策略中。建立同步收集装置的控制模型,给出环形耦合控制结构,分析传统PID 控制 和传统模糊控制的缺陷,并通过实验验证。实验结果表明,融合有神经网络模糊控制策略的环形耦合控制具有更高 的同步性和鲁棒性。     

模糊神经网络在电动舵系统中的应用

为了适应导弹控制技术的发展,电动舵系统的性能要求越来越高。在提高系统快速性、控制精度的同时,舵系统需要足够的抗扰动和适应恶劣环境的能力。为了提高常规PID电动舵系统的控制品质,在分析模糊控制与神经网络控制的基础上,设计了基于模糊RBF网络整定的PID控制算法。该算法具有控制精度高、响应迅速、无超调等特点,且具有很强的鲁棒性和学习能力。仿真和试验结果表明:此方法可以使电动舵系统的控制品质得以很大提高,同时也适用于其它伺服系统。     

基于并行控制的交流伺服系统控制

针对一般的大口径火箭炮交流伺服系统调控方法难以达到较好性能的问题,提出一种RBF神经网络-单神经元PID自校正控制方法.针对上述算法自适应能力不强的问题,引入一种并行复合控制策略,以RBF神经网络和单神经元PID做并行控制,通过半实物仿真分别对RBF神经网络PID自校正控制器和并行复合控制器的性能进行试验验证.仿真结果表明:采用并行复合控制的火箭炮伺服系统反应速度更快、稳定性更强、精度更高,能够更好地满足火箭炮交流伺服系统的性能指标要求.