纯滞后系统的单神经元Smith预测控制

该文针对纯滞后的特点,给出了一种新的单神经元Smit预测控制算法,即由单神经元控制器和Smith预估器组合的复合控制,并将其应用于以电炉为被控对象的计算机湿度控制系统。实验结果表明,这种控制方式能够充分利用神经元自学习的能力及补偿控制的优点,具有较好的适应性和抗干扰能力。     

一种基于改进遗传算法的单神经元控制方法

为实现在实际的炉群多变量燃烧系统中,对各个燃烧的子系统的控制参数进行优化,提出了一种基于改进适应度函数的遗传单神经元控制算法,该算法克服了采用神经网络方法收敛速度慢、在求解过程中陷入局部极小点等缺点,利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元控制相结合,实现对一类非线性系统的参数进行优化。模拟实验和真实结果验证了这种方法是可行的。     

一种基于模糊调节增益的单神经元PID控制方法

提出了一种基于模糊调节增益的单神经元PID控制方法。通过模糊调节单神经元PID控制器的比例增益，达到令人满意的控制效果，明显优于常规PID控制。使用该方法对典型的工业过程对象进行了仿真试验研究，结果表明这种控制方法的优越性。     

一种基于速率的单神经元自适应PID拥塞控制方法

从控制理论的角度研究了一种基于速率的拥塞控制方法．采用单神经元自适应PID控制器,可以在线调节控制参数以保证控制环路的稳定性．运用Jury稳定判定标准给出了保证被控ATM网络在平衡点附近稳定的条件．仿真结果表明,使用该控制方案能使缓冲器队列长度快速收敛到目标值,并维持小的队列振荡,与传统的PID控制器相比具有更好的稳定性和鲁棒性．     

一种基于分布式模型预测控制的综合能源系统优化调度方法

为了有效提升综合能源系统的能源利用效率,并解决环境污染的问题,提出一种基于分布式模型预测控制的综合能源系统优化调度方法。该方法将短期综合能源系统内部协调控制作为主要研究对象,利用模型预测控制算法实时更新综合能源系统的状态,有利于最大限度地降低预测误差对系统产生的影响。通过比较MPC控制策略和DMPC控制策略的控制性能可知,DMPC控制策略的控制性能更优,符合系统对经济性的要求。     

一种单神经元自适应伺服控制器的研究

针对日益提高的对伺服系统的控制速度及精度的要求，文章探讨了一种可用于伺服控制系统的单神经元自适应控制器设计方法，并对控制器的结构及参数对系统性能的影响进行了仿真研究，在神经网络控制在伺服控制系统中的应用方面，进行了一些探索性工作。     

一种基于专家调节增益的单神经元PID控制

本文提出了一种改进的单神经元PID捧制的方法，采用专家调节单神经元PID控制中的比例增益，有效地解决了单神经元PID控制中学习速度较慢，动态响应时间长等问题。这种控制方法具有较强的鲁棒性，其控制性能优于常规PID控制和单神经元PID控制，通过对一阶惯性加纯巡延的典型工业过崔对象的仿真研究，表明了这种控制算法具有优良的控制性能。     

基于混沌优化的单神经元 Smith预估器设计

提出了一种具有自适应能力的单神经元Smith预估器，并将其待定参数与系统的控制性能相联系，采用基于模拟退火策略的混沌优化算法，实现对预估器参数的全局寻优。仿真表明，经过混沌优化的单神经元Smith预估器具有良好的跟踪特性和干扰抑制能力，同时对系统建模误差具有很强的鲁棒性。     

改进Smith控制与RBF单神经元PID的换热器控制系统

为了高效控制工质出口温度,维持换热器稳定运行,针对Smith预估控制算法及径向基函数(RBF)神经网络辨识单神经元比例-积分-微分(PID)控制算法特点,提出了Smith控制算法和RBF神经网络辨识单神经元PID相结合的控制策略,对Smith控制算法在结构上进行了改进,以提高RBF神经网络辨识单神经元PID控制的抗干扰能力,减少Smith控制算法对模型的依赖程度.仿真分析表明:应用于换热器工质出口温度控制系统,改进算法控制性能显著优于其它控制方法,抗干扰能力得到了大幅提高.     

一种基于NCS的石化园污水处理控制系统优化方法

石化园污水包括两个部分,生活污水和石化园工业污水,对处理工艺和控制系统要求很高。针对目前克拉玛依石化园污水处理厂的实际情况,对系统进行了进一步的优化,设计了一套冗余网络控制系统。分析了网络的原理及工程优化方法。试验和分析结果表明优化后比优化前的网络更新时间(NUT)更短。为大规模NCS的冗余设计和优化提供了参考实例。     

一种改进的单神经元二自由度PID控制

提出一种单神经元二自由度PID控制方法,将前馈型二自由度PID的五个参数分别对应于单神经元的五个权值,将二次型性能指标Pe2(k)+Q△u2(k)作为控制算法中加权系数学习的优化目标,由权值的在线调整来整定PID参数.通过MATLAB对指定对象进行仿真,得到了良好的控制效果,比传统的单神经元二自由度PID控制在性能上得到了提高.     

一种基于单神经元的机器人实时控制自适应算法研究

单个神经元具有对对象模型精度要求不高，结构简单，抗干扰能力强，可进行在线学习和无需辩识的优点，基于此，本文针对双连杆柔性机械臂设计了单个自适应神经元的控制器，并进行仿真实验，通过对竖直线轨迹的跟踪，表明单个自适应神经元算法具有全局最优性和鲁棒性，实验结果证明了该算法的可行性。     

一种基于神经元强化学习的网络拥塞控制方法

提出了一种基于神经元强化学习(Neuron-based Reinforcement Learning,NRL)的自适应AQM算法,采用链路速率和队列长度作为拥塞指示,可根据网络环境的变化在线自动调整神经元参数,从而保持良好的队列长度稳定性和对网络负载波动的鲁棒性.该算法结构简单、易于实现,且不依赖对象的模型.仿真结果表明,该算法尤其适合于解决复杂不确定性网络的拥塞控制问题,并具有更好的队列稳定性和鲁棒性.     

一种基于预测函数的滑模控制方法

针对一类多输入多输出系统,为了削弱滑模控制引起的抖振问题,提出了一种基于预测函数的滑模控制方法。该方法根据系统实际输出值与参考轨迹的误差设计滑模面,引入预测函数,预测未来时刻的误差以得到未来时刻的滑模面,改进滑模趋近律来设计控制器,并加入约束条件来优化系统性能指标。该方法能保证系统稳定,削弱滑模控制给系统带来的抖振现象,且具有鲁棒性强的优点。最后以倒立摆为例进行了仿真,仿真结果验证了该方法的有效性。     

基于神经网络Smith预估器的预测控制

针对非线性系统时滞问题,给出了一种新型的单神经元Smith预测控制算法.神经网络的预测控制器由不完全微分的单神经元自适应PID控制器和神经网络的Smith预估器组成.预估器对输出进行多步预测,控制器超前动作以消除时滞对系统的影响.不完全微分的单神经元自适应PID控制器通过改进的Hebb学习规则实现其权值调节,通过权系数的在线调整实现自适应控制.仿真实验证明了该方法具有较快的响应速度和较好的响应性能.     

基于单神经元PID控制器的压电陶瓷控制方法

卫星地面综合测试是卫星研制过程中的重要环节,对系统功能验证及性能评估具有重要作用。传统的卫星地面综合测试系统存在研制周期长、投入较大、自动化流程不够完整、可重用性较差等不足。而北斗导航卫星地面综合测试系统采用分布式、高实时性、可配置、多主机的集成体系结构,是集计算机通讯、实时控制、实时数据处理、事后分析等功能于一体的测试系统,适用于从卫星总装集成到发射各个阶段的电气测试。通过卫星系统级的各项接口、功能、性能指标测试,表明该系统满足支持系统论证、状态确认、问题排查等测试需求,有力支撑了北斗导航卫星的成功发射和在轨运行。     

一种变增益的神经元Smith预估控制器的设计

针对Smith预估控制鲁棒性较差的缺点,本文给出一种交增益的神经元Smith预估控制算法。新算法采用采用高收敛阶的学习规则,同时引入专家控制的思想实现交增益控制,改善神经元控制品质。仿真实验表明这种控制方式具有良好的适应性与鲁棒性。     

基于单神经元的自适应逆控制仿真研究

针对火电厂热工对象的变结构、变参数和时变等特点,不采用一般的单神经元自适应PID 控制,而是在此基础上加以改进,采用基于单神经元的自适应逆控制方案。通过大量的在各种环境变化和对象参数变化中的仿真研究表明,这种方法取得了很满意的控制效果,且控制算法简单,易于工程实现,有一定的实用价值。