基于PID控制的遗传神经网络在焦炉温度控制中的应用研究

以某焦化厂焦炉温度控制系统的开发为背景，提出了一种基于遗传算法的CMAC(小脑模型关联控制器)与PID复合控制方法来优化焦炉对象的温度控制．用遗传算法优化PID控制器的初始参数，然后再结合CMAC网络进行控制．针对焦炉生产过程的简化模型，在Matlab中对这种控制方法进行了仿真．仿真研究表明该方法应用于焦炉控制是可行的．     

基于改进的CMAC神经网络与PID并行控制的研究

提出一种改进的CMAC神经网络控制算法,利用满打满葬单元的先前学习次数作为可信度;将改进的CMAC与PID实现复合控制,由CMAC控制器实现前馈控制,PID控制实现反馈控制;仿真表明,改进算法的响应速度和精度有一定的改善。     

基于CMAC与PID复合控制的柴油机调速系统

提出了柴油机调速系统CMAC与PID复合控制方案,给出了柴油机调速系统数学模型和控制算法.仿真分析表明,CMAC与PID复合控制比传统的PID控制有更好的控制效果,鲁棒性强,适合于非线性实时控制.     

CMAC网络建模在非线性预测控制中的应用

将CMAC网络用到具体非线性系统的预测控制研究中,并且在控制中将CMAC建立的模型输出值与测量输出值进行综合,代替量测输出用于控制中,从而降低辨识器与控制器对未建模动态的敏感性,加强控制器的适应能力和鲁棒性。对一类CSTR系统的仿真结果表明,该预测控制策略响应快且容易实现,对于改善非线性预测控制不失为一种有益的尝试。     

液位控制系统中混沌运动的小脑模型控制

一般的控制系统可能会因为一些非线性故障转变为混沌动力学系统.液位控制系统中的比例反馈回路中存在非线性环节,使液位控制系统的运动成为混沌运动.针对这种情况下的混沌数学模型,通过仿真验证小脑模型神经元网络控制方法,仿真图说明控制方法对混沌模型进行有效控制,可以将稳态值控制到与期望值一致.同时小脑模型神经元网络具有计算速度快的优点,这种控制方法在实际工程领域中的应用值得研究.     

基于模糊聚类和关节控制器神经网络的边际电价预测

应用基于模糊聚类和关节控制器神经网络的边际电价预测方法,精确预测边际电价,并有效克服BP等算法中负荷峰谷时段出现的预测误差大、结果不稳定的现象.通过计算实例进行边际电价预测,预测结果表明:方法输出稳定性好、计算速度快、预测精度较高.     

ART-2与CMAC网络的性能对比研究

在分别介绍ART-2及CMAC的网络结构和算法的基础上，分析了两种网络在结构以及性能上的相同点和不同点。并采用各自网络进行了建模的应用，其中根据ART-2的特点在其顶部增加了一层额外的输出层。最后根据各自网络对同一非线性电机速度控制系统的建模结果，对ART-2及CMAC网络的特性及适用范围进行了较深入的讨论。     

含摩擦环节伺服系统的分析与控制补偿

基于小脑模型关联控制器(CMAC)网络的智能摩擦补偿方法,设置权值向量为零向量,系统由常规控制器进行控制.其输出控制量随网络不断学习训练,经CMAC产生的输出值逼近系统跟踪期望状态所需值.并采用正弦信号数值仿真,对模型转台伺服系统进行扫频测试,根据相频特性拟合传递函数,得到被控系统模型.结果证明CMAC可通过在线自学习感知系统中摩擦力矩的变化情况,进行适当补偿.     

一种通用数字脉冲压缩器的设计

提出了一种用ASIC或FPGA器件实现通用时域数字脉冲压缩器的设计方案,按此方案设计的脉压电路可适应不同压缩比、不同信号形式、双脉冲压缩、时分复用的脉冲压缩等多方面的需求,是一种较好的通用数字脉冲压缩器实现方法,适用于目前各种雷达信号的脉冲压缩。     

基于CMAC-PID控制器的水压加载系统研究

为了实现水压加载系统能够动态精确跟踪给定压力的要求,利用小脑模型关节控制器(CMAC)结构简单、收敛速度快、具有局部学习能力的特点,提出了一种除了系统动态误差以外把系统指令信号也作为CMAC的输入信号,并把CMAC控制器与常规PID控制器并联构成的复合控制方法;通过在MATLAB中的编程仿真试验,结果表明这种方法可以得到比常规PID控制更好的控制指标,达到了试验要求,而且具有良好的抗干扰能力,从而证明了该方法的可行性和有效性,可以用来实现对给定信号的跟踪。