基于CMAC-PID控制的柴油发电机组的建模与仿真

在分析柴油发电机组系统组成的基础上,建立了火电厂应急柴油发电机组在MATLAB/SIMULINK环境下的仿真模型,提出了应急柴油发电机组调速系统的CMAC-PID控制方案。对顺序投入负载时,机组的机械、电气性能作了仿真分析,结果表明CMAC-PID控制的应急柴油发电机组,转速瞬态调整率要比常规PID控制下小,稳定时间也短,显示了良好的动态特性。

基于改进粒子群算法的PID-CMAC控制器设计

小脑关节模型网络具有计算简单、学习速度快等特点,设计PID和CMAC的复合控制器既能够发挥PID控制器鲁棒性强的特点,又能够利用CMAC学习获取的知识根据输入的变化快速地做出响应,并能够提高控制系统的抗干扰能力。本文采用改进的粒子群算法对PID的控制参数进行优化,并在此基础上设计了一种新型的PID-CMAC复合控制器,通过仿真试验表明,该控制策略能够提高整个系统的控制品质。

带有干扰观测器的PID-CMAC控制系统设计

PID神经网络有很强的拟合能力,它用于基于神经网络逆模型的干扰观测器设计,并进一步设计了带一种带有干扰观测器的PID-CMAC复合控制系统。该系统解决了内扰无法观测的问题,通过设置干扰观测器加快了消除内扰的过程,CMAC的控制作用使系统输出能够更快地跟踪系统输入。实验表明,该控制系统不仅能够提高系统输出跟踪系统输出的能力,而且能够更快地消除内扰。

基于FPGA的CMAC-PID控制器的研究

CMAC是一种局部学习神经网络,结构简单,收敛速度快;PID是目前应用最为广泛的控制算法。结合二者的优点,采用并行方式形成CMAC-PID控制器,进行了Matlab仿真实验。基于VHDL设计该控制器,重点在于CMAC的在线学习算法实现和控制器模块的闭环仿真测试。在FPGA上实现了该控制器,实验结果表明,该控制器运算速度快、精度高,具有较强的抗干扰性,是实现IP控制模块或单片智能控制的一种新的有效途径。

基于CMAC-PID并行控制的主动队列管理方法

主动队列管理对于解决日益严重的网络拥塞问题具有极其重要的意义。本文针对PID主动队列管理算法的参数整定难且不能实时调整,不能适应复杂、非线性网络环境的缺点,提出了一种基于小脑神经网络(CMAC)与PID控制相结合的主动队列管理算法。该算法利用CMAC前馈补偿来确保跟踪误差的快速收敛,降低超调量,采用PID控制器实现回馈控制,保证系统的稳定性,而且抑制扰动。仿真结果表明,基于CMAC-PID并行控制的主动队列管理方法适应于多变的网络环境,较之常规PID主动队列管理算法具有输出误差小、响应速度快、鲁棒性强的优点。

基于Matlab的直流电机CMAC-PID智能控制系统设计

为克服常规PID算法不能实时调整参数、非线性逼近能力差的问题,提出了直流电机的小脑模型神经网络(CMAC)与PID复合控制的策略。运用Matlab软件设计了CMAC-PID自适应智能控制器,证明了该算法的可行性、有效性,并得到了较为理想的控制效果。

驱动平面机械手的液压系统建模及CMAC-PID控制研究

为了提高平面机械手运动的稳定性和轨迹跟踪精度,采用小脑模型神经网络(CMAC)控制液压驱动系统,并对机械手运动轨迹响应速度和误差进行仿真.建立液压驱动机械手简图装置,给出机械手液压驱动控制流程图.创建了液压动力装置、控制阀、液压油缸及机械手键合图模型,推导出液压驱动机械手控制方程式.设计了机械手液压驱动CMAC-PID控制结构图,利用系统仿真软件Matlab对机械手运动轨迹进行仿真;同时,与常规PID控制仿真结果进行比较.结果表明:采用常规PID控制液压驱动机械手运动轨迹,响应时间大约为0.4s,产生的最大误差大约为1.4cm;采用CMAC-PID控制液压驱动机械手运动轨迹,响应时间大约为0.1s,产生的最大误差大约为0.75cm.采用CMAC-PID控制平面机械手液压驱动系统,能够提高机械手运动轨迹响应速度和跟踪精度.

CMAC-PID控制在飞机防滑刹车中的应用

提出了一种基于CMAC神经网络与PID相结合的控制方法，利用传统的PID控制器实现反馈控制，保证系统的稳定性并抑制扰动；利用CMAC神经网络控制器实现前馈控制，保证系统的控制精度和响应速度。以某型飞机为例，针对不同的跑道（干、湿、冰）情况，将该方法和传统的PID控制方法在MATLAB环境下进行了数字仿真。仿真结果表明：基于CMAC—PID控制方法较传统的PID控制方法，可以大大地提高飞机防滑刹车效率，具有更好的刹车控制效果，并具有较强的鲁棒性，为飞机防滑刹车系统的控制提供一条新的思路。

CMAC-PID在柴油机调速系统中的应用

研究柴油机优化控制问题,柴油机调速控制要求快速、准确。针对柴油机调速系统的非线性、时变等特点,导致稳定时间长,传统PID控制不理想。为了提高自动调节供油量,达到控制准确度,提出一种小脑模型神经网络(CMAC)与PID并行控制的柴油机调速系统(CMAC-PID)。采用现代控制理论与经典相结合的方法对柴油机调速系统进行优化设计,利用传统PID来实现柴油机调速属于反馈控制,保证了系统的稳定性,并且能够抑制扰动,结合CMAC神经网络对控制器进行前馈控制,确保系统的控制响应速度,减小超调量,提高控制精度。仿真结果表明,采用CMAC-PID算法控制精度更高,超调小,稳定时间短,鲁棒性强,能优化柴油机调速系统性能,为设计提供了参考。

基于CMAC-PID的污水处理过程控制

针对污水处理过程的非线性、大滞后以及时变的特点,建立了以溶解氧浓度DO为控制量的数学模型。基于该模型,提出将CMAC神经网络用于污水处理的自动控制系统,完成了CMAC整定PID参数控制方案的设计。利用Matlab中的Simulink工具,将CMAC整定PID参数的控制方案与传统PID控制方案分别从阶跃响应和鲁棒性方面进行仿真对比分析。

基于遗传禁忌搜索算法优化的CMAC-PID液压弯辊复合控制

针对液压伺服系统存在时滞、饱和等非线性特点,提出一种基于遗传禁忌搜索算法的CMAC-PID复合控制的板形控制策略,用遗传禁忌搜索算法优化PID控制器的初始参数,然后结合CMAC网络有效控制板形控制系统中弯辊力。仿真证明,该复合控制算法提高了系统的精度,加快了系统的响应速度,并且具备较强的抗干扰能力。

自适应PID在太阳能-新风系统温度控制中的应用

太阳能-新风系统是将太阳能热利用与新风系统相结合,用于室内进行通风换气的新型辅助供暖系统。太阳能-新风系统具有大惯性、滞后、非线性的特点,其数学模型难以精确建立,常规PID控制很难使新风温度保持平稳状态。为解决这一问题,设计了用于太阳能-新风系统的自适应PID控制器,通过在线调整PID控制器的参数来精准控制新风温度,以期为实现太阳能-新风系统温度控制提供另一种思路。

基于CMAC-PID控制的二自由度汽车模型研究

本文通过将CMAC网络与PID控制算法并行应用在汽车二自由度的模型的传递函数上,得到了基于CMAC的PID控制算法具有比单独的PID控制效果好的性能,且具有响应速度快,实时性好,鲁棒性强等特点。

基于卡尔曼滤波CMAC-PID的视力检查距离控制系统

为提高视力检查的精确性和灵活性,设计了视力检查距离控制系统对检查距离进行有效控制,并建立了数学模型。针对该系统的非线性、时变性和多干扰性,提出基于卡尔曼滤波器的小脑神经网络与比例—积分—微分复合控制(CMAC-PID)方法,利用卡尔曼滤波器抑制测量噪声和控制干扰的影响。仿真结果表明,此控制方法在抗干扰方面优于CMAC-PID控制,可以更好地改善距离控制系统的性能。

基于CMAC-PID的汽车主动悬架控制策略研究

为研究车辆在行驶过程中的运动姿态,建立了7自由度整车主动悬架模型,并对其进行动力学分析。针对悬架系统非线性、强耦合性的问题,利用小脑模型神经网络(CMAC)学习速率高、抗干扰能力强等特点,提出一种基于CMAC-PID的主动悬架控制方法,从而实现系统参数的实时在线调整。同时,以车身垂向、俯仰、侧倾等相关参数为性能指标进行仿真和实验研究。结果表明:所建立的模型可真实体现悬架系统的全面运动过程,所提出的控制策略能有效减弱车身因路面激励而产生的振动;车身垂直方向位移、车身垂向加速度、悬架平均动行程和车轮平均动位移分别减少了33.78%、22.58%、16.83%、25.71%,车身平均俯仰角位移和车身平均侧倾角位移分别减小了29.77%、26.67%,大幅改善了汽车操纵稳定性、行驶平顺性及乘坐舒适性。

基于GA优化的CMAC-PID板形复合控制

提出一种基于遗传算法的小脑模型神经网络和传统PID复合控制的板形控制策略。用遗传算法优化PID控制器的初始参数,然后结合CMAC网络有效控制板形控制系统中的弯辊力。仿真实验证明,该并行控制算法提高了系统的控制精度,加快了系统的响应速度,并且具备较强的抗干扰能力。

基于改进DDPG-PID的芯片共晶键合温度控制

芯片共晶键合对加热过程中的升温速率、保温时间和温度精度要求较高,在使用传统的比例-积分-微分(PID)温度控制方法时,存在响应时间过长、超调量过大、控制温度不够准确等问题。针对共晶加热台的温度控制问题,提出了一种基于改进的深度确定性策略梯度(DDPG)强化学习算法优化PID参数的控制方法,采用分类经验回放的思想,以奖励值大小为标准对经验进行分类存放,根据智能体当前的状态和下一步动作,从相应的经验池中进行采样并训练,并根据PID控制算法的特性设计了合理的奖励函数,改善了强化学习中奖励稀疏的问题,提高了算法的收敛速度与性能。仿真结果表明,与传统PID控制、常规DDPG-PID控制相比,改进DDPG-PID控制缩短了响应时间,降低了超调量,近乎消除了稳态误差,提高了控制性能和系统稳定性。

基于CMAC-模糊PID模型的火箭炮调平控制系统仿真

针对传统PID模型在火箭炮调平系统中出现调平速度不快、调平精度不高等现象,提出了一种小脑神经网络(CMAC)与模糊PID相结合的算法,充分利用模糊PID在超调量方面的优势和CMAC的自适应能力,使得车载调平控制系统的调平效果得到了很大的提高。仿真结果表明,相对于传统的PID模型和模糊PID,CMAC-模糊PID模型无论在超调量、调平精度、调节时间和抗干扰的能力上都有显著的提高。

CMAC-PID复合控制在焦炉加热中的应用

针对焦炉加热的大惯性、大滞后和时变性的特点,采用小脑神经网络CMAC和PID复合控制相结合,将此方法应用在焦炉加热中,并进行了仿真研究。仿真结果表明,这种方案对控制系统具有较强的鲁棒性和良好的调节性能,提高了系统的动静态性能指标。

航空发动机的CMAC与PID并行控制

提出了一种基于CMAC神经网络与PID并行控制方法,利用传统的PID控制器实现反馈控制,保证系统的稳定性,并抑制扰动;利用CMAC神经网络控制器实现前馈控制,保证系统的控制精度和响应速度。将该算法应用到航空发动机控制中,结果表明,与单纯PID控制算法相比,该算法增强了系统的控制精度,提高了系统的响应速度,并具有较好的抗干扰能力。