基于改进灰色预测单神经元PI的全超导托卡马克核聚变发电装置快控电源电流控制

全超导托卡马克核聚变发电装置(EAST)快控电源负载电感的电流受多种不确定环境因素的影响而难以预测,灰色预测无需精确对象模型,只需少量已知信息即可实现输出电流短期预测,已在EAST快控电源中有了一定研究应用。为解决灰色预测在EAST快控电源中对突变信号边沿预测精度低和预测延时时间长的问题,提出一种改进灰色预测算法实现输出电流预测。在一个开关周期内对输出电流进行等时长间隔采样4次作为原始序列,将滚动式采样预测改为逐周期采样预测,在实现灰色预测的过程中不必依赖过去几个周期的历史采样信息,只需本周期的4个原始采样值即可实现输出电流的预测。根据预测电流与参考电流误差自适应调整单神经元比例-积分(PI)控制的输出增益,实现输出电流的快速准确控制。仿真和实验结果表明,在EAST快控电源电流预测过程中所提出的改进灰色预测,对比传统灰色预测具有更高的预测精度和更小的预测延时,改进灰色预测变增益单神经元PI控制能够在减小电流超调的同时加快输出电流响应速度。

改进单神经元PI的三相PWM整流器电压控制

针对三相脉宽调制(PWM)整流器在负载变化时输出电压波动大且恢复时间长的问题,提出一种改进单神经元梯度学习控制策略。由于传统的PI控制器参数在负载变化时适应性差,在电压外环采用单神经元PI控制,利用梯度下降法在线调整权值参数。为了避免求解过程中落入局部最优解,采用带有重启功能的随机梯度下降算法(SGDR),利用余弦退火改变权值的学习速率,提升算法的收敛性能。通过Matlab及半实物仿真实验,比较分析三相PWM整流器电压外环采用不同控制算法下的动态响应性能,结果表明:改进单神经元PI算法控制下的三相PWM整流器在负载变化时具有更小的电压波动、更快的动态响应以及更加稳定的运行状态。

基于模糊单神经元PI的煤矿电气设备电源频率自动化控制系统

为确保煤矿电气设备电源频率不偏离标准频率,保障煤矿电气设备安全稳定运行,设计基于模糊单神经元PI的煤矿电气设备电源频率自动化控制系统。数据采集层通过电源频率信号输出检测仪,采集电源频率数据,并使用改进小波阈值法,去噪频率数据,然后由数据传输层发送其至控制中心,控制中心在接收该数据的同时,由理想电源频率求解模块,通过多元回归模型预测电源理想频率,而后模糊神经元PI控制模块以实际、理想电源频率为输入,经频率偏差求解、模糊化等操作,获得控制信号,控制电源频率无线接近理想值。实验结果表明,该系统可实现煤矿电气设备电源频率自动化控制,控制设备电源频率无线接近理想值,电源频率控制效果显著。

基于PLC与单神经元PID算法在变压器滤油系统中的应用

针对某企业变压器油路手动控制系统存在人工操作易出错、无法得知油罐实时液位、管路流量不可控的缺点,该文设计了一种变压器油路系统改造方案。该系统以西门子S7-300 PLC为主控制器,以MCGS软件为上位机实时监控油罐液位,记录每次注油油量数据,并具有液位报警、报表打印等功能。采用单神经元自适应PID控制管路内变压器油的流量,相比普通PID,这种控制策略使流量超调小,调节时间短,满足企业生产需求。

基于单神经元自整定PID的稳定平台调平控制

稳定平台调平回路大多采用PID进行控制,但这种算法具有抗干扰性能不高的问题,利用神经网络具有自学习、自组织、联想记忆和并行处理的功能和优势,设计了单神经元自整定PID控制算法。该控制算法不仅结构简单,而且适应性强,鲁棒性强。在设计中,采用了一种改良的Hebb学习算法对稳定平台调平回路进行控制。最后的仿真结果表明,单神经元自整定PID控制算法比传统PID控制算法在很多指标上都要好。尤其超调量、干扰抑制能力、过渡时间等动态指标非常优秀,是一种较为理想的控制算法,可以推广应用于各类稳定平台系统。

基于单神经元PID水平炮控系统稳定控制

为保证坦克行进间炮塔始终处于稳定位置,针对系统齿隙进行非线性补偿。利用径向基函数(radical basis function,RBF)神经网络对炮塔水平方向调速系统进行系统辨识,同时采用齿隙死区模型代表齿隙环节,建立水平向的模拟炮控系统;提出一种单神经元PID控制器;模拟外界扰动,利用计算机对控制过程完成仿真。仿真结果表明:在给定条件下,考虑齿隙因素,炮塔水平向位置与稳定位置的误差始终足够小。

基于单神经元自适应PID算法的直流有刷电机位置控制系统设计

位置控制式直流有刷电机在生产和生活中有广泛的应用。在一些控制惯量大、力矩变化、非线性强的应用场景中,现有的直流有刷电机位置控制系统具有成本高、适应性不强、鲁棒性差等缺点。因此,本文设计了基于双闭环单神经元自适应PID算法的直流有刷电机位置控制系统。搭建了基于STM32单片机的电机控制试验台并对控制系统进行了验证。实验结果表明本文设计的的控制系统具有适应性强、运行平顺、抗干扰能力强、控制精度高的优点,为低成本直流有刷电机控制系统提供了一种有效的方案。

单神经元控制器在剥锌机主剥离过程控制的应用研究

国产剥锌机主剥离单元的执行机构属于非对称液压缸,采用比例阀进行控制,由于非对称液压缸活塞两边的面积不同,当液压控制系统变更动作方向时,往往容易发生一定的不稳定性,比如液压力突跳或系统振动,而且双向动作具有一定的动态不对称性,这些问题对于剥锌机主剥离单元控制系统的动态性能存在负面影响,引起剥离过程不稳定。单神经元是构成神经网络的基本单位,具有神经网络所具有的自学习和自适应能,而且结构简单易于计算、抗干扰能力强,故将其应用于剥锌机主剥离单元控制系统中,可以克服非对称液压缸的影响,提高剥锌机主剥离单元的动态性能。

基于单神经元PID解耦的循环流化床锅炉蒸汽压力控制方法

传统的循环流化床锅炉蒸汽压力控制方法,在解耦过程中只对部分耦合关系进行解耦,导致鲁棒性较差。因此,提出基于单神经元PID解耦的循环流化床锅炉蒸汽压力控制方法。使用DMC控制算法设计控制参数,根据参数构建锅炉蒸汽压力负荷分段模型,使用单神经元PID,对全部循环流化床锅炉耦合关系进行解耦,构建循环流化床锅炉蒸汽压力控制模型,对循环流化床锅炉蒸汽压力进行控制。仿真实验的结果表明,本文设计的循环流化床锅炉蒸汽压力控制方法,能够较快地对锅炉蒸汽压力的变化进行调整,鲁棒性较好,能够满足循环流化床锅炉蒸汽压力控制的需要。

基于单神经元PID的电炉加热多点温度自动控制

由于电炉温度控制过程中易受到外界干扰,导致温度控制速度、超调量的效果不理想。因此,提出一种基于单神经元PID的电炉加热多点温度自动控制方法。为了实现电炉加热多点温度控制,在电炉不同位置布置温度数字传感器。采集读取过程中得到传感器地址,使用二叉树遍历法搜索到总线挂载的传感器地址,完成温度采集。根据单神经元模型设计相应的学习算法,设计单神经元PID控制器。利用ZigBee技术搭建通信网络,搭建多备用链路的网络拓扑结构,完成基于单神经元PID的电炉加热多点温度自动控制方法的设计。仿真实验结果表明,设计的温度自动控制方法稳态过程的温度控制精度保持在±1℃内,超调量降低了5.23%。说明设计的方法在维持、稳定电炉内温度的速度、降低超调量等方面与传统方法相比有明显的优势。

采煤机单神经元调高系统控制研究分析

采煤机调高控制系统对实现采煤机自动化综采具有重要的影响作用。采用电液比例阀的形式进行滚筒高度的闭环调节,并采用单神经元PID的策略进行控制。对其控制效果进行仿真分析,结果表明,单神经元PID控制均能够快速地达到系统稳定,并且超调量较小。

2种风力机变桨系统单神经元比例–积分–微分控制策略的比较与分析

针对风力机变桨系统非线性的特点,提出采用单神经元比例–积分–微分(proportional integral differential,PID)进行控制。分析了单神经元PID控制器的特点,建立了数学模型。将单神经元PID算法进行改进,得到改进的单神经元PID控制器。仿真结果表明:2种单神经元PID控制器构成的系统均可实现无超调,具有系统稳定性好的特点;改进单神经元PID控制器较单神经元PID控制器的响应速度更快;2种单神经元PID控制器比常规PID控制器的鲁棒性更强。

积分分离的单神经元PID控制算法及其研究

将积分分离的思想引入单神经元PID(比例积分微分控制)算法中,提出1种积分分离的单神经元PID控制算法,既避免了由于积分累积而导致的较大超调,减少振荡幅度,又利用单神经元PID算法中参数可调的特性,增强了控制系统的自适应能力。通过对不同被控对象的仿真研究,表明其有效性和优越性。同时,通过对该算法中阈值取值研究及该算法与普通PID及单神经元PID的对比研究,指出了该算法的优缺点。

单神经元PID控制在柴油机调速系统中的应用研究

单神经元与PID控制器结合,构成具有自适应和自学习能力的单神经元PID控制器,改善控制器的控制精准度,并将该控制算法应用在具有多层次复杂性高的柴油机调速系统中,并仿真验证控制效果。

一种快速响应的单神经元复合控制器

设计一种模糊 -单神经元复合控制器 ,改善自适应单神经元PID控制器存在的快速响应性能不足等问题 .本控制器算法简单、实时性好 。

基于改进适应度函数的遗传单神经元控制

介绍了一种基于改进适应度函数的遗传单神经元控制方法。通过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相结合,设计了一种遗传算法单神经元解耦控制器,实现了对炉群多变量燃烧系统的解耦控制。实验结果验证了这种方法是可行的。

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。

基于单神经元自适应PID的光伏发电MPPT

光伏电池的输出特性随着外部环境和负载的变化而变化,具有非线性特性。为了充分利用光伏电池,需对其进行最大功率点跟踪。利用Boost电路提升光伏电池输出电压,提出了单神经元自适应PID的控制方法来实现对其进行最大功率点跟踪。通过对目前常用光伏并网模糊控制和单神经元自适应PID控制两种方法的比较,在Matlab/Simulink的环境下进行了仿真研究。研究结果证明了使用单神经元自适应PID控制的优越性。

基于单神经元控制器的异步电动机矢量控制

文中提出了采用单神经元智能控制器代替传统PID控制器以改善异步电动机矢量控制的性能。在分析单神经元控制器结构与控制原理的基础上,为了提高单神经元控制器的学习能力与自适应性,将无监督的Hebb学习规则与有监督的Delta学习规则相结合,运用改进的学习与控制算法,实现单神经元控制器的参数优化与在线自动调整。采用Matlab软件建立单神经元控制器与异步电动机矢量控制模型,进行仿真研究;并将单神经元控制器的控制软件应用于异步电动机矢量系统,进行实验研究。仿真与实验结果表明,单神经元控制器可以改善异步电动机矢量控制的性能,具有较强的自适应性与鲁棒性。

变速风力发电机组的模糊-单神经元PID控制

对风力发电机组的数学模型及常规PID控制器进行了分析设计,由于变速风力发电机组的转速变化范围很宽,表现出高度的非线性性和时变性,常规的PID控制器难以在全范围内得到理想的控制性能。为此,提出采用单神经元智能控制器来替代常规的PID控制器,以改善机组控制性能。在分析单神经元控制器的结构和控制原理基础上,为了进一步提高单神经元控制器的动静态性能,引入了模糊控技术,实现了单神经元控制器输出增益的参数自整定。在仿真基础上,建立了一套完整的实验系统,对几种控制方法进行了实验研究。仿真和实验结果表明,基于模糊自整定的单神经元控制器可有效地改善风力发电机组的控制性能,具有较强的自适应能力和鲁棒性。