基于RBF神经网络在线辨识的永磁无刷直流电机单神经元PID模型参考自适应控制

永磁无刷直流电机控制系统是多变量和非线性的。针对传统PID控制方法的不足,提出一种基于径向基函数神经网络在线辨识的单神经元PID模型参考自适应控制方法,并用于永磁无刷直流电机的控制中。该方法构造了一个径向基函数神经网络对系统进行在线辨识,建立其在线参考模型,由单神经元控制器完成控制器参数的自学习,并在数字信号处理器中实现控制参数的在线调节。系统较好地实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性。

基于RBF神经网络的开关磁阻电机单神经元PID控制

论文提出了一种基于径向基函数(radialbasisfunction)神经网络在线辨识的开关磁阻电机(SRM)单神经元PID自适应控制新方法。该方法针对开关磁阻电机的非线性,利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。并构造了一个RBF网络对系统进行在线辨识,建立其在线参考模型,由单神经元控制器完成控制器参数的自学习,从而实现控制器参数的在线调整,能取得更好的控制效果。样机的实验结果表明,文中所提出的基于RBF神经网络辨识的开关磁阻电机单神经元自适应PID控制方法,通过在线辨识建立了过程模型并为神经元控制器提供了梯度信息,达到了在线辨识在线控制的目的,控制精度高,动态特性好。

基于动态RBF神经网络在线辨识的单神经元PID控制

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法。采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。

基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.

基于神经网络PID的疏浚管道泥浆流速控制

疏浚作业中,泥浆管道内物料的组成、粒径、浓度等随水下地形土质等变化很大,易造成流速波动甚至堵管、爆管等故障,因此泥浆流速稳定控制对泥浆输送的效率和安全具有重要意义;疏浚管道输送系统具有非线性、大时滞和参数时变等特征,传统PID控制方法效果不佳,故此将BP神经网络和传统PID控制算法相结合,并将其应用于泥浆流速控制中;以河海大学管道输送实验平台为对象,采用受控自回归CAR模型描述泥泵变频器频率与管道泥浆流速之间的关系,通过实验和数值处理对模型进行离线辨识;在此基础上通过仿真对比传统PID、单神经元PID和BP-PID的流速控制性能,发现BP-PID控制器的超调量仅为3.8%,响应时间为11 s,控制性能较好;最后通过在体积浓度-10%到-30%泥浆范围内,泥浆浓度小幅度和大幅度增减实验,对流速控制方法进行了验证,结果表明在浓度平缓或剧烈波动时,采用BP-PID控制算法的流速控制系统,均能够在保证输送安全的前提下,快速、稳定地达到目标流速,具有较好的自适应控制性能。

基于RBF神经网络辨识的单神经元PID模型参考自适应控制

本论文提出了PID自适应在线识别神经单元基于径向基函数神经网络。单神经元自适应控制器是由单神经元构成,它有自适应和学习的相关能力,其优点为适应性强、结构简单。为获得更好的控制效果,我们可以建立RBF对系统在线进行辨识,通过控制器自学习随时对参数进行调整。

基于单神经元神经网络的无刷直流电机控制系统仿真

无刷直流电机是一种多变量、非线性、参数时变以及强耦合的复杂系统,利用传统比例积分微分(proportional integral differential, PID)算法控制无刷直流电机存在参数调整困难、自适应能力差、控制精度低以及抗干扰能力弱等问题。为实现无刷直流电机的高精度控制,在转速环中引入了基于单神经元神经网络PID控制算法,研究了无刷直流电机的数学模型及运行特性,提出了单神经元神经网络PID算法,最后比较分析了在电机双闭环控制系统中转速环采用不同控制算法下的转速阶跃函数响应,以及三相电流、反电动势和电磁转矩的运行状态。结果表明:单神经元神经网络PID算法控制下的无刷直流电机其转速的阶跃函数响应具有更快的上升时间、更小的超调量以及更加稳定的运行状态。

基于RBF神经网络单神经元PID控制在低压直流变换中的应用研究

太阳能和风能发电系统的非线性特征非常明显,并且二次端直流负载的接入与断开的随机性也比较大,容易引起微型电网的波动。为了解决低压直流微型电网的波动特性,提出了基于RBF神经网络在线辨识的单神经元PID控制的直流变换方法,该方法结合了普通PID控制结构简单和神经网络非线性系统自适应性强的特性,解决了二次直流负载端稳定的直流电源供电问题。

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。

高超声速飞行器的神经网络PID控制

高超声速飞行器是一种强耦合性、存在不确定性和高度非线性的复杂控制系统,在其应用神经网络PID控制方法进行纵向通道的姿态控制时,将控制系统分为快慢内外环,基于神经网络控制理论,针对高超声速飞行器的动力学模型和运动学模型设计单神经元PID控制律和PID神经网络控制律,推导了权值调整的学习算法。仿真结果表明,高超声速飞行器的神经网络PID控制系统能够有效抑制气动参数变化的影响,较好地跟踪期望攻角,有较强的鲁棒性。

基于PSD算法的单神经元PID控制器在汽温控制中的应用

介绍将自适应PSD控制算法中递推计算并修正增益的方法引入单神经元PID控制 ,形成了具有增益自适应能力的控制器 ,设计了基于PSD算法的单神经元PID控制器 ,并应用于超临界机组过热汽温控制系统。仿真结果表明 ,基于PSD算法的单神经元PID控制器具有较强的自适应能力和鲁棒性 。

一种基于蚁群算法的粗神经网络PID控制器

针对传统的线性PID控制器参数难以实现在线调整缺陷，设计了一种新的基于粗神经网络的PID控制器，利用粗神经元代替传统神经元，扩展了网络的应用范围，并采用蚁群算法优化神经网络连接权初值，使神经网络连接权初值不再靠经验随机选取，从而得到最优参数的控制器。仿真结果表明，该控制器具有良好的控制性能。

基于免疫-单神经元PID算法的纸浆浓度控制

针对单神经元PID算法中的增益K不能自调整引起的动态响应慢的问题,提出了一种将免疫算法与单神经元PID算法相结合的控制算法——免疫-单神元PID算法。依据T细胞免疫机理调节单神经元PID算法中的增益K,使增益K获得自调整功能,以改善单神经元PID算法的动态性能,提高其学习速度。仿真结果表明,该算法可克服纸浆浓度控制过程中存在的多干扰性、时变性、非线性等缺点,能够满足纸浆浓度控制的稳定性、快速性要求。与单神经元PID算法相比,该算法响应速度具有明显的优越性,并具备了单神经元PID算法本身较强的抗干扰能力以及自学习自适应的能力。"THJSK-1"平台上的实时控制也验证了免疫-单神经元PID算法的可行性。

单神经元PID控制算法在智能车控制系统的应用

针对传统PID控制算法对智能车的舵机和电机进行控制时,其控制参数很难随环境变化进行自整定,进而影响智能车的运行状态的问题,提出单神经元PID控制算法,该算法具有参数自整定能力强、现场调整参数少、调整周期短及稳定性好等优点。通过对智能车的系统结构和运动学模型进行分析,根据单神经元PID算法的控制策略,进行多种算法的仿真测试并将其应用在实际的智能车控制试验中。结果表明:单神经元PID控制算法能够使控制系统以较好的状态运行,实现智能车快速稳定的自主循迹行驶。

基于遗传神经网络的自适应PID控制器的设计

提出了一种基于遗传算法和神经网络的自适应PID控制器的设计方法。该控制器主要由三个部分组成:利用遗传算法优化PID参数,和RBF神经网络结合,对被控对象逼近,搜索出一组准优的初始参数;RBF神经网络完成对被控对象Jacobian信息辨识;基于单神经元的自适应PID控制器,在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。

嵌入式神经网络PID控制器的研究与设计

设计了一种基于嵌入式系统的神经网络PID控制器,以ARM芯片为控制器核心,实现对难以建立精确数学模型的非线性系统的自适应控制;控制器采用RBF神经网络对被控对象进行在线辨识,并根据辨识结果对控制器的参数进行在线修正,实现PID控制器的自适应;该控制器体积小、适应能力强且省电;实验结果表明,该控制器可靠性高,响应快,可以在无法确定被控系统数学模型的情况下达到理想的控制效果。

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。

静变电源的优化模糊神经网络PID控制研究

为提高静变电源输出电压的质量,采用了优化模糊神经网络PID控制器代替模糊PID控制,所采用的优化模糊神经网络充分融合了模糊逻辑和神经网络两者的优点,使推理速度加快,并通过在系统运行时神经网络不断地增加和完善模糊控制规则,单神经元通过自学习调整控制因子,提高了系统控制的精度。将该方法和PID稳态控制性能的优势相结合,实时地对系统控制量进行调整。在MATLAB/SIMULINK环境下,对于优化模糊神经网路PID和模糊PID在静变电源控制中的应用分别进行了仿真。仿真分析结果表明,经过BP神经网络和单神经元网络学习后,控制器具有良好的控制性能和自适应能力,很好地满足了系统的鲁棒性、快速性的要求。

一种基于遗传算法的单神经元PID控制器参数优化

文章分析了神经元PID控制器存在的问题,提出了一种用遗传算法对单神经元控制器进行参数寻优,并利用种群数N和交换概率Pc逐次递减的方法来提高计算效率和收敛速度,在搜索空间内获得全局最优点的方法。试验仿真结果表明,基于遗传算法的单神经元PID控制器参数优化方法能获得很好的控制效果。

单神经元PID算法在包装机温控系统中的应用

介绍了包装机温度控制系统的工作原理,以及单神经元自适应PID算法的原理,通过对基于单神经元自适应PID算法的包装机温度控制子系统的调试,成功将单神经元自适应PID温控算法移植到包装机控制器中,试验测试表明用该方法进行参数整定的控制系统,具有很好的自适应性和稳定性以及很高的控制精度。