单神经元网络PID控制及其在全液压矫直机中的仿真应用

提出将单神经元网络PID控制应用于全液压矫直机的模型仿真,采用Ziegler-Nichols参数整定,并通过多次仿真实验,得出单神经元网络PID控制器的初始化权重值。通过仿真可以看到,此方法不仅解决了单神经元网络PID的权重值初始化问题,还将单神经元网络PID控制应用到液压伺服控制领域,为全液压矫直机的伺服控制提供了新的、行之有效的方法。

改进单神经元网络PID算法下的车用轮毂电机控制系统仿真

针对采用传统PID控制下轮毂电机控制系统中存在转速超调量大、转矩突变严重等问题,在单神经元网络PID的基础上,引入最优控制理论中的误差二次型性能指标对单神经元网络PID算法的学习规则进行改进,将改进后单神经元网络PID算法运用到轮毂电机矢量控制系统的速度环中。仿真结果表明:改进后单神经元网络PID控制的轮毂电机矢量控制系统速度环响应速度快、转矩突变小以及运行状态更加稳定。

基于PID神经元网络的单抽汽轮机解耦分析

汽轮机在工作过程中,机组功率与热网抽汽压力存在着强烈的耦合关系,使得系统控制性能大大降低,一般的控制方法难以得到满意的控制效果.为了解决上述问题.将多变量串级解耦技术应用到控制系统中,提出一种PID神经元网络与串联前馈补偿相结合的双变量解耦控制方案,前馈补偿实现系统动静态解耦,设计PID神经元网络控制器可以使系统很好地适应机组负荷的变化,从而提高系统的控制效果和自适应能力.MATLAB仿真结果表明,该解耦控制方案使负荷之间的扰动大大降级,使得汽轮机控制中的热电耦合问题得到了有效的解决,具有很好地应用前景.

基于改进的单神经元网络PID控制的气动微型机器人控制系统研究

根据尺蠖蠕动原理,研制了一种三自由度柔性微型机器人控制系统.该机器人由空气橡胶驱动器驱动,采用一种改进的单神经元自适应PID控制器.软件仿真和实验结果证实该控制方法是一种可行的气动微型柔性机器人控制方法.

PID神经元网络在单晶硅提拉速度控制系统中的应用研究

在单晶硅晶体生长中,提拉速度的控制直接影响单晶硅的质量,如何提高速度控制系统的动态响应速度和抗干扰性能,对提高晶体生长质量具有重要意义。本文通过分析晶体结晶过程的热量运输,得出了单晶硅提拉过程中影响其质量问题的主要因素,提出了将PID神经元网络应用于单晶硅提拉速度控制系统中的方法,形成PID神经元网络提拉系统,建立了基于MATLAB/SIMULINK下的PID神经元网络控制系统模型,通过仿真结果表明,该系统对改善单晶硅的质量具有一定的实际意义。

一维Theta-神经元网络中的规则单放电行波解的存在性

讨论了一维theta-神经元网络中规则单放电行波解的存在性.根据神经元细胞激发放电原理对细胞间的相互作用做出单向传递和按距离衰减两点假设.通过控制细胞间的耦合作用时间可得到网络中的规则单放电行波解.

一种改进的基于单神经元网络PID控制算法在并联型APF控制中的应用

并联型有源电力滤波器是一种补偿电力系统谐波的电力电子装置,其直流侧的电压控制的效果将直接影响到APF的补偿结果。传统的控制方法是采用PI控制器,因其结构简单,调整方便,目前已经得到广泛的应用。具有自学习适应能力的基于单神经元网络的PID控制算法,结构简单,且能够适应环境的变化,鲁棒性强,近年来成为研究的热点。本文针对并联型APF的特点,对基于单神经元网络的PID控制算法进行一定的改进并通过仿真,证实了其在并联型APF中应用的可行性和优越性。

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。

PID神经元网络之权值直接确定法研究

网络权值如何确定,是人工神经网络研究中的一个重要课题。传统PID神经元网络在该问题的研究上,大多数采用误差回传(BP)的思想,通过迭代训练而估算出该网络的连接权值。针对PID神经元网络,对其进行简单巧妙的转化,可提出一种基于矩阵伪逆表述的直接计算权值的方法,从而避免了冗长的迭代训练过程。计算机仿真结果表明,该权值直接确定方法不仅有更快的学习/计算速度,而且能达到更高的计算精度。

PID神经元网络多变量控制系统分析

ＰＩＤ神经元网络是一种新的多层前向神经元网络，其隐含层单元分别为比例（Ｐ）、积分（Ｉ）、微分（Ｄ）单元，各层神经元个数、连接方式、连接权初值是按ＰＩＤ控制规律的基本原则确定的，它可以用于多变量系统的解耦控制．给出了ＰＩＤ神经元网络的结构形式和计算方法，从理论上证明了ＰＩＤ神经元网络多变量控制系统的收敛件和稳定性，通过计算机仿真证明了ＰＩＤ神经元网络具有良好的自学习和自适应解耦控制性能．

PID神经元网络在水稻秧棚控制系统中的应用研究

育秧对水稻的生产起着至关重要的作用,为水稻秧苗提供适宜生长的环境条件就成为水稻生产中极为重要的一环。水稻育秧棚控制系统具有多变量、大惯性、非线性、强耦合及时滞等特点,采用传统PID控制不能获得满意的控制效果。为此,本文将常规的PID控制和BP神经元网络控制相结合,设计了水稻育秧棚温、湿度解耦自动控制系统,并利用仿真软件(MatLab/SIMULINK)对秧棚内PID神经元网络控制系统进行了仿真及分析。结果表明:基于PID神经元网络控制与传统PID控制相比,响应速度快、超调量小、无静差,大大提高了秧棚内控制系统的性能,达到了预期的控制效果。

一种基于过程神经元网络辨识的PID控制模型及方法

针对非线性动态系统PID过程控制问题,提出了一种基于过程神经元网络辨识的PID参数自适应整定的控制模型和方法。利用过程神经元网络对于动态系统时变输入/输出信号的学习机制,在某种最优控制律下通过对被控对象进行辨识来追踪被控对象的输出对控制输入变化的灵敏度信息,实现参数自适应匹配的PID控制。给出了基于过程神经元网络辨识的PID控制系统结构以及相应的实现机制,实验结果验证了模型和算法的有效性。

基于PID神经元网络和内模控制的拥塞控制算法

针对网络系统的大时滞和非线性特性,设计了一种新的拥塞控制算法,将PID神经元网络与内模控制相结合应用于主动队列管理中,并使用Lyapunov理论证明了此算法的稳定性。NS仿真结果表明,这种算法的稳态和瞬态性能都优于PID算法,并且在参数变化和负载扰动时具有很强的鲁棒性。

足式机器人腿部关节改进单神经网络PID控制算法研究

为了满足液压足式机器人在复杂环境中实现精确、快速的腿部关节控制需求,把单神经网络PID能够实时调节参数的优点运用到足式机器人液压机械腿关节的控制中,在单神经网络PID的基础上增加机械腿关节的位置和速度控制算法,形成改进单神经网络PID,实现了对神经元比例参数自调整、PID参数的自整定,能够较好地适应内、外参数的变化,增强了腿部关节的快速性、精确性。在Simulink中进行建模仿真以及在设计的以STM32为中央处理芯片的控制平台上进行实验测试,结果表明:改进单神经网络PID在足式液压机器人的腿部关节控制中具有响应速度快、超调量小、控制精度高、鲁棒性强等优点。

一维Theta-神经元网络中规则单放电行波解的进一步讨论

对一维theta-神经元网络中规则单放电行波解做进一步讨论,得出当细胞之间的耦合作用时间延长后,单放电行波解的存在性,并通过数值模拟对理论加以验证.

基于神经元网络与模糊PID的光伏系统MPPT复合控制

将神经元网络与模糊PID复合控制技术应用在光伏系统MPPT控制器中,解决光伏系统传统MPPT控制算法的局限性以及无法自适应外部复杂情况等诸多问题。利用离线训练后的前馈神经网络预测最大功率点电压与实际电压进行比较,作为模糊控制器的输入,通过模糊推理对PID相关参数实现最佳调整。仿真结果表明:该控制算法能增强消除系统误差能力,可获得更高的控制精度。

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.

基于单神经元自适应PID控制的高炮随动系统扰动补偿

为提升自行高炮随动系统的抗干扰能力以及自行高炮行进间射击精度,采用了一种基于单神经元自适应PID的控制方法,利用神经元的自学习及自校正能力对控制效果进行改善,以提升随动系统的扰动补偿能力。仿真结果表明:当高炮在B级、D级以及F级路面下行驶时,采用该方法的随动系统输出曲线的波动范围分别减小了0.14%、0.65%和4.72%,在突加扰动的情况下,再次跟踪到目标信号的时间分别缩短了0.04 s、0.03 s和0.02 s,根据实验数据可知在单神经元自适应PID控制器的作用下,当系统受到干扰后能够更快地跟踪到目标信号,且稳态精度更高。

基于PID神经元网络的双闭环比值控制系统

提出一种基于PID神经元网络的双闭环比值控制系统,给出了系统的结构和计算公式,列举了一个算例的MATLAB仿真结果.由多个算例的仿真结果推知:这种控制系统不需要用人工整定控制器的参数,不需要辨识被控对象,误差的收敛速度快,结构简单,便于实现.它有希望改进现有的过程控制的比值控制系统.