用于飞轮储能单元的神经元自适应比例-积分-微分控制算法

提出了种应用于飞轮储能系统的神经元自适应比例?积分?微分(proportional integral differential,PID)控制算法。该算法基于传统的双闭环调速系统与神经网络理论,实现对飞轮驱动电机的控制,使飞轮驱动电机能够根据系统要求,驱动飞轮储能单元储存或释放能量。运用李亚普诺夫稳定性理论证明了该控制算法的稳定性和有效性,并给出了其稳定性条件。经过仿真验证,该算法可以有效地实现对飞轮储能单元的充放电控制,其控制参数可以随着系统的运行自适应调节,飞轮储能单元的控制精度和鲁棒性也有所提高。

感应电机单神经元微分积分比例调节器

运用常规的控制方法很难使普通感应电机转子的速度或位置在任何时候都能自动、连续、准确地复现给定信号的变化规律．讨论了一种采用单神经元PID（比例－积分－微分）调节器来实现感应电机速度跟踪的方法．首先介绍了单神经元PID调节器的基本工作原理，然后构造了采用单神经元PID控制的感应电机调速系统的仿真模型，最后通过计算机仿真，对此种调节器在感应电机调速系统中的应用进行了分析，仿真结果验证了此调节器可使感应电机具有很高的跟踪性能，整个系统对参数变化不敏感，具有良好的自学习与自适应能力．

基于自适应PID算法的变频器节能控制系统设计

在当前的电气应用中,变频器控制系统应用广泛,但面临的挑战也愈发明显。特别是在能耗管理方面,由于其缺乏智能调控频段能耗的能力,系统整体能耗偏高。为此,文章提出基于自适应比例-积分-微分(Proportional Integral Derivative,PID)算法的变频器节能控制系统设计。构建以微处理器为核心的变频器节能控制结构,将神经网络与PID控制器相结合,构造自适应PID控制器。结合变频器节能控制结构的能耗计算与反馈,通过自适应调节权值系数完成变频系数调整,降低各频段能耗,实现变频器节能控制研究。实验结果显示,该系统节能效果显著,能耗最高仅为20 J,且相较于对比文献,该系统运行稳定,运行时间短,为变频器节能控制运行提供了保障。

AdHoc网络单神经自适应PID主动队列管理

针对无线自组网的网络拥塞问题,考虑网络节点的移动性以及网络拓扑结构异变性引起的局部和全局拥塞,提出了一种单神经自适应PID的主动队列管理算法。算法对现有的Ad Hoc网络移动节点的队列管理算法进行改进,利用单神经元结构简单的特点,同时结合神经网络强大的自适应、自学习能力,实现对无线节点缓冲区队列长度的有效控制。实验结果表明,新的中间节点拥塞控制算法具有响应时间短、丢包率低、网络流量吞吐率高等优点,在动态的网络环境下具有更好的稳定性和鲁棒性,综合性能优越于传统的PID控制算法。

基于单神经元自适应PID控制的注塑机合模机构

设计了一个单神经元自适应比例-积分-微分控制器(PID)控制器,使用AMESim/Simulink联合仿真机制,建立了注塑机合模机构液压伺服系统的模型。由仿真结果看,与常规PID控制器相比,使用单神经元自适应PID控制器控制的系统有着更好的鲁棒性,系统获得了更好的环境适应性。

基于单神经元自适应PID控制的航天器大角度姿态机动

针对航天器大角度姿态机动,提出了一种新的单神经元自适应比例积分差(PID)控制器设计方法。基于误差二次型最优理论推导出相应的单神经元输入权值参数调整算法,并用Lyapunov稳定性理论分析了控制系统的稳定性。所设计的控制器结构简单、计算量小、鲁棒性好,能更好地适应航天器模型的不确定性,易于在轨实现。数学仿真结果验证控制器有效。

引入PID反馈的SHAEKF算法估算电池SOC

电池荷电状态(SOC)的估算精度是电动汽车电池组的重要指标。为提升SOC估算精度,在融合Sage-Husa扩展卡尔曼滤波(SHEKF)算法与自适应扩展卡尔曼滤波(AEKF)算法的基础上,增加比例积分微分(PID)反馈环节,形成改进算法。采用粒子群优化(PSO)算法对二阶RC等效电路模型进行参数辨识;用开源电池数据集对模型和算法进行实验和分析。改进的SHAEKF算法在电池动态应力测试(DST)、北京动态应力测试(BJDST)和美国联邦城市驾驶(FUDS)等工况下的平均估计误差都在1%以内,与单纯的融合算法SHAEKF算法相比,最大误差可减小5%。

遗传算法改进的单神经元PID控制器及其应用

单神经元(PSD)控制器利用神经元的自学习、自组织能力,根据被控对象的变化情况对控制器的权值进行在线调整,达到了在线调整PID参数的目的;且设计时无需精确对象模型,克服了常规PID因负载、模型参数的变化及非线性因素等影响PID精确调节的缺点。采用遗传算法对单神经元PID参数进行寻优,在搜索空间内获得全局最优点。仿真结果表明:采用遗传算法改进的单神经元PID控制器能获得较好的控制效果。

遗传算法改进的单神经元PID控制器及其应用

单神经元(PSD)控制器利用神经元的自学习、自组织能力,根据被控对象的变化情况对控制器的权值进行在线调整,达到了在线调整PID参数的目的;且设计时无需精确对象模型,克服了常规PID因负载、模型参数的变化及非线性因素等影响PID精确调节的缺点。采用遗传算法对单神经元PID参数进行寻优,在搜索空间内获得全局最优点。仿真结果表明:采用遗传算法改进的单神经元PID控制器能获得较好的控制效果。

基于Cornell的自适应电离层闪烁强度的模型研究

针对Cornell模型在同一闪烁条件下,数据更新周期越长,估计和模型输入的幅度闪烁指数S4的偏差越大,并随着电离层闪烁的增强而增强的问题,提出基于Cornell模型的自适应S4的电离层闪烁模型即AS4-Cornell模型。模型以S4的偏差作为BP(back propagation)神经网络比例积分微分(proportional integral derivative,PID)算法的反馈,自动调整输入的复高斯白噪声的区段权值,使最终产生的闪烁信号满足模型输入的闪烁指数S4的指标。结果表明:仿真时,AS4-Cornell模型的幅度和相位闪烁序列概率分布均符合电离层闪烁理论,估算得到的电离层幅度指数S4与模型输入S4指数的最大偏差为0.001;全球定位系统(global positioning system,GPS)电离层闪烁模拟器测试时,AS4-Cornell模型估算得到的电离层幅度指数S4与模型输入S4指数的最大偏差为0.09;相比Cornell模型,AS4-Cornell模型产生的电离层闪烁信号更能够很好地反映模型输入的电离层闪烁指数S4的强度。

混合果蝇优化算法PID参数整定方法的研究

【目的】解决基本果蝇优化算法(FOA)由于算法局限性而出现比例积分微分(PID)参数整定收敛速度慢且容易过早陷入局部最优的问题。【方法】为了在迭代前期具有更高的全局搜索效率,利用粒子群算法(PSO)寻找多个全局较优种群,迭代后期使用具有较强的局部寻优能力的FOA算法提高收敛精度,实现对全局搜索和局部搜索过程的优化。【结果】两个二阶时滞系统的阶跃响应测试结果表明,基于HFOA的PID控制器参数整定的上升时间、调节时间和超调量等指标更优,能够实现更好的系统响应性能。【结论】优化后算法具有控制精度高、响应速度快、鲁棒性好等优点,为PID参数优化提供了参考。

基于RBF在线辨识的AGV转向单神经元PID控制

针对自动引导车(AGV)转向系统的复杂、非线性和时变性,提出了基于RBF神经网络在线辨识的单神经元PID控制来改进常规的PID控制性能。在该控制系统结构中,采用RBF神经网络辨识器实现对转向系统的Jacobian矩阵信息的在线辨识,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。实验结果表明,与常规的PID控制方法相比,该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全可适用于AGV转向系统的控制。

基于RBF神经网络非线性预测模型的开关磁阻电机自适应PID控制

开关磁阻电机的非线性和变参数特性使得采用传统的PID控制很难取得较好的控制效果。人工神经网络在一定的条件下可以任意精度逼近任意非线性函数且具有较强的自学习、自适应、自组织能力。故将其与传统的PID控制相结合构成神经网络自适应PID控制策略,应用于非线性严重的开关磁阻电机,可实现对开关磁阻电机的高性能控制。同时,神经网络所具有的非线性变换特性和高度的并行运算能力使得其适合建立非线性预测模型进行参数预测。通过对被控系统参数的预测,可提高系统的动态响应性能。该文采用两个神经网络-BP神经网络和RBF神经网络来分别构成神经网络NNC和神经网络NNI。神经网络NNC进行自适应PID参数调节；神经网络NNI用来建立非线性预测模型进行参数预测。为进一步加快神经网络的学习收敛速度,该文采用变学习速率的神经网络学习算法,学习速率随收敛过程误差的大小而自适应地进行调整,这可大大加快神经网络学习训练的收敛速度,进一步提高系统动态响应速度。实验结果表明,系统的动态响应快,超调小,稳态精度高,鲁棒性强,有较强的抗扰动能力,具有较好的控制效果。

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。

基于单神经元PID的永磁同步电机解耦控制

永磁同步电机(PMSM)数学模型可简化为一个两输入两输出的非线性系统。神经网络具有逼近任意复杂非线性系统的能力,将经典比例-积分-微分(PID)控制与单神经元结合,可构造出单神经元PID,实现对PMSM的解耦控制。仿真和实验结果表明该系统模型响应速度快,稳定性强,动、静态性能良好,鲁棒性很好。

基于PSO-BP-PID神经网络的注塑机料筒温度预测算法研究

提出了一种基于粒子群优化(PSO)算法、BP神经网络及比例积分微分(PID)控制的复合算法的注塑机料筒温度预测模型,即PSO-BP-PID神经网络模型,并进行了仿真研究。结果表明:使用PSO算法确定该模型的输出权重,并且对混合核函数参数进行优化升级;在模型训练过程中,使用更大的容许度处理正误差,保证预测误差始终处于正值,使预测结果科学可靠;将高斯核函数与多项式核函数结合,生成一个新型混合核函数,提高核函数极限学习机性能;PSO-BP-PID神经网络模型的预测效果整体较传统PID模型好,温度总体趋势与实际预测数据相近,具有更好的拟合度。

直驱泵系统的单神经元PID+前馈控制策略

直线电机驱动柱塞泵(简称直驱泵)系统具有较强的非线性,且系统在运行过程中需要根据不同的流量需求及负载状况改变直线电机的运动状态.传统PID控制策略的控制参数需要人工手动调节且整定后不会随工况改变做出相应调整.针对传统PID控制算法控制效果不佳的缺点,提出了一种基于可编程多轴运动控制器(programmable multi-axes controller,PMAC)的单神经元PID+前馈控制策略.单神经元PID+前馈控制以单神经元模块的输出作用律作为控制量的补偿量加入到控制算法中,具有神经网络的学习能力、适应能力和PID控制的广泛适应性.对神经元比例系数K1采用人工调整的配置方式进行改进,使K1可根据误差绝对值自动在线调节并将K1值限定在一个合适的范围内.通过MATLAB/Simulink建模仿真并利用Turbo PMAC运动控制器的“开放伺服”功能在直驱泵控制系统平台对此控制策略进行试验验证.结果表明,在相同情况下,与控制器内建的控制策略相比,单神经元PID+前馈控制策略下系统响应更快、超调更低、跟随误差更小,系统的动态性能和鲁棒性都得到进一步提升.

反演单神经元PID复合控制在伺服系统中的应用

针对火箭炮位置控制中存在的转动惯量和负载力矩变化大、冲击力矩强等特点,提出了一种反演单神经元比例-积分-微分(PID)复合控制方法。单神经元PID控制可对传统PID控制器的比例、积分、微分系数进行在线调整,实现了系统的自适应控制。反演算法可使较大的系统误差快速收敛到设定值以内,提高了系统的自适应能力。仿真及实验结果表明,该文复合控制方法具有更好的稳定性和动态跟踪精度。

基于RBF神经网络自适应整定燃烧串级控制系统

针对传统的锅炉燃烧串级控制系统采用固定的PID控制参数难以取得满意的控制效果的缺点,引入径向基(RBF)神经网络自适应整定燃烧串级控制系统外回路的PID参数.内回路仍然沿用原来的PI控制方式及控制参数,由RBF网络辨识得到被控对象的Jacobian信息后,根据梯度下降法自适应调整系统外回路的PID控制参数.仿真研究结果表明:新控制算法能够消除控制系统的静态误差;即使被控对象的模型参数发生了很大变化,新控制算法仍然能快速响应蒸汽压力的阶跃扰动,迅速克服燃料量内扰,其控制效果明显优于常规PID串级控制.

基于改进神经网络PID算法的医用电子直线加速器温控系统研究

目的:探讨基于改进神经网络PID算法的医用电子直线加速器温控系统的实现。方法:针对医用电子直线加速器温度控制难题,提出了基于共轭梯度算法改进的BP神经网路PID控制算法,并在温度控制系统中进行了仿真。结果:该控制器能够实现较好控制效果。结论:利用共轭梯度算法改进的BP神经网路PID控制算法对医用电子直线加速器温度控制系统进行控制方法切实有效,简单可行。