时间序列预测小波神经网络在线整定控制（英文）

为提升现有的BP与RBF神经网络控制参数在线整定系统的自适应能力、动态与稳态性能,该研究提出了,提升BPNN-PID和RBFNN-PID算法和系统的智能特性,提出并改进了WNN-PID方法;提升上述算法的响应速度并降低稳态误差,提出并改进了VARMA-WNN-PID方法这两项改进工作。通过理论分析和计算机方针对比研究,证实了提出和改进的方法具有一些特性提升。

模糊PID自整定控制方法

本文对在线实时模糊 PID自整定控制方法进行深入讨论 ,并对温度过程进行控制。表明其正确。

二自由度神经元PID在温度控制中的应用

本文讨论了二自由度神经元PID控制,并应用于温度控制。利用神经网络的自学习在线整定控制器参数,可以得到无静差、无超调和强抗扰动的控制效果。

球杆系统自适应遗传PID控制

遗传算法全局寻优参数,但训练时间较长; PID控制算法简单,却难以控制非线性复杂过程。将自适应遗传算法和PID相结合,可有效地改善控制效果。通过建立球杆系统机械部分模型、角度模型和电机模型,得到整个球杆系统的数学模型;设计基于遗传算法的自适应PID控制器,通过在线整定控制器参数,提高球杆系统的控制性能。仿真实验结果证明了该算法的控制效果良好,适应能力较强,具有算法简单、参数整定容易等优点。

预测小波神经网络智能控制系统仿真研究

针对高危险高污染环境中控制系统参数在线整定和优化的需求,提出了一种结合向量时间序列预测方法和小波神经网络方法的控制参数在线整定智能控制系统,即通过增设小波神经网络作为控制系统的智能整定机制和自回归移动平均向量时间序列算法预测输出替代根据实时输出进行计算。采用理论分析和对多个方法进行计算机仿真对比实验等方式,验证了上述方法和智能控制系统具有可行性、工程应用稳定性、更好的快速性、更低的稳态误差等特性,给出了稳定性保证方法。