基于模糊神经网络PID控制的双向DC/DC变换器

为提高交错并联双向DC/DC变换器的动态性能与抗干扰能力,提出一种基于模糊神经网络PID的控制方法.建立并联交错双向DC/DC变换器的小信号数学模型,得到输出电压与电感电流的传递函数;设计模糊神经网络PID控制器,应用到变换器双闭环控制的电压外环.仿真结果表明:与模糊PID控制、RBF神经网络PID控制相比,Buck模式下,模糊神经网络PID控制下的变换器输出电压达到稳态的时间为15 ms,超调量为1%,加入扰动后30 ms即可恢复稳态;Boost模式下的仿真结果与Buck模式相似,证明了模糊神经网络PID控制方法的优越性和有效性.

乡镇生活污水溶解氧浓度模糊神经网络PID控制系统研究

在乡镇生活污水处理的好氧阶段,溶解氧浓度控制是非常重要的过程,具有滞后性和多干扰等特点,传统控制策略因控制精度较低和自适应能力差而难以满足要求。设计了基于模糊神经网络PID算法的溶解氧浓度控制方案,并在MATLAB中进行仿真。仿真结果表明,该控制方案具有响应速度快、超调量小和抗干扰能力强等优点。

基于Simulink仿真的施肥机模糊神经网络PID控制方法

【目的】农用电气设备的部件十分复杂,易受到环境因素的影响,无法准确控制施肥量,故障频发。因此,需要一种成本低、运行稳定、施肥量控制精确、受工作环境影响小的施肥机控制系统。【方法】本研究采用模糊神经网络PID控制方法,将机器学习和非线性模糊控制方法引入传统PID控制器中,并基于MATLAB中Simulink仿真平台建立了模糊神经网络PID控制系统仿真模型。【结果】该模型可以根据模糊规则进行练习和学习,通过控制步进电机的转速和旋转角度来控制施肥量,神经网络还可以持续自动学习并动态改进系统的控制参数,以适应不断变化的农田作业环境。【结论】该模糊神经网络PID控制系统自我矫正能力强,可抵抗环境干扰,控制效果显著。

采用免疫BP算法的模糊神经网络PID控制器

文章在传统PID控制器的基础上,结合模糊控制和神经网络控制理论设计出自适应模糊神经网络PID控制器,并将免疫反馈机制应用到BP学习算法中,通过自适应调整学习速率,改善算法的收敛性;通过Matlab仿真验证了引入免疫反馈机制的BP算法的优越性。仿真及实际应用结果表明,采用免疫BP算法的模糊神经网络PID控制器响应速度快,控制输出稳定,抗干扰能力强,鲁棒性好,较模糊PID和传统PID控制器具有更好的动、静态特性。

基于改进粒子群算法的模糊神经网络PID控制器设计

针对模糊神经网络PID控制器中参数初始值的设置对控制器性能影响大的问题,提出一种改进的PSO算法优化模糊神经网络PID控制器参数的设计方法。该方法采用实数编码的方式对控制器参数进行优化,并以ITAT指标作为改进的PS0优化算法的适应度函数。实验仿真表明:经过改进的PSO算法优化的模糊神经网络PID控制器具有良好的动静态性能,响应速度更快,超调量更小,控制精度更高。

仪用模糊神经网络PID控制器的研究

针对仪用控制器的特点，本文提出了一种实用的仪用模糊神经网络ＰＩＤ控制器闭环设计方法，研制了模糊神经网络控制器设计开发软件，进行了大量的不同工业背景的计算机仿真，得出的控制器参数（网络权值，网络阀值）由单片机控制系统实现。实验表明：该方法在被控对象输出特性和Ｄ／Ａ输出给执行器的动作特性上都具有令人满意的曲线效果。同时亦证明这是一种实现仪器仪表智能化的有效方法。

基于模糊神经网络PID控制的污水处理应用研究

针对活性污泥污水处理系统具有复杂的非线性和时变性,传统的控制方法存在着精度不高,自适应能力差等缺点,提出一种模糊神经网络PID控制方法,将模糊神经网络与PID相结合,既发挥了PID控制的优势,又增加了模糊神经网络自学习和处理定量数据的能力,并且其中采用了动态递归神经网络对污水处理系统进行模型辨识。该控制方法能够快速、有效地使曝气池中溶解氧浓度达到期望值,并且具有较好的控制效果与控制精度。仿真结果验证了该控制方法的有效性和正确性。

基于DSP的液压伺服系统模糊神经网络PID控制

针对道路模拟试验台阀控液压位置伺服系统,介绍一种高性能控制器的设计方法。以高性能的TMS320F28335 DSP芯片为核心设计控制器硬件,并应用模糊神经网络PID控制方法设计控制器软件。对试验台装置实验测试,结果表明,相比于传统PID控制,模糊神经网络PID控制在保证控制精度的同时,具有更小的超调量和更快的响应速度。

基于T-S模型的模糊神经网络PID控制

针对在非线性、时变不确定系统中,常规PID控制器难以获得满意效果的问题,仿照传统PID控制器结构,设计了一种基于T-S模型的模糊神经网络PID控制器。该控制器基于T-S模糊模型,将PID结构融入模糊控制中,充分发挥了模糊系统非线性、可解释性的特点;然后又利用神经网络的学习算法,实现了对模糊控制器的参数调整,使控制器具有了适应时变、不确定系统的自学习和自组织能力。针对非线性、时变系统,将此控制器与传统PID控制器对比进行了仿真研究,并应用于啤酒发酵领域,其结果表明,该控制器取得了令人满意的效果。

串联型模糊神经网络PID控制器的设计

该文提出了一种串联型模糊神经网络PID控制器的设计方法 ,该方法利用人工神经元网络的聚类功能来对反馈回来的误差输入量进行分类 ,然后串联一个模糊控制器 ,并根据人工神经网络的分类结果来构造模糊规则库 ,使整个控制器既具有PID调节的功能 ,同时避免了神经元网络的发散问题 ,并解决了模糊规则库构造的困难 ,从而实现对PID控制器参数的智能调节。

面向电子压力机模糊神经网络PID控制的研究

针对电子压力机位置伺服系统的非线性和时变的不确定性,压装力、压装速度和压入深度高可控性,系统的高稳定性、适应性及较强的抗干扰能力等特点,提出将神经网络实现模糊PID自调整的控制特性应用在现存的小型电子压力机的位置伺服系统中的方法。该控制策略将模糊控制的推理能力和神经网络的学习能力进行了有效的结合,其中,PID控制器参数自调整是通过学习并记忆PID参数调整的基本规则来实现的,以满足电子压力机位置伺服系统的要求并用MATLAB软件编程进行仿真分析。仿真结果表明:相比较常规神经网络与传统PID相结合组成的控制器,模糊神经网络PID自调整控制器对于电子压力机的位置伺服系统具有更快的响应特性及更好的稳定性。

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。

基于模糊神经网络PID控制的花茶烘焙温控系统设计

针对花茶烘焙时对温度的精细化要求,提出由模糊控制、神经网络和PID组合算法构成的控制系统,实现对温、湿度的可靠控制,达到对鲜花快速去湿干燥的目的。系统将温度和湿度的误差e和误差率ec作为输入变量进行模糊化处理,确立隶属度函数,通过模糊推理和解模糊化生成输出量,为PID控制系统提供优化的调控因子△K,精准控制执行单元。系统采用RBP神经网络算法对模糊控制过程进行精细实时变量调控,以Delta(δ)函数和梯度下降算法为学习规则调整网络加权系数w、中心向量cij和基宽向量bij。系统利用Matlab软件进行数据仿真,对比传统PID控制和模糊控制,验证模糊神经网络PID组合控制的优越性,数据分析表明组合控制系统对温度的响应速度和数据的精确性都明显改善,扰动补偿和抗干扰能力有效提高,系统鲁棒性更好。

基于BP模糊神经网络PID控制的牵引绞车张力控制研究

传统的船基收放系统中的牵引绞车一般采用速度控制方式,导致在船舶升沉作用下负载至牵引绞车之间的缆绳张力不断震荡,最终可能造成缆绳损坏,甚至断裂等问题。分别设计了基于PID、模糊PID、BP模糊神经网络PID的牵引绞车张力控制器来进行缆绳张力控制仿真。通过仿真发现,相较于其他两种控制器,所建立的BP模糊神经网络PID控制器在不规则波及不同负载下的缆绳张力控制精度最高,系统平稳、无超调,且在受到干扰时动态响应速度最快。

基于模糊神经网络PID控制的智能充电方法研究

铅酸蓄电池充电过程具有多变量、非线性、时变性、滞后性的特点,现有充电技术的不足,严重影响了充电效率和电池寿命。提出了一种基于模糊RBF神经网络PID控制的间歇正负脉冲的充电控制策略。利用具有较强逻辑推理能力的模糊PID与RBF神经网络相结合,实现充电参数的动态调整和充电电流的在线控制。通过实验和仿真测试结果表明,本充电控制方法有效缩短了充电时间,充电电流曲线能更好地逼近马斯充电曲线,达到了提高充电效率和延长蓄电池使用寿命的目的。

矿井局部通风机的模糊神经网络PID控制器设计

针对矿井掘进工作面通风的特点,文章提出了一种将模糊神经网络、遗传算法和PID控制相结合的局部通风机控制方法。该方法运用遗传算法优化模糊神经网络隶属度函数的中心值和宽度,借助BP算法优化连接权系数。实验表明,该方法能根据瓦斯浓度的变化在线自动调整风机转速,较常规PID控制器有着明显的优点。系统采用以TMS320F2407 DSP为核心的电路来实现PID控制器的设计和通风机的变频调速等功能。

模糊神经网络PID控制在磨粉过程中的应用

磨煤机制粉系统具有非线性、时滞性大等特点,而且其输入量和输出量之间高度耦合,采用常规的控制方法难以实现良好的效果。为此提出模糊控制与神经网络结合的结构,采用误差反传优化网络权值,用于磨煤机制粉系统的控制。首先采用模糊算法对神经网络的输入值进行预处理,然后采用误差反传算法调整网络的权值,实现了PID控制器参数的自适应调整。仿真实验表明,该方法能解决耦合性、时滞性问题,超调量小,跟踪效果好,具有良好的鲁棒性和适应性。

无人车运动稳定性的模糊神经网络PID控制

受转向或侧向风影响,无人驾驶车在运行的过程中易产生失稳.采用了模糊神经网络PID算法,将系统输出偏差的变化量,经模糊化后输入到神经网络PID控制器中,对车辆的质心侧偏角、横摆角速度进行调整,达到控制车辆平稳运行的目的.在不同的工况下对算法的有效性进行了试验分析.结果表明,该算法使系统响应超调减少,反应时间加快,具有较强的抗干扰性.

模糊神经网络PID控制器设计及在常减压装置中的应用

介绍一种基于BP网络的模糊神经网络PID控制器的Matlab实现方法,及其在常减压装置中的应用。

模糊神经网络PID控制在焊缝跟踪中的应用

设计了一种基于神经网络结构的模糊控制器,并将它与PID控制器相结合,动态的调整PID参数。系统根据技术人员的经验和知识,离线的进行学习,使得模糊神经网络掌握调节PID参数的规则,模糊神经网络根据系统的偏差和偏差变化率实时的对PID的三个参数进行优化。以电弧传感器作为对象,通过仿真试验,证明了在相同的PID算法下,此控制方法起到较好的效果,说明此算法是可行的。