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。

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。

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。

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控制器在VEHSLS中的应用

该文设计了模糊BP神经网络PID控制器,用于提高VEHSLS控制精度和响应速度。该控制器把模糊逻辑、BP神经网络和PID控制的优点相结合,充分利用了模糊逻辑的抽象能力、神经网络的自学习功能和PID控制算法简单的特点,使系统可以通过模糊神经网络在线调整PID控制器的参数,进而提高了VEHSLS控制精度和系统的稳定性。

模糊神经网络PID控制器在污水处理中的应用

为建立实时响应快、动态调节性能大、鲁棒性强的污水处理自动控制模型,结合模糊逻辑推理控制、神经网络控制及常规PID(Proportion Integration Differentiation)控制技术,设计了模糊神经网络Fuzzy-PID污水处理控制器。仿真结果和实际应用显示,采用该控制器后,整个控制系统的收敛性、鲁棒性以及动态响应性等均有了很大的改善,系统具有较强的稳定性和自适应性。

基于遗传算法的模糊神经网络PID控制器研究

本文的研究对象是某类型贴片机的位置控制系统,运用基于遗传算法的模糊神经网络PID控制器对其位置系统进行控制。着重介绍了基于联接机制的模糊神经网络的结构,以及遗传算法对模糊神经网络的网络结构和隶属度函数的优化。通过实例详细地给出了优化过程和优化结果,并通过仿真结果,充分地说明了模糊神经网络的优异性能以及遗传算法在多目标寻优中的强大优势。

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。

模糊神经网络PID控制器及在DTC中的应用

本文详细介绍了常规控制和模糊PID控制在直接转矩控制系统中的应用,建立在MATLAB仿真模型的基础上,利用多层神经网络构建模糊PID控制器,通过神经网络自学习能力在线提取模糊控制规则,根据不同时刻的误差和误差变化率运用模糊推理在线自整定PID参数。仿真表明,改进的模糊PID控制器具有常规PID控制器更好的效果。本系统适用于高性能交流伺服或调速系统。

改进型模糊神经网络PID控制器的设计与仿真

传统PID控制器存在控制参数无法在线调整、控制效果差等问题。为了解决这些问题,本文提出了一款基于改进型模糊神经网络的智能PID控制器。该控制器不仅融合了模糊控制的推理能力和神经网络的学习能力,还创造性地将模糊规则参数化,使模糊规则也可以在线调整,进而提高了控制的准确性。同时,通过建构新型激活函数——IThLU函数,有效地避免梯度消失及梯度爆炸现象的发生,提高了控制的响应性。最终的仿真实验结果表明:这种改进型模糊神经网络智能PID控制器可以实现控制参数的在线实时调整,提高系统的响应性、稳定性和准确性,是对PID控制算法的有效改进。

基于模糊神经网络PID的煤矿掘进机俯仰控制研究

目前煤矿掘进机俯仰控制主要采用PID控制方法,在掘进机俯仰控制时变性与液压系统非线性情况下的控制精度不高。掘进机俯仰控制通过控制液压缸行程实现,将传统PID算法与模糊控制、神经网络等相结合,可有效提高液压缸行程控制精度。提出了一种基于模糊神经网络PID的煤矿掘进机俯仰控制方法。通过分析掘进机支撑部运动学关系,得到俯仰角与支撑部液压缸的数学关系;介绍了掘进机俯仰控制液压系统工作原理,建立了液压系统及其传递函数模型;将模糊控制与神经网络相结合,形成模糊神经网络,利用模糊神经网络优化PID控制参数,再结合支撑机构数学模型和液压系统传递函数模型,建立掘进机俯仰角模糊神经网络PID控制模型,实现煤矿掘进机俯仰机构自动精确控制。该方法可使掘进机俯仰机构更加快速、准确到达预设位置,解决掘进机俯仰控制中的时变性与非线性难题。仿真结果表明:模糊神经网络PID控制算法相较于模糊PID和PID控制算法,跟踪误差分别降低了69.34%和74.49%。通过液压缸位移控制模拟煤矿掘进机在突变工况和跟随工况下的俯仰控制,结果表明:模糊神经网络PID控制算法相比模糊PID和PID控制算法,俯仰控制跟踪误差最小,对位置信号的平均响应时间分别缩短了27.22%和50.33%,动态控制性能更好。

基于模糊神经网络的氢液化氦气压力PID控制

为了解决氢液化装置氦气压力调节系统超调量大、响应速度慢、调节时间长、控制参数无法在线整定等问题,针对系统具有非线性和时变性的特点,设计了基于模糊神经网络的PID控制器以及基于双曲正切函数的改进型激活函数。仿真结果表明:相比传统PID控制或模糊PID控制,采用模糊神经网络PID控制的系统动态性能显著改善,使得氢液化装置的氦气压力调节更加稳定可靠。

基于BSO改进模糊神经网络PID的管道压力控制策略研究

针对煤矿供水管道压力控制系统智能化程度低、人工操作实时性和准确性差等问题,设计了一种基于天牛群优化(BSO)改进模糊神经网络PID的管道压力控制策略。首先,基于BSO算法对PID控制器的初始参数进行参数迭代优化,找到最佳初始参数;其次,通过模糊神经网络实现实际压力偏差值的模糊化、模糊推理等处理,实时调整PID控制参数;最后,PID控制器运算后得到的输出信号作用在执行机构上,实现电动阀门的智能化控制。实验结果表明,该控制策略响应速度更快,超调量更小,稳定性更强,满足阀门控制开度要求,提高了煤矿井下供水系统的智能化水平,达到了减人、降本增效的目的。

基于模糊神经网络PID变压器恒温箱控制系统研究

针对变压器油色谱恒温箱对温度精细化的要求以及分析现有成熟的温度控制方法,提出了模糊神经网络PID控制进行优化,实现了对温度的可靠控制。系统将温度的误差e和误差率e(c)通过模糊化输入,依据隶属函数和模糊规则推理得到PID调控因子,再利用BP神经网络以梯度下降法对隶属中心值和基宽和权值进行学习训练。通过使用Matlab软件对传统PID、模糊PID和模糊神经网络PID三种模式进行仿真,得到模糊神经网络PID控制模式具有响应速度快、控制精准高、抗干扰性好、收敛速度和系统的鲁棒性优秀等优势。能够有效地改善恒温箱系统温度控制的性能。

基于模糊RBF神经网络PID的AUV姿态控制研究

针对自主水下航行器(AUV)高精度、强鲁棒性的运动姿态控制需求,提出了一种径向基函数(RBF)神经网络结合模糊PID控制的水下机器人运动控制器;采用RBF神经网络对模糊PID控制器参数进行优化,有效解决了模糊PID控制过度依赖经验,难以应对水下复杂工况的问题。仿真结果表明:模糊RBF神经网络PID控制器在AUV姿态调节中表现出较传统模糊PID控制器更好的响应速度和抗干扰能力,有效改善了AUV姿态控制性能;经实际应用验证,控制器在复杂工况下可以快速收敛至期望姿态并维持稳定。

基于模糊神经网络PID的无人艇航向控制器研究

针对常规比例、积分和微分(proportional integral derivative,PID)控制器在无人艇航向控制系统中表现出的稳定性差、控制精度低等问题,文章提出一种将模糊控制与反向传播(back propagation,BP)神经网络相结合的控制算法;在MATLAB中对比常规PID控制器、模糊PID控制器与模糊神经网络PID控制器在给定期望航向角下的航向控制性能,仿真结果表明模糊神经网络PID控制器对无人艇的航向控制性能最佳;在搭建的实验平台上对不同航向控制器下无人艇的航行轨迹和航向角进行比较,实验结果进一步验证了模糊神经网络PID航向控制算法的优越性。

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明:模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。

基于BP神经网络的PID炉温控制系统设计方法研究

经典PID控制器在工炉温控制系统中得到了广泛应用,但是PID控制器难于对复杂对象如大滞后、慢时变、非线性系统进行有效控制。提出了一种基于BP神经网络的PID炉温控制系统设计,利用BP神经网络的自学习能力,根据系统的输入和输出数据,自动调整PID控制参数,将BP神经网络和PID控制相结合,形成一种BP神经网络PID控制系统。通过分析传统PID控制和BP-PID控制的系统响应曲线,对比两者的控制效果。结果表明,与传统PID控制相比,BP-PID控制具有超调量小、调节时间短、抗干扰能力强等优点,能满足工业炉温精确控制的要求,并降低能源消耗。