螺旋给料流量系统单神经PID控制及仿真研究

螺旋给料流量控制系统是一个精度要求高、易受干扰、响应滞后的复杂系统,很难建立一个精确的流量控制系统模型来对流量进行有效地控制。针对螺旋给料过程的不稳定性、响应滞后、易受干扰等问题,提出了一种单神经PID的螺旋给料流量控制方法。通过分析螺旋给料流量系统实时采集的信号,并反馈至有监督的Hebb性能学习指标的单神经元PID控制系统,通过不断学习,自动调节PID控制器的权值提高流量稳定性,并对密度变化进行了补偿。仿真实验表明,该基于单神经网络的PID方法自适应性强,稳定性高,能够有效提高系统的跟踪精度和响应速度。

人工神经网络几种学习算法的对比

神经网络专家系统的设计重点在于模型的构成和学习算法的选择,对神经网络算法的了解是非常重要的。文章讨论分析了感知器、有监督Hebb算法、梯度算法、BP算法等前向网络的学习结构和算法,并对这几种算法作了对比和总结,提出了这几种算法的异同。

用于电力故障波形重现的逆变器建模及其自适应控制

从频域角度对用于故障波形重现的逆变器进行建模和分析。通过引入导通时间偏移量和时间–电压转换系数的概念提出一种改进模型,实现了占空比到输出电压的线性变换;克服了近似模型由于线性化造成的频带受限。引用能消除固有跟踪误差的准PID控制器对改进模型进行控制,为消除参数漂移等对其性能的影响,提出了基于"有感知器监督的Hebb学习规则"的单神经元自适应准PID控制器,很好地改善了控制性能,满足了故障波形重现的精度要求;且该算法运算量小,适合于实时实现和现有软件的更新升级。

液压振动台位移补偿的PID控制方式的研究

针对目前市面上的液压振动台的位移控制精度的问题,提出了一种基于单神经元网络的PID和有监督的Hebb学习法则的液压振动台的智能控制方式,并加入压力值与位移值构成双闭环控制,来解决由于振动、油液泄漏等因素造成的液压泵中压力的损失导致伺服作动器位移的误差的问题。该控制方式可以通过对变化的误差不断的在线修正和学习,并迅速地调节出最优的PID参数,快速地到达所设定的参数值。该控制方式可以减小在运行过程中因干扰和系统扰动等因素造成的位移误差。仿真结果表明,该控制方式具有较强的自适应能力和抗干扰能力以及鲁棒性。