基于免疫-单神经元PID算法的纸浆浓度控制

针对单神经元PID算法中的增益K不能自调整引起的动态响应慢的问题,提出了一种将免疫算法与单神经元PID算法相结合的控制算法——免疫-单神元PID算法。依据T细胞免疫机理调节单神经元PID算法中的增益K,使增益K获得自调整功能,以改善单神经元PID算法的动态性能,提高其学习速度。仿真结果表明,该算法可克服纸浆浓度控制过程中存在的多干扰性、时变性、非线性等缺点,能够满足纸浆浓度控制的稳定性、快速性要求。与单神经元PID算法相比,该算法响应速度具有明显的优越性,并具备了单神经元PID算法本身较强的抗干扰能力以及自学习自适应的能力。"THJSK-1"平台上的实时控制也验证了免疫-单神经元PID算法的可行性。

单神经元PID算法在倒立摆控制系统中的应用

倒立摆是非线性、不稳定的系统。本文使用单神经元PID控制算法,设计出基于小车位移和摆杆摆角两个回路的单神经元PID控制器,并与传统的PD控制策略相比较,验证了其有效性和可行性。

基于改进单神经元PID算法的变风量空调系统三参数前馈解耦控制

针对变风量空调系统(Variable Air Volume Air Conditioning System,VAVACS)的多参数、非线性且其主要控制回路之间存在强耦合的特性,提出了一种改进单神经元PID算法的前馈补偿解耦控制策略的设计思路。首先,对于3个主要控制回路:冷(热)水流量QCW/HW-送风温度TSA、送风机转速n1-送风静压PSA和室内送风量QSA-空调房间温度或室温Tn,采用前馈补偿方法构建了解耦补偿器的传递函数矩阵,以消除它们之间的耦合效应。其次,设计了改进的单神经元PID算法(Modified Single Neuron PID Algorithm,MSNPIDA)。该MSNPIDA分别依据送风温度TSA、送风静压PSA和室温Tn的误差及误差变化率对相应的3个单神经元PID控制器参数的权值与增益系数进行自适应整定,获取相应的最佳值。最后,借助MATLAB工具,对基于MSNPIDA的VAVACS三参数前馈解耦单神经元PID控制系统进行编程和组态,且仿真运行。结果表明:基于MSNPIDA的VAVACS三参数前馈解耦单神经元PID控制系统在理论上是可行的,且相应的送风温度TSA、送风静压PSA和室温Tn的控制指标能够满足空调工艺的相关要求。

积分分离的单神经元PID控制算法及其研究

将积分分离的思想引入单神经元PID(比例积分微分控制)算法中,提出1种积分分离的单神经元PID控制算法,既避免了由于积分累积而导致的较大超调,减少振荡幅度,又利用单神经元PID算法中参数可调的特性,增强了控制系统的自适应能力。通过对不同被控对象的仿真研究,表明其有效性和优越性。同时,通过对该算法中阈值取值研究及该算法与普通PID及单神经元PID的对比研究,指出了该算法的优缺点。

单神经元PID控制算法在智能车控制系统的应用

针对传统PID控制算法对智能车的舵机和电机进行控制时,其控制参数很难随环境变化进行自整定,进而影响智能车的运行状态的问题,提出单神经元PID控制算法,该算法具有参数自整定能力强、现场调整参数少、调整周期短及稳定性好等优点。通过对智能车的系统结构和运动学模型进行分析,根据单神经元PID算法的控制策略,进行多种算法的仿真测试并将其应用在实际的智能车控制试验中。结果表明:单神经元PID控制算法能够使控制系统以较好的状态运行,实现智能车快速稳定的自主循迹行驶。

单神经元PID液位PLC控制应用

论述单神经元PID算法及其仿真。在S7-300 PLC上完成单神经元PID控制器的设计,并已应用于实际液位控制系统,获得满意的效果。通过与传统PID控制比较,分析单神经元PID控制算法的优越性。

神经元PID在风力摆控制系统中的应用

针对传统的自动控制系统教学效果不够理想、自动控制教学模型复杂、PID参数整定经验方法效率较低和速度较慢的特点,设计了一款性价比高、调试方便的基于六轴重力及角加速度传感器MPU6050的风力摆控制系统。采用IAPSTC15W58S4作为微控制器,选用820空心杯电机作为动力源,神经元PID算法作为主控算法。通过给系统设定一个任务,空心杯电机驱动风力摆起摆,MPU6050传感器采集当前摆动角度。通过串口将角度返回给上位机Serial Chart软件显示,根据Serial Chart软件显示情况分析摆动规律,从而不断对P、I、D参数进行整定,使摆完成预定任务。实测结果验证了该神经元PID算法及P、I、D参数整定方法应用于风力摆系统的正确性及可行性。该风力摆控制系统必将在自动控制原理的教学及控制系统的设计方面具有重要的意义和价值。

基于模糊调整单神经元增益的黑液液位控制算法研究

单神经元PID算法在非线性、时变性以及模型不确定的控制系统中能表现出优越的静态性能,同时模糊算法在未知模型和不精准控制的控制系统中,具有良好的动态性能。针对黑液液位的时变性、非线性等特点,将模糊算法与单神经元PID算法相结合,设计出一种动静态性能良好的模糊调节单神经元增益的新型算法。仿真结果表明,该算法在黑液液位控制中具有很强的鲁棒性,响应速度快、自适应能力强。

dSPACE的单神经元温度控制算法研究

针对电加热炉温度过程控制系统,利用基于dSPACE的电加热炉实时半实物仿真平台,将单神经元自适应PID算法应用于dSPACE温度控制系统中,并完成S函数的M EX C代码格式建模,在M atlab/Simulink中进行模块化设计,将实质性代码放在S函数源文件之外的C文件中,完成单神经元自适应PID算法的移植和维护,实现方便快速原型化设计。实验表明,在dSPACE实时系统中应用单神经元自适应PID算法后,既利用了神经网络充分逼近任意非线性函数的能力,又发挥了PID控制器结构简单、稳态精度高及动态响应速度快等优点,同时dSPACE平台大大缩短了研究周期,获得了良好的控制效果。

2种风力机变桨系统单神经元比例–积分–微分控制策略的比较与分析

针对风力机变桨系统非线性的特点,提出采用单神经元比例–积分–微分(proportional integral differential,PID)进行控制。分析了单神经元PID控制器的特点,建立了数学模型。将单神经元PID算法进行改进,得到改进的单神经元PID控制器。仿真结果表明:2种单神经元PID控制器构成的系统均可实现无超调,具有系统稳定性好的特点;改进单神经元PID控制器较单神经元PID控制器的响应速度更快;2种单神经元PID控制器比常规PID控制器的鲁棒性更强。

基于FI-SNAPID算法的经编机多速电子送经系统开发

为了提高经编针织物的质量和增加可生产的花型品种,对德国卡尔迈耶双针床经编机原已老化的单速电子送经系统进行升级改造,开发了多速电子送经系统.在研究多速电子送经原理的基础上,给出系统架构、硬件电路和基于模糊免疫-单神经元PID(FI-SNAPID)算法的软件实现方法.系统上位机采用嵌入式工控机/触摸屏,搭载MCGS组态软件,方便、直观地实现了产品设计、工艺参数的设置以及生产管理等功能.为了节约改造资金,提高性价比,在升级改造过程中保留了原系统6个经轴直流电机,重新为其开发伺服驱动器作为下位机.下位机主要基于高性能8位微处理器、智能功率模块(IPM)和FI-SNAPID算法设计实现.经实际测试运行表明,系统性能稳定,送经精度高,人机界面友好.

基于单神经元神经网络的无刷直流电机控制系统仿真

无刷直流电机是一种多变量、非线性、参数时变以及强耦合的复杂系统,利用传统比例积分微分(proportional integral differential, PID)算法控制无刷直流电机存在参数调整困难、自适应能力差、控制精度低以及抗干扰能力弱等问题。为实现无刷直流电机的高精度控制,在转速环中引入了基于单神经元神经网络PID控制算法,研究了无刷直流电机的数学模型及运行特性,提出了单神经元神经网络PID算法,最后比较分析了在电机双闭环控制系统中转速环采用不同控制算法下的转速阶跃函数响应,以及三相电流、反电动势和电磁转矩的运行状态。结果表明:单神经元神经网络PID算法控制下的无刷直流电机其转速的阶跃函数响应具有更快的上升时间、更小的超调量以及更加稳定的运行状态。

足球机器人运动控制算法研究

在建立基于小转角的足球机器人运动学模型的基础上,提出了单神经元自适应PID控制算法和基于Kalman滤波的PID控制算法.通过仿真分析,系统在单神经元自适应PID控制下,超调量、上升时间和峰值时间分别是常规PID控制下的30.7%,54.3%和72.7%,完全满足足球机器人现场比赛竞技性的要求;基于Kalman滤波的PID控制能够抑制干扰,提高控制精度,控制效果明显改善.

基于双模控制算法的交流伺服电机的研究

为了提高伺服电机控制的实时性和精确性,满足伺服系统高速度和高精度的控制要求,提出一种自适应神经元模糊PID的交流伺服电机控制算法。该算法充分结合模糊PD控制的强鲁棒性和神经网络控制强大的自学习能力。通过对仿真结果对比分析,结合后的控制算法相比单一的模糊PD算法和单神经元自适应算法,系统的响应速度更快,精度更高。

基于先进控制算法的灯具感光亮度调节设计

为了克服传统的室内灯光亮度感应外界环境光照强度的时间滞后性且不精确性,分别对室内环境光照强度和室内灯光亮度进行了分析,提出了时间最优控制和单神经元自适应PID先进控制算法,使得灯光强度自适应外界环境光照度快速且准确的达到人们想要的效果。采用改进后的Bang-Bang控制,使被控对象初始值以不同的误差范围根据光照亮度设定值的变化而改变;再根据单神经元自适应PID通过调节参数而更加精确的调节PWM占空比的输出,从而有效的调节光照亮度。实验结果表明:从时间效应和光亮强度上来看,该控制算法有一定的改善效果,对于智能灯光要求比较高的大型场所有一定的适用性。