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.

电子差速履带车辆转向转矩神经网络PID控制

根据电子差速履带车辆转向动力学和运动学分析,提出一种电子差速履带车辆转向转矩模拟神经网络PID(ANNPID)控制策略,由双电动机转向转矩协调控制、ANNPID控制和感应电动机转矩控制组成。通过建立双感应电动机独立驱动履带车辆电子差速转向控制系统,实现基于ANNPID控制的转向转矩协调分配和基于模型参考自适应控制(MRAC)的感应电动机间接磁场定向(IFOC)转矩控制。采用该策略,在不同转向半径的行驶转向工况、0.5B半径转向工况和中心转向工况下的实车试验结果表明,低速转向具有较好的操控性能。

带预测模型的神经网络PID控制器

在研究PID控制和神经网络的基础上提出了一种带预测模型的神经网络PID控制器 该控制器是一种 3层前向神经网络 ,它适用于工业过程中常见的慢时变大时滞控制系统以及控制对象具体模型难以确定的控制系统 该系统能在线调整PID控制器的 3个参数Kp,Kd,Ki,再经PID调节器产生最优的控制作用于被控对象 采用该控制器对模型参数缓变的系统进行仿真 ,结果表明该控制器具有良好的自学习能力 。

基于神经网络PID控制的客车ECAS设计与实现

以飞思卡尔MC9S08GB60单片机为控制核心,以亚星YBL6891H型客车为试验对象,针对空气悬架系统本身的非线性特性,采用神经PID控制算法,设计了一种通过检测车身高度对空气弹簧进行充排气,进而改变弹簧刚度的客车电控空气悬架系统。根据悬架评价指标建立了电控悬架的2自由度1/4车辆模型,通过仿真验证了该悬架系统对悬架动行程、车轮动载荷及车身垂直加速度这3项汽车行驶平顺性评价指标的改善,最后通过试验验证了所设计控制策略的正确性。

直线音圈电机的神经网络PID控制

音圈电机具有动态响应快、精度高等一系列优点,近年来,音圈电机被广泛应用在高性能的直接驱动式伺服阀领域里。分析了音圈电机的数学模型并设计了基于音圈电机的直驱阀阀芯位置控制系统。针对直驱阀存在负载扰动的影响,提出了一种基于BP神经网络PID的位置控制策略,它既有神经网络控制良好的动态特性又保持了PID控制的高速稳定性,并且能在线调整。仿真结果表明,所提出的基于BP神经网络PID的位置控制策略能够实现系统的良好控制性能,具有很好的鲁棒性。

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。

基于神经网络PID控制的被动式电液加载系统

针对位置扰动型被动式电液加载系统的多余力矩和参数变化问题,文章在利用结构不变性原理进行前馈补偿的基础上,采用具有自适应能力的神经网络PID控制器来提高系统的加载性能。通过仿真表明:采用这种复合方式控制方法,可以有效减小多余力矩,同时克服了系统的非线性和参数时变等因素对系统的影响,提高了系统的鲁棒性和加载性能。

基于神经网络PID控制的开关稳压电源

针对开关稳压电源非线性,如采用单纯的PID控制,难以在整个工作范围内建立数学模型的特点,提出了BP神经网络的PID控制方法。介绍了以MSP430F449为核心控制器件开关稳压电源的系统结构及软件实现方法。仿真和实验数据表明该控制器具有响应速度快、精度高和良好的鲁棒性。

基于神经网络PID控制的包装印刷位置伺服系统

针对包装印刷传动位置伺服系统,介绍一种基于共轭梯度学习算法的神经网络自适应PID控制方法.利用神经元的自学习、自适应特点,通过对位置系统的在线边学习边控制实现系统的快速实时控制.仿真研究表明,该传动位置伺服系统不仅具有令人满意的静、动态性能,还有较强的鲁棒性与自适应性.

加入滞后时间削弱器的大滞后系统的神经网络PID控制

Smith预估控制是大滞后系统主要的控制方法之一,通过Smith预估器将大滞后的对象转化为无滞后的对象,从理论上解决了大滞后系统的控制问题,但在实际应用中还存在缺陷。本文首先提出滞后时间削弱器,将大滞后的对象演变成小滞后的对象,然后给大滞后系统加入滞后时间削弱器,采用PID做为控制器,用BP神经网络对PID控制器的参数进行整定。仿真结果表明,加入滞后时间削弱器的大滞后系统取得更好的控制效果,它的鲁棒性高,自适应能力强,具有抗外来扰动的能力。

拖拉机多段液压机械无级变速器的神经网络PID控制

为改善配备有多段液压机械无级变速器(hydro-mechanical continuously variable transmission,HMCVT)拖拉机的动态响应性能和行驶平稳性,保证拖拉机按照目标车速稳定行驶,提高拖拉机的驾驶舒适性和作业质量,以东方红400马力轮式拖拉机为研究对象,对多段HMCVT拖拉机行驶车速进行神经网络PID控制研究。根据实际车速变化实时调节PID控制器的参数,实现对目标车速的控制。利用Matlab/Simulink仿真建模软件建立神经网络PID控制器和拖拉机传动系统模型,对多段HMCVT拖拉机进行神经网络PID控制仿真并与常规PID控制进行比较可知,神经网络PID控制器对车速控制具有更好的自适应能力和鲁棒性。研究结果可为多段HMCVT拖拉机的自动化操作控制提供参考。

温室温度控制系统神经网络PID控制算法研究

在以优质、高效、高产为目的的现代化农业发展新阶段,温室自动化技术的研究受到广泛重视。对于温室自动控制系统,由于其非线性、强耦合、纯滞后、大惯性的自身特性,传统PID控制已难以满足高品质温室控制系统的需求。由于BP神经网络具有强大的学习能力及非线性映射性,将BP神经网络控制引入常规PID控制中,采用BP神经网络PID控制方案,设计温室温度的自动控制系统并进行仿真验证。仿真结果表明,相比于传统的PID控制系统,所设计的基于BP神经网络PID控制系统具有更强的自适应能力与稳健性,控制品质具有明显优势。

基于S函数的RBF神经网络PID控制器Simulink仿真

以RBF神经网络PID控制器的Simulink仿真为例,介绍了复杂控制规律的S函数构造方法。给出了基于MATLAB语言的RBF神经网络PID控制器的S函数仿真模型,及该模型在一非线性对象的仿真结果。从而避免了复杂系统仿真时采用编程方法编写大量复杂而烦琐的源程序,使编程快速、简捷,调试方便,使系统仿真工作量会大大减少。采用S函数可以充分发挥Simulink的优势,扩充Simulink的仿真功能,不但仿真模型简单,而且大大降低了编程的难度,特别适合于复杂控制系统的仿真。

基于BP神经网络PID控制器的单轴测试转台设计

针对TS-360型单轴测试转台精度要求高的特点,提出了基于BP神经网络与常规PID控制器相结合的控制算法,提高了系统的控制精度,增强了系统对非线性干扰的自适应能力。系统采用增量式光电码盘反馈和PC/104嵌入式计算机控制的新型测角方案,设计并研制了转台相应的硬件装置,实现了系统的全数字控制。

基于RBF在线辨识的神经网络PID控制及其应用

讨论了RBF辨识网络的控制算法,并提出了一种新型PID控制器,该控制器利用神经元自适应PID的在线参数调整,采用RBF网络对被控对象在线辨识。仿真结果表明该控制器的控制效果优于传统的PID控制算法和模糊自适应PID控制算法。

航空发动机自适应神经网络PID控制

普通PID控制器以其简单、实用、易于实现,在经典控制中倍受青睐。对于像航空发动机这样复杂的非线性系统,基于对象精确数学模型的PID控制方法的自适应性较差,难以适应具有非线性、时变不确定性的被控对象。神经网络的建立为这种问题的解决奠定了基础。文中针对航空发动机难于建立精确数学模型的特点,采用了航空发动机自适应神经网络PID参数控制方案,仿真结果表明自适应神经网络PID控制不仅不依赖于精确的对象模型,而且具有满意的动、静态性能。

基于ELMAN神经网络PID控制的BLDCM调速系统设计

针对无刷直流电机时变性、非线性、耦合性等特性,设计改进Elman神经网络PID控制算法。改进算法融合分层递阶思想和小生境PSO算法思想,联合优化ELMAN神经网络结构及初始化参数,解决传统控制算法收敛速度慢、易早熟、需人工设置网络结构及初始参数等问题。引入自适应灾变因子提高寻优精度。仿真结果表明,使用改进算法优化PID控制器可使BLCDM调节时间和超调量大幅减小,响应速度加快,具备较好的动态性能和较强的鲁棒性。

基于忆阻神经网络PID控制器设计

忆阻器是一种阻值变化依赖于通过它的电荷量或磁通量的新型电子器件,在非易失性存储器和人工神经网络等应用中具有独特优势.智能PID控制器在现代控制领域中占据重要地位.文中在研究传统单神经元和神经网络PID控制器的基础上,引入具有类似于人脑突触行为的忆阻器实现新型的权值更新机制,提出了忆阻单神经元和神经网络PID控制器模型.在理论推导的基础上,进行了编程仿真和Simulink建模.实验结果验证了提出方案的有效性.该方案可望进一步推动智能PID控制器的发展,促进神经网络PID控制器的硬件实现.

遗传神经网络PID控制技术研究与应用

针对空调控制系统非线性、大滞后、时变性等特点,通过对中央空调总风量控制法的研究,提出了采用遗传算法神经网络PID控制方法,使空调控制系统具有较高的控制精度和良好的动态特性。仿真及实验结果表明该方法有效可行。

基于神经网络PID控制器的压铸机压射速度控制系统的设计

目的通过神经网络PID控制器,提高铸件过程中对压铸机压射速度的准确控制,以改善铸件的品质。方法首先,从压射系统的结构出发,分析其工作过程,通过输入电压求取电液伺服装置的传递函数,利用比例阀所受压力,计算其端口流量,进而完成压射系统的建模。然后,以STM32F103RE处理器为核心,配以输入电路、反馈电路等外围单元,设计压射速度控制系统的硬件框架。以PID算法为基础,将压射速度的误差引入到神经网络算法中,对PID算法的参数进行整定,以形成能够自适应调整参数的神经网络PID算法,进而作为压射速度控制系统的控制算法,从而完成压射速度控制系统的设计,以实现对压射速度进行控制。结果通过对比实验表明,该方法在跟踪阶跃目标压射速度以及变化目标压射速度时,都能较为稳定、快速地跟踪压射目标速度的变化。结论该方法不仅对压射速度的控制准确度较高,而且控制过程较为稳定,对压射速度具有较好的控制性能。