基于神经PID控制的随机分布系统的研究

针对随机分布系统控制及干扰抑制问题,提出一种基于神经PID控制算法。利用神经网络的自适应和自学习能力在线调整链接权值,实现PID控制器三个参数的整定;同时,在建立状态反馈系统基础上,通过线性矩阵不等式(LMI)给出控制器的设计方法,并引入H∞范数,以提高系统的抗干扰能力,实现系统输出概率密度函数(PDF)追踪目标概率密度函数的控制。计算机仿真结果表明,该算法可实现系统输出概率密度函数追踪目标概率密度函数,抑制追踪控制中的干扰,并确保系统具有满意的鲁棒性和稳定性。

气动柔性弯曲关节的特性及其神经PID控制算法研究

气动柔性弯曲关节可用于多指灵巧手的设计研究,为探讨其特性和控制方法,介绍了新型气动柔性弯曲关节的结构原理及其静态模型、动态模型;针对这种关节设计了神经PID控制算法,该算法主要包括两个神经网络:系统在线辨识器NNI和自适应PID控制器NNC。在NNI对弯曲关节进行在线辨识的基础上,通过对NNC的权系数进行实时调整,使系统具有自适应性。试验结果表明应用神经PID控制器能够有效地跟踪关节的运动轨迹,是适合这种关节的控制器。

优化PID与神经PID控制主动悬架的性能对比研究

为主动悬架选择一种更可行的控制方法,对PID与神经PID控制主动悬架进行了优化后的性能对比研究。基于1/4车二自由度主动悬架模型,利用遗传算法以悬架二次型性能指标为目标函数,分别对PID控制主动悬架的增益系数与神经PID控制主动悬架的初始权值和学习效率进行了优化。优化结果显示:优化后的PID控制主动悬架的综合性能较神经PID控制主动悬架略优。出现上述结果的原因在于:当神经PID控制主动悬架的学习效率等于零时则退化成PID控制主动悬架,学习效率不等于零则导致神经PID控制主动悬架的实时PID权值偏离了最优的PID权值。此外凸块路面输入下的仿真也显示优化PID的鲁棒性也略优于优化神经PID。因此,选择算法较复杂的神经PID对主动悬架进行控制是没有必要的。

基于优化粒子群神经PID的双变量解耦控制

在工业过程控制系统中,存在多变量耦合的现象,其中双变量耦合较为常见。针对双变量耦合现象,该文提出了自适应粒子群优化算法与单神经元PID相结合的解耦控制方法,利用PSO算法对单神经元PID网络进行参数进行优化,从而提升系统解耦效果,并对双变量耦合系统进行仿真验证。结果表明,适应度经过参数寻优后有了不同程度的降低,在局部最优中的全局最优值降低了93.75%、39.90%;解耦效果稳定性提高,系统误差降低,精度提升。

混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器.以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案.仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度.该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案.

电液位置伺服系统神经PID控制及仿真研究

以三阶系统和实际被控对象的辨识模型NNI为研究对象,提出了一种神经PID控制策略。利用神经PID控制器的自学习、自适应能力实现PID控制参数的自整定,利用BP网络的离线辨识,简化了电液位置伺服系统数学模型的建立过程,并在此基础上对论文提出的研究对象进行了仿真研究。实践证明,神经PID控制策略能较好地解决电液位置伺服系统存在的问题,是一种实用可行的控制策略。

一种模糊神经PID控制器的设计

提出一种新型的模糊神经PID控制器,分析了其结构组成和基本性能。仿真结果表明,这种模糊神经PID算法的学习速度明显快于常规的BP算法,而且其控制系统具有较好的动态性能。

神经PID控制在SVPWM整流器VFDPC中的应用研究

分析了PWM整流器虚拟磁链直接功率控制(VFDPC)的工作原理,得出了基于虚拟磁链观测的瞬时功率估算式。设计了2个高通滤波器级联构成的二阶环节代替纯积分器滤除直流分量来解决虚拟磁链观测中存在的因积分初值选取不当造成的直流偏移问题。为提高PWM整流器直流电压稳定性,在电压外环设计了神经PID控制器。仿真结果表明,与传统PID控制相比,基于神经PID控制的SVPWM整流器直接功率控制系统直流侧电压稳定、动态性能更好。

基于混沌粒子群优化的模糊神经PID控制的饲料配料控制研究

为了能够提高饲料的加工质量,深入研究了基于混沌粒子群优化的模糊神经PID控制技术在饲料配料工艺控制中的应用。首先,分析了饲料配料控制的基本原理;其次,分析了基于模糊神经PID控制的饲料配料控制系统的基本原理,分别分析了模糊化模块和模糊神经网络的基本原理;然后,研究了混沌粒子群的优化算法;最后,以猪饲料配料工艺为例进行了控制仿真研究,仿真结果表明该方法可以提高饲料配料的控制速度和控制精度。

基于自适应神经PID改进算法的非线性系统控制

通过研究非线性系统动态特性,分析了一般神经PID控制器的控制特点并在此基础上给出了一种改进算法。通过在线训练和学习来修正参数,实现神经网络自适应调整比例常数PID控制。该算法充分利用BP神经网络算法逼近任意连续有界非线性函数的能力,使得比例常数随着偏差的大小而变化,使目标函数达到最优化。仿真结果表明,在对非线性动态系统进行控制时,自适应PID神经网络控制算法具有很强的灵活性和高效性,能取得良好的控制性能。

基于BP神经PID的干粉砂浆搅拌储罐控制系统

本文针对干粉砂浆搅拌储罐湿度自动控制系统的时滞性,复杂的非线性特性,难以建立精确的数学模型;对象和环境的不确定性,常规PID控制方法很难对其进行有效控制的问题,而且在实际应用中其参数整定问题一直是尚未很好解决的难点。为了建立有效的系统模型并解决控制参数整定问题,改善系统性能,将BP神经网络算法应用到干粉砂浆搅拌储罐湿度自动控制系统的系统在线辨识器(NNI)和自适应PID控制器(NNC)中,由NNI对被控对象进行在线辨识的基础上,通过对NNC的权系进行实时调整,实现PID神经网络的自学习和逼近任意函数的功能,在控制过程中根据变化实时调整PID的三个控制参数,从而进行PID控制参数的在线整定。

基于多变量MIC神经PID智能板的主动控制

智能压电材料由于它的正逆压电效应,故在噪声及振动的主动振控制中应用越来越多,基于薄板理论并且利用有限元的方法对压电板进行离散化,推导出智能压电板的有限元动力学方程,并且应用多变量MIC网络神经PID算法,对其进行控制,利用MATLAB编程分几种情形进行数字仿真,对响应曲线进行分析,仿真结果表明该方法能有效抑制层合板的振动,达到对智能层合板的主动控制,特别是模型失配时仍然有较好的控制,很好地解决了这类智能板模型易变的控制问题,相对一般的控制方法具有较强适应性。

双机架铝带连轧机张力系统的模糊神经PID控制

针对1 850 mm双机架铝带冷连轧过程中张力控制系统(ATC)存在参数时变、非线性等问题和传统PID参数不易整定的局限,建立了速度-张力系统数学模型,在误差绝对值积分函数(IAE)和最大灵敏度(Ms)的准则约束下,提出了通过离线极点配置训练模糊神经网络(FNN),在线FNN可以根据系统参数的变化获取恰当PID控制器参数的控制策略。Matlab仿真表明,本控制算法具有较好的动态特性和控制精度,对参数时变性的ATC系统具有良好的控制效果。

改进粒子群的模糊神经PID控制研究与应用

设计一款电子负载用于对稳压电源进行检测。在硬件方面,对DSP控制器的选择、电子负载各芯片的选取、键盘及显示电路的设计进行了详细的介绍;在软件方面,针对模糊神经PID控制算法易陷入局部极值和迭代过久的缺点,加入了改进的粒子群算法,并且在神经网络在线调整时加入训练参数,对算法进行了改进,提高了算法的效率。将设计好的电子负载对稳压电源源效应进行检测,取得了较好的结果。

基于模糊神经PID的重载机械臂变幅系统仿真研究

针对重载机械臂变幅机构控制系统的功能要求,设计一种可以实现变幅机构位移同步控制的液压系统。结合重载机械臂位移同步控制方法与策略,提出采用能满足系统稳定性和鲁棒性要求的模糊神经PID控制策略对其进行位移同步控制。运用AMESim和Simulink对变幅控制液压系统进行建模仿真,对比分析了模糊神经PID与常规PID对液压缸运动控制的动态效果,得到了该液压系统中液压缸活塞杆位移曲线。仿真结果表明:模糊神经PID控制器具有较强的抗干扰能力和较好的鲁棒性,验证了所设计的变幅机构位移同步控制液压系统具有良好的工作性能。

论加热炉神经PID控制系统的半实物仿真

针对加热炉温度受外界干扰等因素影响较大,对象特性具有较大的不确定性和时变性,数学模型难以准确地描述其特性的特点,用神经PID仿真实验检验其温度控制的可信度,采用动态数据交换(Dynamic Data Exchange,DDE)技术,对神经PID用于加热炉温度控制,构造"半实物仿真"系统,进行实时仿真研究。

基于智能算法的模糊神经PID技术的煤矿井下带式输送机控制研究

分析了带式输送机控制的基本原理、基于模糊神经PID控制的带式输送机控制系统的基本原理、模糊化模块和模糊神经网络的基本原理;研究了混沌粒子群的优化算法;以带式输送机工艺为例进行了控制仿真研究,仿真结果表明该方法可以提高带式输送机的控制速度和控制精度。

基于神经PID带位置补偿器的AGV旋转平台随动控制

电商用AGV灵活性和实现对货物位姿调节的关键是AGV旋转平台的随动控制,针对AGV小车旋转平台的随动控制问题,提出了基于BP神经网络带位置补偿器的AGV旋转平台PID随动控制算法。该算法以PID参数在线整定和自适应调节为基础,通过神经网络提高了旋转平台的PID控制对AGV底盘旋转的角速度跟踪的动态性能。同时,通过位置补偿器避免旋转平台在角速度跟踪时的角度误差积累,确保对角速度误差精准跟踪的同时,保持旋转平台的绝对朝向不变。

自调式类神经PID控制器于压电微动平台之追迹控制(英文)

主要针对压电微动平台设计追迹控制器。压电致动器的非线性现象主要是受磁滞现象所影响,首先采用Prandtl-Ishlinskii(PI)模型来描述压电致动器的磁滞现象,利用最小平方算法识别出磁滞模型的权重值,再利用此模型求出其逆模型以前馈控制器来补偿,最后利用自调式类神经PID控制器来消除建模误差。实验验证方面,在PC-based压电控制平台架构下,利用前馈控制器与闭回路结合自调式类神经PID控制器进行定位控制。

基于神经PID的网络化控制系统的设计

随着控制理论和通信技术的发展,网络化控制系统受到越来越多的关注。时滞采用传统的PID控制已不能获得满意的控制效果,并且网路引入控制系统,使得系统存在时延、数据包的丢失等问题。这些问题严重影响系统的性能。为了改善系统的控制性能,提出了基于单神经元的PID网络化控制系统模型。系统控制器结合了神经网络、PID、Smith预估控制器的优点,并且具有较好的动态性能,与常规的PID控制器相比,过渡过程小,超调量小,输出平稳,并且对信号和时延的变化具有较好的学习能力和自适应能力。