基于CMAC神经网络与PID的并行控制器设计与应用

提出一种基于CMAC神经网络与PID的并行控制器的设计方法,利用传统PID实现反馈控制,保证系统的稳定性,且抑制扰动,利用CMAC神经网络控制器实现前馈控制,确保系统的控制精度和响应速度。该算法直接应用于控制直流电机调速系统,仿真结果表明,与传统数字PID控制算法相比较,该并行控制算法增强了系统的控制精度,提高了系统的响应速度,并且具备较强的抗干扰能力和鲁棒性。

基于CMAC(神经网络)与PID的并行控制

针对非线性系统,提出一种由CMAC神经网络与PID并行控制的模式.由于CMAC具有常规控制器所不具有的优越性能,故CMAC+PID的并行控制在一定程度上克服了常规控制器所不能避免的一些弊端.并用仿真实验进行了验证.

复合正交神经网络与CMAC在PID并行控制中的比较研究

由于正交神经网络算法简单,学习收敛速度快,具有线性、非线性逼近精度高等优异特性,取得了较好的应用 效果,但在动态建模与实时控制问题上研究较少。为此,本文提出复合正交神经网络(CONN)与PID并行控制算法,并 对小脑模型(CMAC)与PID并行控制作一比较研究。仿真结果表明,当方波(阶跃)输入与正弦输入时CONN实现的前 馈控制效果比小脑模型实现的前馈控制效果更好,响应速度更快,这充分地体现了复合正交神经网络的特点,即输出误差 小、实时性好、鲁棒性强。

基于CMAC神经网络与PID并行控制的汽车电动助力转向系统

电动助力转向系统(EPS)已经成为世界汽车技术发展的研究热点,然而对EPS控制策略的研究大多仅限于传统的控制方式。比较了单纯PID控制和CMAC与PID复合控制下电动助力转向系统对各种输入信号的响应,证明复合控制对非线性信号有很强的跟踪能力,并且具有很好的抗干扰性。

基于神经网络的模糊控制在装甲车电传动控制系统中的应用

针对装甲车辆电传动系统是一个复杂的多变量、非线性系统 ,其控制系统的扰动变化大 ,对驱动电机的控制要求苛刻的特点 ,根据模糊控制器对参数的变化不敏感 ,对非线性系统进行控制时往往能取得较好的控制效果 ,以及神经网络的学习功能、联想记忆功能、分布并行式处理功能可以更好地实现模糊逻辑控制中的规则表示、知识获取和并行推理 ,因此利用神经网络来实现无刷直流电机调速系统的模糊控制。在MATLAB中进行计算机仿真 ,通过仿真分析表明 ,当突然加、减负载时 ,神经网络模糊控制与PID控制相比 ,具有对参数变化不敏感以及超调和振荡小等特点。

电液伺服系统在非线性干扰下的神经网络控制

液压伺服系统除了非线性动力学特性外 ,还包含有不确定参数和不确定的非线性干扰。为解决这一类非系统系统的控制问题 ,提出了PID +复合正交神经网络 (CONN)的并行控制法 ,并对带有非线性干扰的电液位置控制伺服系统作了仿真研究。仿真结果表明 ,CONN实现的前馈控制对给定位置的跟踪具有良好的动态特性 ,对系统的非线性干扰具有较强的鲁棒性。该方法简单、方便 。

CMAC与PID并行控制在麦草浆造纸碱回收炉中的应用研究

为解决麦草浆造纸碱回收过程中存在的非线性,大滞后问题,提出一种基于CMAC神经网络和PID并行控制的模式。由于CMAC具有常规控制器所不具有的优越性能,故CMAC+PID的并行控制在一定程度上克服了常规控制器所不能避免的一些弊端。且在MATLAB下进行了仿真实验,仿真结果表明了此方法具有较好的控制效果。

CAMC和PID并行控制在数控伺服系统中的应用

针对数控电液位置伺服系统的非线性、参数时变性等特点,设计一种基于CAMC和PID并行控制的方案。以PID为反馈控制来保证系统的稳定性且抑制扰动,以CAMC为前馈补偿控制器来确保系统的控制精度和响应速度。在MAT-LAB环境下对位置伺服系统进行动态仿真。仿真结果表明:基于CAMC和PID的并行控制响应速度快,稳态精度高,其控制性能远优于传统PID控制器。

并行组合控制策略在交流伺服控制系统中的应用

针对交流位置伺服系统在较大负载转动惯量时影响系统控制性能的问题,提出了一种并行组合控制策略。设计了位置环滑模变结构控制器和RBF神经网络PID控制器的并行组合结构,滑模控制抑制系统参数变化和负载扰动,RBF神经网络PID控制可对传统PID控制器的比例、积分、微分系数进行在线整定,实现了系统的调整控制。仿真结果表明,所提出的并行组合控制策略能够保证系统的控制性能。

基于并行控制的交流伺服系统控制

针对一般的大口径火箭炮交流伺服系统调控方法难以达到较好性能的问题,提出一种RBF神经网络-单神经元PID自校正控制方法。针对上述算法自适应能力不强的问题,引入一种并行复合控制策略,以RBF神经网络和单神经元PID做并行控制,通过半实物仿真分别对RBF神经网络PID自校正控制器和并行复合控制器的性能进行试验验证。仿真结果表明:采用并行复合控制的火箭炮伺服系统反应速度更快、稳定性更强、精度更高,能够更好地满足火箭炮交流伺服系统的性能指标要求。

并行复合控制在交流伺服系统中的应用

针对大功率交流伺服系统在负载变化及参数摄动等情况下的位置跟踪问题,提出了一种基于指数趋近律的滑模变结构控制和RBF神经网络PID控制的并行复合控制策略。滑模控制削弱了负载变化和参数摄动对系统控制精度的影响。RBF神经网络PID控制可对PID控制的比例、积分和微分系数在线调整,提高PID控制性能。仿真结果表明,所提出的并行复合控制策略可有效抑制抖振,提高系统的瞬态响应性能和控制精度,并且对系统参数不确定性具有鲁棒性。

基于并行控制的交流伺服系统控制

针对一般大口径火箭炮交流伺服系统的调控方法难以达到性能较好的问题,提出了RBF神经网络-单神经元PID自校正控制方法。通过半实物仿真,分别对RBF神经网络PID自校正控制器和并行复合控制器的性能进行试验验证。仿真结果表明:采用并行复合控制的火箭炮伺服系统反应速度快、稳定性强及精度高,能够很好地满足火箭炮交流伺服系统的性能指标要求。

飞行模拟机电动操纵负荷系统控制与仿真

针对单一PID方法控制飞行模拟机电动操纵负荷系统时存在非线性、外力干扰、多余力及外环震荡等问题,根据FCMAC可学习任意多维非线性映射,FCMAC与PID并行控制器鲁棒性强和BP神经网络前馈补偿器具有自适应性、可有效降低多余力影响的特点,采用了由FCMAC与PID并行控制器和BP神经网络前馈补偿器组成的复合神经网络控制方法,解决了单一PID控制方法中存在的问题。对基于复合神经网络控制方法的系统进行了建模与仿真,仿真结果表明该方法使模型力与输出力偏差由1.1N降低到0.1N,干扰信号作用下力偏差保持在1.5%以内,将超调量由35%降低到2%,稳定时间由0.7s缩短到0.05s。

一种新型电动助力转向控制系统的研究与开发

介绍电动助力转向系统的工作原理和主要结构,重点分析了EPS系统的控制策略,强调了该新型EPS系统的特点。

基于CMAC的摆式列车倾摆控制研究

摆式列车是具有诸多不确定因素的动态系统,其倾摆系统的控制是摆式列车成功的关键,利用传统控制方式很难得到倾摆系统较好的控制品质。本文针对摆式列车的特点提出一种基于CMAC神经网络与PID相结合的倾摆系统并行控制方法。该方法利用传统PID实现反馈控制,保证系统的稳定性,且抑制扰动;利用CMAC神经网络控制器实现前馈控制,确保系统的控制精度和动态响应速度。此外,该并行控制算法相对简单,实时性好,易于在倾摆控制系统中实现。通过对阶跃信号、正弦波信号和方波信号的跟踪仿真,表明该算法克服了传统控制的不足,增强了倾摆系统的控制精度,提高了系统的动态响应速度,并且使系统具有较强的抗干扰性和鲁棒性。