PID神经网络控制器的设计及仿真研究

PID神经网络 (PID NN)是一种新型的前向神经元网络 ,该隐含层单元分别为比例(P)、积分 (I)、微分 (D)单元 ,各层神经元个数、连接方式、连接权初值是按PID控制规律的基本原则确定的。PID神经网络控制器是将神经网络和PID控制规律融为一体 ,既具有常规PID控制器结构简单、参数物理意义明确之优点 ,同时又具有神经网络自学习、自适应的功能。本文给出了PID NN控制器的结构形式 ,计算公式 ,从理论上证明了PID NN的收敛性和稳定性 ,最后对二阶对象下的系统进行了仿真 ,证明了PID

油田污水处理系统中PID神经网络控制器的设计及仿真

在油田污水处理系统中 ,用传统的前馈 +反馈控制系统难以满足工艺提出的要求。为此设计出一种PID神经网络控制器 ,将神经网络和PID控制规律融为一体 ,使之既具有常规PID控制器结构简单、参数物理意义明确之优点 ,同时又具有神经网络自学习、自适应的功能 。

基于PID神经网络控制器的飞控系统设计

BP神经网络已被广泛应用于PID控制器的优化调参,但这种调参方法具有收敛速度慢、学习时间长、连接权重初值为随机值、易于陷入局部极小等缺点。本文提出了一种不同于用BP网络调整PID参数的新的融合方法:PID神经网络控制器(PIDNN);该控制器不仅能克服以上缺点,而且具有很好的鲁棒性。本文对PIDNN在某无人机姿态控制系统的应用进行了仿真研究,仿真结果表明该控制器能够大大地改善姿态控制系统性能。

基于LabView的PID神经网络控制器设计与仿真

PID神经网络控制器是将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确的优点,同时又具有神经网络自学习、自适应的功能。研究了用虚拟仪器实现神经网络控制的方法,将虚拟仪器技术和PID神经网络控制有机地结合起来,采用LabView设计PID神经网络控制模块,提高控制系统的性能和开发效率。

一类模糊-PID神经网络控制器

针对模糊ＰＩＤ复合控制的自适应问题，设计了一类基于模糊ＰＩＤ复合控制算法的神经网络控制器，经仿真实验获得了满意的效果。

基于PID神经网络控制器的汽车起动电机测试系统

汽车起动电机测试系统具有复杂的非线性和强干扰等特点,测试精度高、测试速度快,对控制器要求很高。传统的PID算法对非线性系统效果不佳,容易出现较大的电流和力矩冲击;复杂的智能算法过程繁琐,参数整定困难,在工程实际中实现困难。设计了PID神经网络控制器,结合PID算法和智能算法两者的优点,既利用PID简单的结构,又借助神经网络的非线性映射特点和自学习能力来优化PID参数。仿真表明系统具有较高的测试精度和测试效率。该方法使用简单,很适合在工程实际中推广应用。

浅谈基于免疫算法的PID神经网络控制器

本文针对PID神经网络控制器的特点，提出了一种改变控制器反传算法中的学习速率的控制策略，新的控制策略不论对于调节还是设定值跟踪，均具有很好的控制效果，对于工业实际中常见的大滞后对象也有很好的抗干扰性能和较强的鲁棒性。为了使学习速率的调整取得更好的效果，根据生物免疫的机理，采用了一种免疫算法进行参数的优化调整。仿真结果表明，该控制器可以进行实时在线的学习和调整，并且具有较好的跟踪性能、抗干扰能力和鲁棒性以及快速响应能力。

PID神经网络控制器在飞控系统中的应用

BP神经网络已被广泛应用于PID控制器的优化调参,但这种调参方法具有收敛速度慢、学习时间长、连接权重初值为随机值、易于陷入局部极小等缺点。提出了一种不同于用BP网络调整PID参数的新的融合方法:PID神经网络控制器(PIDNN);该控制器不仅能克服以上缺点,而且具有很好的鲁棒性。对PIDNN在某无人机姿态控制系统的应用进行了仿真研究,仿真结果表明该控制器能够大大地改善姿态控制系统性能。

GMA的PID神经网络控制器设计与仿真研究

由于磁滞非线性现象,导致超磁致致动器(GMA)在开环系统中产生了定位误差,在闭环系统中造成了系统不稳定。为了克服该问题,应用PID神经网络系统,提出了一种实时滞回补偿控制策略,以实现GMA的精密位移跟踪控制。PID神经网络是依据GMA的滞回特性构造的,通过反馈误差学习方案在线自适应学习GMA的逆滞回模型。通过仿真,结果表明该控制策略能够适应GMA滞回特性随机械负载的变化,在线建立GMA的滞回逆模型,从而消除滞回非线性,实现GMA的精密定位。

增量式PID神经网络控制器和仿真

针对三档阻尼可控减振器的特点,利用神经网络理论,设计一种基于M×Q×3结构BP神经网络的PID神经网络控制器。该控制器可根据被控系统的运行状态,通过神经网络的自学习、加权系数调整,使神经网络输出PID控制器参数,从而达到较好的控制效果。对被动悬架与可控悬架系统进行三种典型工况的仿真分析,验证本文所提控制算法的有效性。

PID神经网络控制器在发动机油门控制中的应用

BP网络与PID控制器相结合,可以实现对PID控制器参数的优化调整。但是BP网络的隐含层层数和神经元节点数的选取尚无定则,需要反复的计算论证才能确定;并且网络连接权重初值选取为随机值,难以保证系统初始运行的稳定。本文提出一种将BP神经网络与PID控制规律融合的新方法--PID神经网络,该方法控制结构简单、系统参数物理意义明确,同时又克服了上述网络的诸多缺点。将该方法应用于对发动机油门开度的仿真控制,仿真结果表明该控制器大大改善了发动机油门控制系统的性能,仿真效果良好。

基于模糊神经网络PID的煤矿掘进机俯仰控制研究

目前煤矿掘进机俯仰控制主要采用PID控制方法,在掘进机俯仰控制时变性与液压系统非线性情况下的控制精度不高。掘进机俯仰控制通过控制液压缸行程实现,将传统PID算法与模糊控制、神经网络等相结合,可有效提高液压缸行程控制精度。提出了一种基于模糊神经网络PID的煤矿掘进机俯仰控制方法。通过分析掘进机支撑部运动学关系,得到俯仰角与支撑部液压缸的数学关系;介绍了掘进机俯仰控制液压系统工作原理,建立了液压系统及其传递函数模型;将模糊控制与神经网络相结合,形成模糊神经网络,利用模糊神经网络优化PID控制参数,再结合支撑机构数学模型和液压系统传递函数模型,建立掘进机俯仰角模糊神经网络PID控制模型,实现煤矿掘进机俯仰机构自动精确控制。该方法可使掘进机俯仰机构更加快速、准确到达预设位置,解决掘进机俯仰控制中的时变性与非线性难题。仿真结果表明:模糊神经网络PID控制算法相较于模糊PID和PID控制算法,跟踪误差分别降低了69.34%和74.49%。通过液压缸位移控制模拟煤矿掘进机在突变工况和跟随工况下的俯仰控制,结果表明:模糊神经网络PID控制算法相比模糊PID和PID控制算法,俯仰控制跟踪误差最小,对位置信号的平均响应时间分别缩短了27.22%和50.33%,动态控制性能更好。

基于反向传播神经网络PID的高功率微波炉温度控制

针对现有10 kW高功率工业微波炉,采用继电器作为控制执行器,在使用传统控制方法加热时,温度存在较大超调和明显振荡,系统温度稳定性较低,为解决上述问题将反向传播神经网络PID(BPNNPID)控制引入到该装置微波加热温度控制中,并以自来水为加热对象进行仿真对比与实验验证。首先,利用现有输入输出实验数据,建立工业微波炉温度控制模型;其次,运用MATLAB/SIMULINK搭建高功率工业微波炉温度控制系统并进行仿真对比实验;最后,实验验证BPNNPID控制方法在加热5 kg自来水时工业微波炉的温度控制性能,实验结果表明,较常规PID、模糊PID控制,该方法在微波加热过程中对媒质温度控制超调更小且未发生明显温度振荡,有效改善了高功率工业微波炉工作时的系统温度稳定性,有助于提高产品质量和安全性能。

足式机器人腿部关节改进单神经网络PID控制算法研究

为了满足液压足式机器人在复杂环境中实现精确、快速的腿部关节控制需求,把单神经网络PID能够实时调节参数的优点运用到足式机器人液压机械腿关节的控制中,在单神经网络PID的基础上增加机械腿关节的位置和速度控制算法,形成改进单神经网络PID,实现了对神经元比例参数自调整、PID参数的自整定,能够较好地适应内、外参数的变化,增强了腿部关节的快速性、精确性。在Simulink中进行建模仿真以及在设计的以STM32为中央处理芯片的控制平台上进行实验测试,结果表明:改进单神经网络PID在足式液压机器人的腿部关节控制中具有响应速度快、超调量小、控制精度高、鲁棒性强等优点。

基于模糊神经网络的氢液化氦气压力PID控制

为了解决氢液化装置氦气压力调节系统超调量大、响应速度慢、调节时间长、控制参数无法在线整定等问题,针对系统具有非线性和时变性的特点,设计了基于模糊神经网络的PID控制器以及基于双曲正切函数的改进型激活函数。仿真结果表明:相比传统PID控制或模糊PID控制,采用模糊神经网络PID控制的系统动态性能显著改善,使得氢液化装置的氦气压力调节更加稳定可靠。

基于神经网络-PID控制的水面无人艇控制系统设计

为了提高在存在外界干扰和障碍物的环境下水面无人艇(unmannedsurfacevehicle,USV)控制系统的准确性和鲁棒性,提出了神经网络-PID控制算法。首先,使用人工势场法规划路径,得到一条从起点到终点的可行路径;然后,利用神经网络的自学习能力修正控制参数,实现控制参数的实时在线调节,精确调控USV沿着规划好的路径行进。在不同环境下进行仿真测试,仿真结果表明,与常规PID控制算法和模糊PID控制算法相比,所提算法降低了超调量和稳态误差,提高了控制系统的实时响应速度与USV的定位和航行精度。所提算法的抗干扰能力和控制精度优于与常规PID控制算法和模糊PID控制算法。

基于RBF神经网络整定PID的电液比例系统位置控制研究

针对凿岩机械臂的电液比例系统位置控制精度问题,提出了一种基于径向基函数(RBF)神经网络整定PID的电液比例系统位置控制方法。首先,在AMESim中搭建了阀控非对称液压缸的电液比例系统简化模型,设置了各个模块的参数;然后,利用MATLAB/Simulink搭建了系统闭环控制模型,通过不断更新RBF网络模型并修正PID参数,实现了基于RBF神经网络整定PID的电液比例系统位置控制目的;结合AMESim搭建的电液比例系统模型和Simulink下搭建的控制器进行了联合仿真;最后,基于凿岩台车机械臂实验平台,进行了电液比例系统位置控制实验。仿真结果表明:在受到外部干扰的情况下,RBF神经网络整定PID控制系统能够在0.3 s内控制活塞杆重新运行至目标位置,平均响应时间为1.5 s,位置精度误差不超过5 mm。实验结果表明:与常规PID控制方法相比,RBF神经网络整定PID控制活塞杆位置精度误差降低了75%,位置精度误差在工程实际要求的10 mm范围以内,因此,RBF神经网络整定PID算法可以有效提高电液比例系统的位置控制精度,满足凿岩机械臂实际工作中对电液比例系统位置精度的控制要求。

永磁同步电机BP神经网络 智能PID滑模观测矢量控制算法

针对永磁同步电机(PMSM)转速超调量大、转子位置检测精度低等问题,提出一种BP神经网络智能PID滑模观测器控制策略,将BP神经网络与传统PID控制相结合,利用BP神经网络实现对PID增益的在线调节,实现对永磁同步电机启动、突加负载干扰时稳定控制。采用无位置传感器控制,在永磁同步电机数学模型α-β坐标系中建立了滑模观测器结构,并且在Matlab/Simulink仿真系统中建立了仿真模型进行了仿真分析;从PID参数、电机转速等方面对BP神经网络智能PID控制的有效性进行了评估和仿真验证。通过仿真分析,采用滑模观测器检测转子实际位置与预期位置之间的误差小于7%,在0.3 s之后转子实际位置与预期位置完全重合。采用BP神经网络智能PID控制的永磁同步电机在启动时转速超调量减少了10.6%,在突加负载干扰时减少了1.4%。相比起传统PI控制,提出的BP神经网络智能PID控制能够有效提高PMSM的自适应性及抗干扰能力,并且显著减少了电机在启动及突加负载时超调量。

基于BSO改进模糊神经网络PID的管道压力控制策略研究

针对煤矿供水管道压力控制系统智能化程度低、人工操作实时性和准确性差等问题,设计了一种基于天牛群优化(BSO)改进模糊神经网络PID的管道压力控制策略。首先,基于BSO算法对PID控制器的初始参数进行参数迭代优化,找到最佳初始参数;其次,通过模糊神经网络实现实际压力偏差值的模糊化、模糊推理等处理,实时调整PID控制参数;最后,PID控制器运算后得到的输出信号作用在执行机构上,实现电动阀门的智能化控制。实验结果表明,该控制策略响应速度更快,超调量更小,稳定性更强,满足阀门控制开度要求,提高了煤矿井下供水系统的智能化水平,达到了减人、降本增效的目的。

基于爬楼轮椅座椅的神经网络优化PID控制研究

为了解决爬楼轮椅在爬楼时由于机构变动给乘坐者带来的不适感,设计了一套座椅机构姿态调节系统。根据爬楼轮椅的功能需求,制定了座椅调节机构的机械结构,搭建了控制系统的硬件框架,根据PID算法参数的本身特性,借助双曲函数调整参数,再利用训练好的BP神经网络,补偿输出姿态误差,并对整个调节系统进行了试验。试验结果表明,该控制算法能实现对座椅机构的精准控制。