专家控制与神经元控制结合算法的研究

提出了一种改进的神经元控制算法，此算法采用专家控制与神经元控制相结合的方法，有效地解决了神经元网络控制时学习速度较慢，动态响应过程长，克服扰动不力等问题，具有较强的鲁棒性，控制性能优于经典ＰＩＤ方法，典型工业过程对象的仿真表明了本算法的可行性和有效性。     

电子膨胀阀双神经元预测控制

提出了用双神经元预测控制算法对电子膨胀阀进行控制的方法，一个神经元用于在线实时估计对象动态特性，以获取对象的一步预测模型。通过学习减小模型的预测误差；另一个神经元用于在线实时控制，仿真与应用表明该算法有良好的动态响应和较强的鲁棒性，能够对电子膨胀阀进行有效的控制。     

精馏塔的神经元PID解耦控制研究

本文针对精馏塔这一多变量、非线性耦合对象,提出了一种神经元PID解耦控制方法。该方法在精馏塔精确模型补偿解耦控制基础上,采用神经元PID控制器进行控制。分析了控制器的结构及其学习算法,进行了PID和神经元解耦控制仿真实验,仿真结果表明该方法优于常规PID控制效果。     

电阻炉单神经元PID自适应控制

选用单神经元自适应控制结构,采有监督Hebb学习算法实现了对电阻炉大时滞控制系统的单神经元PID控制,探讨了参数对系统性能的影响,同时,使用Matlab分别对常规PID算法、自适应单神经元PID算法进行了仿真研究与比较并对参数选择进行了仿真研究.仿真结果表明,自适应神经元结构的PID控制动态控制效果良好,具有较高的工业实用价值.     

增益自适应神经元控制及其在纸张定量控制中的应用

针对不确定时滞系统,提出了一种新的神经元控制方法。采用遗传算法对神经元增益在线自适应调整,而遗传算法使用了递增式算法,在每个时间间隔内都有一个稳定的增益值输出,并递增地向最优方向发展。克服了遗传算法收敛慢和每个采样周期输出的随机性。并对造纸过程中的纸张定量控制系统进行了仿真实验研究,仿真结果表明了该方法的有效性。     

水下焊缝跟踪单神经元自适应PID控制与参数优化

水下焊缝跟踪过程复杂,不确定因素多,并且焊接过程具有非线性特点,传统PID控制效果不理想.本文提出了单神经元自适应PID控制器,通过神经元的自学习能力,能够在线自适应调整PID参数,同时利用差分进化算法对单神经元自适应控制器的参数进行优化.经仿真结果可知,该单神经元自适应PID控制器响应速度快,精度高,控制效果好.     

神经元自适应PSD控制器在直流调速系统中的应用

在神经元ＰＳＤ控制器的基础上，给出了一种改进的神经元自适应ＰＳＤ控制算法，这种改进的算法能够根据控制过程中的误差变化改变神经元的权值增益，进一步提高控制器的自适应能力。对基于改进神经元自适应ＰＳＤ控制器的直流调速系统进行了仿真研究，并与普通神经元ＰＳＤ算法进行比较，结果表明该系统具有良好的动、静态性能，很强的鲁棒性和自适应能力。     

基于自构建RBF神经网络的内模控制

针对复杂的非线性被控过程,本文提出一种基于自构建RBF神经网络的内模控制方法。该方法中,神经网络的自构建学习算法包括结构学习和参数学习。结构学习采用最近邻聚类法使网络能够自适应地在线增加和删减神经元以达到理想的网络结构。神经网络的参数学习采用梯度下降法。将该神经网络用于内模控制,使得辨识被控远程内部模型和控制器模型的神经网络的神经元个数可以根据激励强度动态改变,进而改善了控制系统的动态性能和鲁棒性。仿真结果表明了所提方法的有效性。     

Kalman滤波在单神经元PID控制中的应用

针对单神经元PID控制器包含输出噪声, 从而导致控制性能下降的问题, 提出一种基于Kalman滤波理论的改进单神经元自适应PID控制算法. 该算法通过引入状态空间的概念, 采用时域上的递推方法进行数据滤波, 控制对象的输出值经过Kalman滤波算法处理后再返回闭环控制系统. 实验结果表明, 改进算法能有效消减控制系统的输出噪声, 接近于无噪声的理想状态, 提高了控制性能.     

单神经元PID控制器在永磁同步电机控制中的应用研究

永磁同步电机是一个非线性、强耦合、高阶的多变量系统,使用传统的PID控制难以满足精度高、反应快、鲁棒性好的要求.根据人工神经元的自学习功能建立了基于单神经元的PID控制器,并对其学习算法加以改进,实现了单神经元PID控制器参数在线自调整.仿真与实验结果表明:该控制方法无超调, 响应快, 具有良好的动态特性,具有比常规PID控制器更好的控制品质.     

数控机床神经元自适应位置控制算法

在传统PID控制器的基础上,基于神经元的自学习特性,提出了适用于数控机床位置伺服控制的神经元控制器。该算法的特点是不需要系统建模,结构简单,控制参数实时自适应调节,运算简单,适用于工程实际应用。仿真和数控机床伺服系统的实时控制实验表明,当受控对象的运行环境未知时,该自适应控制算法仍然有效。     

使用单个自适应神经元的智能控制

提出一种适用于控制的自适应神经元模型以及使用单个自适应神经元的智能控制方法,描述了神经元的学习策略和收敛性,给出了神经元系统控制学习算法及其学习控制机理证明.实例表明了这种新颖的智能控制方法简单可行的优点.     

神经元自适应PSD控制器在直流调速系统中的应用

在神经元PSD控制器的基础上 ,给出了一种改进的神经元自适应PSD控制算法 ,这种改进的算法能够根据控制过程中的误差变化改变神经元的权值增益 ,进一步提高控制器的自适应能力 对基于改进神经元自适应PSD控制器的直流调速系统进行了仿真研究 ,并与普通神经元PSD算法进行比较 ,结果表明该系统具有良好的动、静态性能 ,很强的鲁棒性和自适应能力     

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.     

自适应神经元控制系统的理论分析

对自适应神经元控制系统进行了研究,得出了关于系统的控制作用、稳定性定理的理论结果,为这种新颖的控制系统的工程应用以及神经元控制器件的研制提供了理论依据.     

基于单神经元控制器的交流矢量控制系统

根据感应电机矢量控制原理 ,将单神经元控制器应用于磁场定向的矢量控制系统中 ,并给出了单神经元控制器模型 并将单神经元控制器代替矢量控制系统中的转速调节器 ,进行了易于算法实现和实际控制系统实现的智能交流矢量控制系统设计和仿真研究 ,MAT LAB仿真结果表明 ,该系统具有良好的动态性能     

抛光力实时控制策略研究

针对传统抛光过程中的力位耦合问题,构建力位解耦的抛光力气动伺服控制系统.利用数据采集卡和Matlab/simulink的实时工具箱RTW,分别采用传统PID控制、前馈PID控制和单神经元PID控制三种控制策略,研究抛光力气动伺服系统实时控制效果.采用在线最小递归二乘法对前馈PID控制策略的参数实现精确辨识.采用有监督的Hebb学习规则调整单神经元PID加权系数.抛光力实时控制实验结果表明,前馈PID控制和单神经元PID控制与传统PID控制相比,能达到更好的控制效果.前馈PID控制达到稳定力输出所需时间短,单神经元PID控制达到力稳定的过程中振荡很小.