云调节增益自适应单神经元PID的应用

提出了一种单神经元自适应PID控制器，并给出了控制结构模型。首先探讨了单神经元自适应PID控制学习算法，进而通过分析单神经元PID控制算法与系统动态响应及超调量的关系，利用云模型控制器修改神经元控制器的比例系数K，并根据系统误差在线实时修改控制系数，提高了系统响应性能。仿真结果表明，增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强的控制器。     

单神经元PID控制在锅炉水位控制中的应用研究

针对PID控制器的缺点,提出一种用于锅炉水位控制的单神经元自适应PID控制器。通过Simulink的仿真证明,该控制器利用神经元的学习特性,自动调节PID参数,控制效果优于传统PID控制。     

基于单神经元的换热站控制系统PLC设计

以间接集中供热系统为研究对象,针对传统PID控制算法无法动态跟踪现场实际达到控制要求,智能控制算法大多仍处在理论研究阶段,实际应用中效果不好等问题,研究将单神经元PID智能控制通过PLC程序得以实现,并与传统PID控制进行对比。仿真和在现场实际运行结果表明,采用单神经元PID控制器响应时间缩短了一半。     

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.     

基于单神经元PID控制的离子流消静电装置

单神经元自适应PID(Proportional integral derivative)控制系统,具有自学习和自适应能力,而且结构简单、易于计算、响应速度快、设定参数少等特点,可以在一定程度上解决传统PID控制器不能对参数时变系统进行有效控制的问题,在离子流除静电装置中引入单神经元自适应PID控制,显著提高了现有离子流除静电装置的自动化程度,实现了自动检测、自动调整,实时监控,提高了工作效率,减少了人为误差,取得了较好的效果.     

免疫单神经元PID控制在永磁交流伺服系统中的应用

针对传统PID调节不易在线实时调整参数,难以有效控制复杂和时变系统的不足,以及单神经元PID控制不能实时调整增益、响应慢的缺点,介绍了一种通过免疫反馈机理实现增益自调整的单神经元自适应PID,并将其应用于永磁交流伺服系统.系统转速环控制器采用基于单神经元的自适应PID控制算法,实现PID参数的在线实时调整.在单神经元中引入免疫反馈机理,实现增益自调整,提高其响应速度.仿真和实验结果表明,该算法可以在一定程度上增强系统的抗扰动能力,改善系统的速度控制效果,使转速的超调更小、振荡减弱、响应速度加快、稳态误差减小,提高了系统的动态和稳态性能.     

时变大纯滞后系统的单神经元预测控制

为对时变大纯滞后系统实现快速有效的实时控制 ,将单神经元与 L evinson预测器相结合采用比例积分微分调节器 (PID)控制方式 ,设计了单神经元预测控制器 ,其权值和可整定参数能够在线自适应调整 ,克服了大滞后对象控制结果不能及时反馈的不足。应用该控制策略对大滞后一阶和二阶对象的仿真研究表明 ,对大滞后时变系统具有很强的适应性和鲁棒性 ,各种控制性能明显优于常规 PID等其它控制     

水电站计算机监控系统单神经元自适应PID功率调节的研究

水力发电机组是一个复杂的非线性控制对象,为保证水电站发电机组功率调节具有快速、稳定的控制特性及良好的鲁棒性,本文提出在水电站计算机监控系统有功功率调节中采用单神经元自适应PID功率调节方式.PID控制的关键问题是PID参数的整定,单神经元自适应PID控制器由于其权值可以在线调整,具有较强的自学习和自适应能力,仿真结果表明改进的单神经元PID控制器比传统的控制器拥有更好的稳定性、动态性能和鲁棒性.     

云调节增益自适应单神经元PID的应用

提出了一种单神经元自适应PID控制器,并给出了控制结构模型。首先探讨了单神经元自适应PID控制学习算法,进而通过分析单神经元PID控制算法与系统动态响应及超调量的关系,利用云模型控制器修改神经元控制器的比例系数K,并根据系统误差在线实时修改控制系数,提高了系统响应性能。仿真结果表明,增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强的控制器。     

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.     

智能PID控制器在船舶发电机电压控制中的应用

解决船舶发电机在负荷突变尤其是大负荷突变时能够稳定发电机端电压是控制系统需要解决的基本问题.为此提出和使用一种新型智能PID控制系统,其中PID控制器由三层前馈神经网络组成.利用神经网络的自学习能力,PID控制器的参数能够根据系统动态特性通过神经网络权系数进行自行调整,其特点是结构简单、工作稳定.仿真结果表明,该智能PID控制器比传统的PID控制器具有对扰动响应速度快和具有更好的控制效果和更好的鲁棒性,能更好地稳定船舶发电机端电压.该智能PID控制器已用于船舶发电机控制系统中,并取得满意的效果.     

基于PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

基于PID神经网络的拉深件变压边力控制方法研究

将传统的PID控制器与神经元网络融合,建立PID神经网络。运用VB语言编译了拉深过程中变压边力控制系统的PID神经网络仿真程序,并与传统的PID控制仿真进行了对比。建立了基于PIDNN的变压边力控制系统,并通过锥形件拉深实验,证实了PIDNN控制系统具有精度高,抗干扰能力强,能较准确达到变压边力控制要求等优越性。为后续的变压边力控制系统实验研究与工厂实际应用提供了理论与实践基础。     

改进BP神经网络的并网逆变器分数阶比例-积分-微分控制策略

传统PID控制技术在电网产生扰动时无法兼顾快速性和鲁棒性,易造成系统不稳定失衡,向电网注入大量的谐波。对此现象,提出了一种改进BP神经网络的分数阶PID控制器来提高电网的鲁棒性和对响应的快速性。该算法采用分数阶PID控制器跟踪电流外环的参考电流,并针对分数阶PID控制器的五个参数采用BP神经网络实时在线整定。消除了人为调参所带来的不确定性。对于BP神经网络在整定参数过程中无法整定得到最优解,引入变化的惯性因子和学习率,提高了BP神经网络的求解效率。仿真结果验证,所提控制算法对并网电流能够实现快速跟踪,鲁棒性好。     

一类基于Levenberg—Marquardt算法的神经PID控制研究

传统的比例积分控制器具有一定的局限性,尤其是当被控对象会有非线性、不确定性和时变特性,常规的PID控制器往往难以发挥作用,甚至会失稳．利用神经网络进行复杂过程的PID控制可以很好地解决上述问题．Levenberg—Marquadt（LM）算法是梯度下降法与高斯一牛顿法的结合,就训练次数与精度而言,它明显优于共轭梯度法及变学习率的BP算法,适用于PID控制．得到了在线自适应神经网络PID控制算法,该算法改善了传统BP算法,实现了现有PID控制器控制方法．     

LQR优化的BP神经网络PID控制器设计

针对传统神经网络PID(比例 积分 微分)控制器和传统线性二次调节器(LQR)优化型PID控制器对无刷直流电机转速控制恢复时间长及抗干扰性较差等问题, 提出一种LQR优化的BP神经网络PID控制器, 用于无刷直流电机的转速控制. 首先, 利用BP神经网络对PID增益进行调节, 提高控制器的动态适应性和鲁棒性； 然后, 采用LQR优化BP神经网络最优输出, 使其更接近目标PID增益. 仿真结果表明, 该控制器有效提高了响应速度, 减小了稳态误差并增强了抗干扰能力.     

基于BP神经网络的船舶航向智能PID控制研究

针对船舶航向控制非线性的特性,以船舶航向运动一阶KT模型为研究对象,设计了基于BP神经网络的自整定PID算法航向控制器。将传统PID与BP神经网络结合,对被控对象由BP神经网络进行辨识,给出PID控制参数,由PID控制算法进行控制并优化收敛速度。根据真实渡轮船舶特征参数,利用MATLAB/Simulink仿真软件建立船舶航向运动控制系统模型。仿真结果表明,基于BP神经网络的PID控制系统超调小、鲁棒性好,可长时间稳定工作,几乎无稳态误差,控制算法的实用性以及动态控制系统的优越性得到验证。     

一种时变非线性对象神经网络PID控制的仿真

利用BP神经网络对被控对象进行了控制和辨识,提出了一种基于BP神经网络的PID控制器;给出了相应的控制算法;并对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明,同传统PID控制器相比,神经网络PID控制器对于模型、环境具有较好的适应能力与较强的鲁棒性,证明了神经网络控制的优越性。     

基于神经网络的不稳定时滞对象控制

针对过程控制工业中的一类不稳定时滞对象存在的难以稳定、鲁棒性差、对输入的变化和扰动十分敏感的问题,采用了基于神经网络的双自由度控制结构.在利用内环控制器镇定对象并且提高系统反应速度、减轻输出的振荡的同时,结合Guillermo等提出的比例-积分-微分(PID)参数镇定区域理论优化设计外环BP神经网络控制器的学习范围、学习方式和初始参数,改善系统设定值跟踪和扰动抑制的性能,提高系统鲁棒性.仿真结果表明,即使在建模有误差的情况下,该控制结构仍能比传统双自由度PID控制有更好的控制效果和鲁棒性.     

神经网络监督控制在船用一体化压水堆功率控制中的应用

设计了一种船用一体化压水堆功率控制的神经网络监督控制系统,在系统中神经网络作为前馈控制器,PID控制器作为反馈控制器.对压水堆功率控制过程进行了计算机仿真,仿真结果表明,与传统的PID控制相比,神经网络监督控制具有较强的自适应能力和鲁棒性,有效地提高了控制系统的精度.