基于BP神经网络的分数阶PIαDβ控制器参数整定研究

对于分数阶控制系统,因分数阶控制器较传统PID控制器具有更好的适应性,这就为得到更加细腻的控制品质提供了可能。然而,分数阶PI^αD^β控制器的参数整定则相对复杂。针对这一问题,提出了基于BP神经网络的分数阶控制器参数整定方法,有效地克服了分数阶控制器参数整定复杂问题。采用文章所提方法,分别设计了整数阶PID、分数阶PI^αD^β控制器,并进行仿真对比。结果表明,采用分数阶PI^αD^β控制器的系统控制品质优于整数阶PID控制器。     

一种基于遗传BP神经网络的分数阶参数整定方法

对于离散、非线性、大时滞等复杂系统BP神经网络具有优越的处理能力。而将遗传算法引入与之结合,能够有效的弥补神经网络的缺陷,从而能显著提高收敛速度并且减小系统误差。本文运用遗传算法来改进BP神经网络,实现改进的BP神经网络具有更好的收敛性,然后采用改进的BP神经网络对分数阶PID控制器参数进行整定,通过具体实例在Matlab平台下进行仿真,验证所提方法的有效性。仿真结果表明遗传算法能够有效的改善神经网络在收敛速度和预测精度上的不足,基于本文改进方法对一个复杂分数阶被控系统进行分数阶PID控制器设计,通过仿真曲线证实了所提方法设计的控制器能够取得良好的控制品质。     

一种基于遗传BP神经网络的分数阶PI~αD~β参数整定方法

对于离散、非线性、大时滞等复杂系统BP神经网络具有优越的处理能力。而将遗传算法引入与之结合,能够有效的弥补神经网络的缺陷,从而能显著提高收敛速度并且减小系统误差。本文运用遗传算法来改进BP神经网络,实现改进的BP神经网络具有更好的收敛性,然后采用改进的BP神经网络对分数阶PID控制器参数进行整定,通过具体实例在Matlab平台下进行仿真,验证所提方法的有效性。仿真结果表明遗传算法能够有效的改善神经网络在收敛速度和预测精度上的不足,基于本文改进方法对一个复杂分数阶被控系统进行分数阶PID控制器设计,通过仿真曲线证实了所提方法设计的控制器能够取得良好的控制品质。     

基于神经网络优化算法的分数阶PI~λD~μ控制

针对传统的PID控制器控制效果欠佳以及分数阶PI~λD~μ控制器参数复杂难以整定的问题,设计了一种基于误差反向传播(Back propagation, BP)神经网络算法的分数阶PI~λD~μ控制器。首先,将分数阶PI~λD~μ控制器数字化,然后通过BP神经网络算法调节突触权值,经调整后的输出量作为分数阶PI~λD~μ控制器的参数值,最后分别采用分数阶和整数阶作为被控对象进行实验仿真,仿真结果证明了神经网络分数阶PI~λD~μ控制器比传统PID控制器的具有超调量小、上升时间快、稳定性好的优点。     

高阶反向响应过程的分数阶PID控制器设计

针对具有反向响应特性的高阶过程,提出了一种分数阶PID控制器设计方法.为了便于控制器设计,采用一种改进的微粒群优化算法对高阶过程模型进行简化处理,在此基础上,根据内模控制原理设计分数阶PID控制器,该控制器仅有一个可调参数,有效降低了控制器整定的复杂度,并根据最大灵敏度指标推导出控制器参数整定的解析表达式,克服了参数选择的盲目性.仿真结果表明,该方法可使系统具有良好的设定值跟踪、扰动抑制特性以及克服参数摄动的鲁棒性.     

一种分数阶时滞过程的内模控制器设计方法

针对分数阶时滞过程提出一种内模控制器设计方法。根据分数阶过程稳定的充分必要条件给出了时滞过程稳定的阶次范围,采用内模控制(IMC)原理设计一种分数阶IMC控制器,该控制器仅有1个可调参数,且能利用最大灵敏度指标(Ms)实现参数的解析整定,以保证系统的鲁棒性。仿真结果表明:分数阶IMC控制器设计方法简单,参数整定方便,而且可使系统具有良好的目标值跟踪特性、扰动抑制特性以及克服参数变化的鲁棒性。     

神经网络分数阶PID在网络控制系统中的应用

文章针对网络控制系统(NCS)存在的网络延时问题,设计了一种基于RBF神经网络的分数阶PID控制器,并将该控制器应用在网络控制系统中,减小网络延时对控制系统的影响。该控制器利用RBF神经网络具有任意精度逼近非线性函数及训练速度快的优点,在线整定分数阶PID控制器,并采用分数阶PID控制器直接控制被控对象;选取Ethernet控制的弹簧-阻尼控制系统作为实验对象。实验结果表明:该控制系统具有响应速度快、控制精度高、鲁棒性强的特点,有效地减少了网络延时对NCS的影响。     

基于BP神经网络的球杆控制算法设计

针对球杆系统定位控制问题,基于BP神经网络设计了BP神经网络控制器和BP神经网络PID参数自整定两种智能控制器.完成了两种控制器的网络结构与实现方法,并在Simulink环境中仿真.仿真结果显示出BP神经网络PID参数自整定控制器的稳定性优于BP神经网络控制器,将BP神经网络PID参数自整定控制器算法移植到GBB1004球杆系统,实现了对该系统的控制.实验结果显示,该控制器响应快,有一定的抗干扰能力,获得系统调节时间小于16s,稳态误差小于1cm.     

基于伯德理想传递函数的分数阶PID控制器

针对分数阶系统,提出了一种基于伯德理想传递函数的分数阶比例-积分-微分(PID)控制器设计方法.首先分析了伯德理想传递函数的增益和分数阶微积分阶次分别与系统动态性能和鲁棒性之间的关系,然后将伯德理想传递函数作为参考系统,选择分数阶被控对象的阶次作为控制器中微积分阶次,并根据系统动态响应性能和鲁棒性调节增益K,简化了控制器参数的整定.仿真结果表明:所提方法不但设计简单,整定方便,而且具有较好的动态性能、干扰抑制特性,以及克服系统参数变化的鲁棒性.     

基于小波神经网络的分数阶PIλDμ控制器的设计

目前分数阶PIλDμ控制器参数整定的方法很有限,为了研究分数阶PI λDμ控制器的控制效果,在小波神经网络的基础上提出了分数阶PIDμ控制器的设计原理,然后利用MATLAB进行仿真,通过仿真结果证明了该策略的有效性,同时通过比较说明采用分数阶PIλ Dμ控制器比采用传统PID控制器能获得更好的控制效果.     

基于改进模糊神经网络的PID参数自整定算法

针对传统的PID控制算法参数整定困难,控制效果并不理想,将神经网络算法、模糊控制算法结合在一起,形成了模糊神经网络PID参数自整定算法,并且对模糊神经网络进行改进,将神经网络输入的状态变量进行模糊化和归一化处理,采用BP神经网络自整定PID控制器的参数,根据RBF神经网络得到受控对象的Jacobian信息。仿真结果表明,基于模糊神经网络的PID自整定控制效果较好,具有一定的应用前景。     

带观测器的RBF分数阶PID在四旋翼飞行器中应用

针对经典PID算法抗干扰性差、鲁棒性弱的缺点,给出了带干扰观测器的RBF神经网络分数阶PID控制器。干扰观测器一方面可以将外部的扰动以及由模型参数不准确带来的误差引入到输入端并引入补偿,能很好的提高系统的抗干扰能力以及鲁棒性;另一方面干扰观测器模块和RBF神经网络分数阶PID模块两者互不影响。RBF神经网络分数阶PID可以实现分数阶参数的自学习。最后把带有观测器的RBF神经网络分数阶PID应用与四旋翼控制系统中并且进行MATALAB实验。仿真表明:在环境中存在干扰的情况下,带观测器的RBF神经网络分数阶PID控制器能够良好的实现飞行器的姿态控制,同时具有一定的抗干扰能力以及鲁棒性。     

基于改进BP神经网络PID自整定的研究

随着数控技术的发展,传统的PID整定方式已经不能满足伺服系统的控制要求.利用改进共轭梯度法对BP神经网络算法进行优化.将改进BP神经网络算法应用到PID的整定中,构建改进BP神经网络自整定PID控制器.将设计好的BP神经网路PID控制器应用到伺服系统的控制结构图中.与BP神经网络自整定PID控制器,在Matalab的simulink里面进行建模仿真比较.仿真结果表明改进BP神经网络自整定PID控制器具有较好的快速响应能力、系统稳定性和抗干扰能力.     

基于最大灵敏度的分数阶内模控制器设计

针对分数阶控制器设计参数整定复杂的问题,提出一种基于最大灵敏度的分数阶内模控制器设计方法。采用粒子群优化算法对原系统模型进行简化处理,根据内模控制原理设计分数阶内模控制器;仅通过一个可调参数,实现分数阶内模控制器的快速整定;通过最大灵敏度指标实现分数阶内模控制器的鲁棒整定。仿真结果表明该方法具有良好的控制品质及克服参数摄动的鲁棒性。     

热交换系统二自由度PID 控制

为解决热交换系统的温度控制问题, 采用二自由度PID(Proportional-Integral-Derivative)控制算法设计了温度控制器。该控制器的PID 参数通过Ziegler-Nichols 振荡法整定, 二自由度化控制器参数根据经验规则进行调整。利用所设计的二自由度PID 控制器和传统的PID 控制器进行了多项仿真实验, 包括目标跟踪、抗扰、鲁棒性和标称模型控制等。实验结果表明, 二自由度PID 控制器的目标跟踪速度优于传统PID, 具有良好的鲁棒性, 对标称模型的控制具有更小的上升时间和反冲。     

基于FPAA的模糊控制参数整定PID控制器的设计

针对PID控制器的增益系数难以实现最优整定的问题,本文通过分析模糊控制器的解析结构得到模糊控制器与PID控制器参数之间的解析关系,采用常规模糊控制器的正规化因子间接整定PID控制器的增益系数,避免了建立系统的精确数学模型.采用这种新型参数整定方法在FPAA开发软件AnadigmDesigner2中完成PID控制器的设计并验证其性能.仿真和实验结果表明:基于FPAA设计出的模糊PID控制器适应强、跟踪迅速、控制性能良好并且表现出很强的鲁棒性.     

一种基于BP神经网络的四轴飞行器飞控优化方法

针对四轴飞行器串级PID控制器参数整定繁琐的问题,提出在串级PID控制器中加入BP神经网络的优化方法。利用Simulimk对加入BP神经网络前后的飞控系统进行仿真。结果表明,加入神经网络后飞控系统在超调量、响应时间和稳定性等方面都有了明显的提高。     

基于改进灰色预测模型的自整定PID控制

针对非线性滞后系统提出一种基于改进灰色预测模型的自整定PID控制．采用变步长四阶龙格一库塔法与灰色模型相结合的方法作为预测模型，通过BP神经网络建立参数自学习PID控制器，根据目标函数E调整△u，使系统输出最优化．仿真结果证明，该预测控制具有较好的跟踪效果，且有效地克服了误差及干扰等不确定因素所带来的影响．     

分数阶系统的二自由度PID预期动态整定法

采用实际模型简单控制的策略,针对分数阶系统提出一种基于预期动态方程的二自由度PID整定方案(DDE)。通过选取预期动态方程系数,将控制器参数与系统控制要求建立联系,确定各个参数的取值规则。8个分数阶模型的控制仿真结果表明,用DDE法整定的整数阶二自由度PID控制器可以使系统满足预期动态,并且该控制器具有与分数阶PID相当或较其更好的控制效果。     

基于神经网络PID控制的聚合温控负荷优化调度

本文设计了基于BP神经网络的温控负荷控制系统,实现了智能电网中的需求侧频率调节辅助服务。针对控制系统中的控制器部分,设计了基于神经网络的PID控制器,通过BP算法对控制器的3个参数进行实时在线优化调整,并利用温控负荷的温度设定值调节策略,减小了聚合温控负荷的跟踪误差,改善了系统的性能,提升了频率调节服务质量。仿真结果表明,所设计的神经网络PID控制器可以有效地提高频率调节信号的跟踪精度。