单神经元自适应PID控制器的实现与仿真研究

给出了单神经元自适应PID控制器的算法与控制系统仿真模型.利用单神经元PID控制器的自学习、自适应能力实现PID控制参数的自整定.并对被控对象进行了仿真研究,仿真结果表明,该控制方法与常规PID控制方法相比,具有更好的自适应性和更强的鲁棒性.     

基于Fuzzy—PID复合的电加热炉温度控制研究

在炼钢生产过程中使用到的电加热炉是一个非线性时变的复杂系统,在进行温度控制时候如果用常规的PID控制,很难以达到控制要求,因此本文把PID和模糊控制结合起来对电加热炉温度进行控制,并用Simulink进行仿真,仿真结果表示模糊PID控制具有传统PID无法比拟的优点。     

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。     

基于电加热炉温度系统的自适应模糊PID-Smith控制方法研究

针对电加热炉温度控制系统,研究了自适应模糊PID-Smith控制方法.该控制方法利用Smith预估算法克服纯滞后,利用模糊控制来提高系统的鲁棒性,利用PID控制来提高稳态精度.通过Matlab仿真研究,表明该控制器具有良好的稳定性和鲁棒性,对于大时间滞后的电加热炉温控系统是一种实用而简便的控制方法.     

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。     

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。     

电加热炉温神经网络控制及解耦

对电加热炉的温度进行控制的计算机控制系统，大多采用含有经验的专家系统，其结构复杂，干扰多。电加热炉系统有耦合，包含纯滞后环节，对此系统采用神经网络预测控制，并应用神经网络进行解耦，从仿真实验误差曲线和系统的输出可以看出，相对于PID控制和采用专家系统的智能控制，该控制器控制效果优越。     

原料气加热炉出口温度检测控制

本文以原料气加热炉为被控对象,通过对电加热炉对象特性的分析来建立加热炉数学模型,提出了一套计算机系统控制方案。给出了控制系统相应的硬件配置及网络拓扑结构以及控制方案。实现了加热炉炉温的自适应PID智能控制。     

基于参数辨识的仿人智能PID电加热炉温度控制

利用开环阶跃响应输入输出数据,对电加热炉的一阶惯性加纯滞后模型参数进行在线辨识,然后根据该参数模型设计系统的线性预报模型,并采用规则法整定PID控制器参数,最后运用仿人智能控制的思想,在过程中对PID参数进行调整.实时控制的试验表明,该算法原理简单,能运用于各类电加热炉系统,并易于在上位机上编程实现,同时它能将动态响应时间、超调量、稳态误差都控制在合理的范围以内.     

工业电加热炉非线性批量PID控制研究

在工业控制过程中,电加热炉温度控制系统是一个严重的非线性,大惯性,时变和纯滞后环节.由于传统PID的局限性,如果采用传统的PID对该系统进行控制很难在时变系统中达到良好的性能.基于对此问题的考虑,本文应用批量PID控制方法以及应用一种新的PID参数整定方法来解决在电加热炉控制过程中的一些实际问题.     

一类不完全微分PID控制的实现方法

提出一种不完全微分PID控制的实现方法,不完全微分PID控制算法是基于Smith预估控制原理并利用单神经元来实现的.利用MATLAB仿真软件对该实现方法在隧道式炉中的应用进行仿真研究.仿真结果表明,该实现方法不但能实现对时滞系统的有效控制,而且还具有较好的抗干扰性和鲁棒性的优点.     

基于性能准则的自适应神经元PID可调参数选取方法

在MATLAB环境下,基于某一性能准则并利用单纯形法寻优原理给出自适应神经元PID控制器可调参数的优化选取方法.利用参数经优化选取后得到的自适应神经元PID控制器对隧道式炉进行控制,结果表明该优化选取方法的有效性.     

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.     

RBF网络自整定PID控制在网络化控制系统中的应用

文章针对网络化控制系统普遍存在的时延问题,介绍了一种基于径向基函数神经网络自整定PID的控制策略.在Matlab/Simulink环境下搭建了基于TrueTime工具箱的网络控制系统的仿真平台.仿真结果表明:与常规PID控制相比,神经网络自整定PID控制算法可有效地提高系统的鲁棒性和自适应性,且此方法易于实现,便于工程...     

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。     

交流伺服系统多模协调控制策略研究

提出了基于模糊控制和PID控制的多模智能协调控制策略.该控制器充分利用了模糊控制和单神经元自适应PID控制的优点,并将其应用于交流伺服系统.同常规切换控制相比,它把点切换改为相对平滑的智能切换,大大提高了伺服控制的动、静态性能.仿真结果表明,该控制器可以有效地抑制负载变化和各种干扰对系统的影响,能满足系统设计要求.     

模糊PID双层参数整定及其在固化炉中的应用

提出了一种模糊PID(proportion integration differentiation)控制器的双层参数整定方法。将模糊PID控制器的参数整定分为比例因子的整定与模糊隶属度函数参数整定2部分。推导出模糊PID控制器的解析模型,该解析模型包括线性部分和非线性补偿2个部分。整定的过程中,把模糊PID控制器解析模型的非线性补偿看作过程扰动,由线性部分和被控对象的二阶纯时滞模型,基于系统的增益裕度关系,导出模糊PID控制器的比例因子。再基于粒子群优化算法(PSO,particle swarm optimization)对三角隶属度函数进行优化,使控制器进一步适应被控对象的动态特性。仿真结果表明了研究方法的有效性以及应用在芯片固化炉的温度控制过程中,提升温度控制的效果。