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。     

永磁同步电机位置伺服系统的RBF神经网络滑模控制策略

针对永磁同步电机(PMSM)位置伺服控制系统的负载扰动、外部不确定性干扰和模型参数摄动的特点,常规PID控制策略难以达到满意的控制效果.利用滑模控制对系统扰动和参数变化不灵敏的优点,提出一种基于神经网络和滑模控制相结合的位置伺服优化控制策略.在常规滑模控制器设计的基础上,引入RBF神经网络调节滑模控制器的切换增益,削弱系统的抖振,并通过在系统中设计干扰观测器实现对扰动的补偿.仿真结果表明:与常规滑模控制和常规PID控制相比,不同参数下本文所提出的优化控制策略超调量最多降低22%,调节时间最多减少9.2 s,有效提高位置伺服系统的鲁棒性、抗干扰能力和跟踪精度,且系统抖振得到有效遏制.     

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。     

制导弹箭分数阶控制系统

针对制导弹箭控制系统中系统参数出现较大的非线性和时变性等问题,整数阶PID控制难以获得满意的控制效果.根据分数阶微积分的定义和性质,构造了分数阶控制器的结构,分析了其控制器参数对系统性能的影响,将分数阶控制器应用到制导弹箭的控制系统设计中,并对制导弹箭的分数阶控制系统进行了研究.结果表明,分数阶控制器较PID控制器有更强的鲁棒性和抗干扰能力,可以应用于制导弹箭的控制系统中,设计的分数阶控制器的频域和时域响应特性较PID控制器要好.研究结果为分数阶控制器在制导弹箭控制系统中的应用提供了理论基础.     

不确定磁悬浮轴承模型的自适应PID控制研究

针对磁悬浮系统具有开环不稳定、非线性以及传统PID控制器由于固定参数无法达到很好的控制效果问题,提出一种RBF神经网络前馈逆补偿-模糊RBF神经网络反馈控制方法,将模糊控制和RBF神经网络融合到PID控制器参数调整中,满足磁悬浮系统静态和动态性能要求。实验结果表明,采用常规PID控制有大约4%的超调,改进后的控制基本没有,且响应时间提前0.3s,具有更好的适应性和鲁棒性,可以更有效地控制磁悬浮系统。     

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RBF神经网络整定的热风炉温控系统设计

为了提高热风炉的燃烧效率,改善热风炉温控系统的自动化程度,提出了一种基于RBF神经网络整定的PID控制策略。首先,通过RBF神经网络算法和增量式PID控制器的结合,将神经网络强大的自学习能力应用于对增量式PID参数的调整。然后,在常规热风炉温控系统的基础上,将其外环改为采用RBF神经网络整定的PID控制。热风炉温控系统中内环以煤气阀门开度为变量,外环以拱顶温度为控制变量,通过改进的串级控制来实现热风炉的燃烧优化调整。Matlab仿真分析和实际应用效果表明,RBF神经网络整定的PID控制曲线几乎无超调量,系统抗干扰能力相对传统的PID控制提高了50%。与传统的手动控制相比,所提出的控制策略使得原系统的抑制干扰能力明显增强、鲁棒性更好,在热风炉温控方面具有良好的研究和应用价值。     

基于改进型RBF神经网络多变量系统的PID控制

针对工业控制中多输入多输出非线性时变系统,提出了基于改进型RBF神经网络的智能PID控制方法.采用最近邻聚类算法在线构造RBF神经网络辨识器并在线辨识被控对象,对PID控制器参数进行在线调整,实现了多变量非线性时变系统的解耦控制.仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制规律下的PID参数,解耦后的系统具有较好的动态和静态性能,与常规RBF神经网络PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.     

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。     

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。     

基于粒子群优化算法的分数阶PID控制器设计

分数阶PID控制器具有可变的微分和积分阶次,通过调整控制器参数可以获得更好的控制性能。本文基于粒子群优化算法设计分数阶PID控制器。首先介绍分数阶PID和粒子群优化算法,然后给出分数阶PID控制系统结构、分数阶微积分算子的近似算法和分数阶PID控制器设计的仿真流程,最后通过MATLAB/Simulink对算例进行控制器设计仿真。仿真结果表明,通过粒子群寻优能够获得满意的分数阶PID控制器参数,满足对控制性能的要求。     

基于RBF神经网络的PID控制在锅炉温度系统中的应用研究

目的提高电厂锅炉温度系统控制的可靠性和安全性,达到精确控制。方法提出一种基于RBF(Radial Basis Function)神经网络的PID控制器,建立3层神经网络模型。结果在RBF-PID控制过程中,由神经网络RBF在线辨识得到梯度信息,然后根据梯度信息对PID的3个参数进行在线调整,从而改善系统的控制品质。结论仿真结果表明,基于RBF神经网络的PID控制较传统PID控制有较强的鲁棒性,提高了实时性能,获得了更好的控制效果。     

分数阶互补滑模控制的永磁同步电机控制

针对永磁同步电机（PMSM）伺服系统的参数时变和外部负载扰动，结合干扰观测器（DOB）和滑模控制的优点，引入分数阶互补滑模理论，提出基于干扰观测器的分数阶互补滑模控制（CFOSMC）.首先，构造一个非线性干扰观测器，在此基础上设计分数阶滑模，采用带有饱和函数的控制律，以减少现有分数阶滑模控制（FOSMC）中的抖振问题.然后，为了减少边界层厚度，设计了CFOSMC方案，利用李亚普诺夫稳定性定理，分析了存在条件和抖振问题.最后，通过仿真分析，与现有FOSMC方案相比，验证了CFOSMC方法对参数变化及外部干扰具有更强的鲁棒性，并能保证更精确的跟踪性能.     

基于RBF自适应观测器的转台伺服系统的滑模控制

针对转台伺服系统中的难以精确建模、易受摩擦和外界不确定干扰的影响等问题,提出了一种基于RBF神经网络的观测器,利用RBF神经可以逼近任意非线性连续函数的特性,逼近模型未知非线性函数f(?)和g(?),并利用观测器得到转速信号,结合滑模控制提高了系统的鲁棒性,实现了无需建模信息和速度测量的滑模控制系统。仿真结果表明,该方法可以实现高精度的位置和速度跟踪,同时也证明了该方法的鲁棒性和有效性,值得在其他非线性系统中推广。     

基于神经网络逆模型的污水pH值内模控制策略

针对污水处理中和反应过程pH值控制具有强干扰和模型参数易变等特点，利用内模控制方法的设定值响应和干扰响应之间相互独立的优点，提出一种基于内模控制和神经网络逆模型相结合的pH值优化控制策略。通过在系统中插入低通滤波器，并采用RBF神经网络在线辨识被控对象的逆模型，提高污水处理pH值控制的鲁棒性和抗干扰能力，有效解决中和反应pH值控制过程中模型参数易变的问题。MATLAB仿真结果表明：与常规PID控制和不带滤波器的神经内模控制策略相比，提出的优化控制策略超调量最多降低17.4%，调节时间最多减少113.6 s，有效提高了系统鲁棒性和抗干扰能力。工程应用表明：使用所提策略后，pH值控制偏差在±0.2以内，系统的控制精度和稳定性显著提高。     

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.     

3-DOF空间机械臂新型滑模轨迹跟踪控制

为了实现机械臂高精度轨迹跟踪,提出一种基于扩展状态观测器(ESO)的新型滑模控制器(PD-ESO-SMC)。该控制器滑模面设计为PD形式,利用ESO对系统的外界的未知干扰、参数的摄动、未建模动态以及耦合部分进行实时估计和补偿,定义并且引入sal函数抑制抖振现象。最后通过稳定性分析证明该控制器的有效性,同时,将仿真结果与基于PD的滑模控制(PD-SMC)及PID控制器进行对比。研究结果表明:所提出的控制方案能实现高精度的轨迹跟踪,对外部干扰有很强的鲁棒性。     

不稳定时滞过程的分数阶PI~λD~μ控制器设计

针对不稳定时滞过程,研究了一种基于设定值加权的分数阶PIλDμ控制器设计方法。首先采用比例环节构成内环反馈镇定不稳定时滞过程,然后基于等效的过程模型,依据设定值加权方法设计分数阶PIλDμ控制器,并进行了控制器参数整定。仿真结果表明:用此方法设计得到的分数阶PIλDμ控制器可以使系统获得良好的动态响应特性,干扰抑制特性以及克服系统参数变化的鲁棒性。