非线性大滞后系统的单神经元模糊预测控制

提出一种单神经元模糊预测PID控制策略,无需对复杂控制过程建立数学模型,只要检测过程的实际输出和期望输出,通过模糊预测控制修正单神经元PID控制规则,即可对非线性大滞后系统实现自适应控制.对于大滞后扰动系统,在稳定性、快速性、鲁棒性方面明显优于常规单神经元PID控制器.仿真结果表明,该方法应用于非线性大滞后系统具有良好的控制品质.     

基于单神经元PID控制器的闭环控制系统

目的 解决传统PID控制器对时变系统控制能力不强的弊病。方法 利用神经网络理论与传统PID控制理论相结合。结果 设计了一种单神经元PID控制器，将其应用于被控制对象是快时变和慢时变的两类闭环控制系统。结论 实验证明这种单神经元PID控制器通过在线边学习边控制的方式，实现了实时控制。     

神经网络在时滞时变系统中的应用

针对在聚合反应温度控制中的时变、热惯性、热滞后、被控对象模型难以确定等特点,以及常规PID控制在非线性、时变、滞后系统中的局限性,提出了一种单神经元自适应控制与Smith预估器相结合的控制方法。该方法利用神经网络的非线性映射和自学习能力,来实现控制参数的在线整定。利用Smith预估算法来解决系统的大滞后。该控制器具有使系统超调量小、调整时间短、鲁棒性好等优点。文中并给出了基于数字信号处理器(DSP)和单片机的双CPU的温度控制系统的设计。     

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.     

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.     

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.     

基于PLC的神经元自适应PID的实现方法与应用

介绍了采PLC内IPID回路表实现神经元自适应控制的方法，对大纯滞后系统实现快速有效的实时控制．该单经元采用hebb学习算法，对大滞后一阶仿真结果表明能有效地改善系统的动态性能．此方法对时变大滞后系统有广泛的应用价值．     

基于单神经元自适应PID的PLC直流电机控制系统

针对微型计算机和单片机进行直流电机控制时,抗干扰能力和可靠性差等缺点,提出了一种基于单神经元PID(Proportional-Integral-Derivative)算法的PLC(Programmable Logic Controler)控制直流电机的调速系统,设计了PLC控制D/A(Digital/Analog)转换电路、直流电机驱动电路、转速脉冲反馈电路,研究了单神经元自适应PID控制算法。将有监督单神经元控制算法应用于直流电机调速系统,通过调整神经元控制器的加权系数,实现自适应PID的最优控制。单神经元PID调节在大范围调速和抑制超调方面都有明显的改善,进而提高了直流调速系统的精度。通过系统动态测试,实现了PLC控制直流电机正反转自动调速,直流电机在稳态运行时,转速误差小于1 rad/s。     

基于Matlab的电阻炉温度模糊控制系统设计及仿真

针对工业电阻炉炉炉温系统存在的滞后大,非线性时变的特点,采取将模糊控制和PID控制的方法,利用Matlab软件中SIMULINK这个软件来搭建传统PID温度控制系统与自整定模糊PID温度控制系统的模型,并对它们进行仿真分析,从仿真结果可知模糊PID控制系统相比传统PID控制系统,控制速度要快,稳定性要高.     

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.     

罩式退火炉温控系统的神经网络PID预测控制

罩式退火炉温控系统是一类具有大滞后及模型慢时变系统,采用传统控制方法其效果并不理想.因此,将神经网络PID预测控制思想应用于罩式退火炉温控系统,利用灰色预测模型与四阶龙格库塔法相结合对罩式退火炉温控系统的行为进行预测,同时结合神经网络PID控制器克服预测误差、系统干扰等不确定因素带来的影响,提高系统的自适应性.仿真结果表明,系统运行平稳,受不确定因素的影响较小,对罩式退火炉温控系统具有良好的控制效果.     

适用于非线性对象的神经元变结构PID控制

针对具有严重非线性的受控对象,提出了一种神经元变结构PID控制方法.该方法将变结构PID控制器与神经元控制器相结合,用一个神经元实现变结构PID控制器中结构变化的部分;同时用另一个神经元实时调整PID控制器的参数,提高了控制系统的响应速度和鲁棒性.将所提出控制方法用于pH中和过程控制,仿真实验结果表明,该方法具有满意的控制品质及较强的适应性.     

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.     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ 控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ 控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可以有效地应付非线性对象。     

基于改进模糊PID算法的空燃比控制策略研究

对发动机瞬态工况空燃比进行控制时,由于单缸汽油机本身固有的非线性和时滞环节,传统PID控制很难取得满意的效果,本文构造了一种带动态补偿的模糊PID控制器.首先搭建了单缸机仿真模型,并将模糊PID控制算法应用于空燃比控制中,以适应系统的非线性;然后针对单缸机系统中固有的时滞环节提出一种动态时滞补偿器,以降低时滞环节对系统的影响;再将该时滞补偿器耦合于模糊PID控制器中,应用于单缸机瞬态工况下的空燃比控制.仿真结果表明,改进的模糊PID控制器不仅能补偿系统中时滞环节带来的非最小相位影响,而且能很好地适应发动机系统的非线性特征,从而使控制系统的稳定性、准确性、快速性均得到了很大的改善.     

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.     

基于动态优化的多模型广义预测控制器设计

针对工业控制过程中广泛存在系统参数突变的问题,将多模型切换的广义预测控制器引至动态优化策略下的分层式控制系统中,设计了基于动态优化的多模型广义预测控制器.该模型预测控制结构以获取最大经济效益为目标,上层结构对经济目标函数进行动态优化,得到使经济利益最大的关键变量设定值;下层结构中MPC层采用多模型广义预测控制器代替传统单模型广义预测控制器追踪上层得到的设定值,即采用多个固定模型和自适应模型并行辨识系统的动态特性,提高系统暂态性能和模型参数跳变时系统的调节能力;底层为PID控制器用于抑制过程中的扰动.通过仿真验证了该方法的可行性和有效性.     

Smith-RBF-PID控制算法在工业平缝机脚踏板调速模块中的应用

针对工业缝纫机调速模块的伺服系统普遍存在耦合、大滞后的现象,提出了一种将Smith预估补偿和RBF神经网络算法与PID控制器相结合的Smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点,在调速模块的伺服控制系统中更加有效。