基于新型PID神经网络的自适应控制系统研究

提出一种新的PID型神经网络的自适应控制系统,该控制系统采用对角递归神经网络辨识对象的正向模型,采用一种新型神经网络控制器产生控制量,与常规PID控制不同的是,该控制量不再是误差信号的比例、积分和微分量的简单线性组合,而是这些信号的一种非线性组合,从而可以有效地解决常规PID控制器存在的快速性和超调量之间的矛盾.仿真实验表明,这种新型控制系统具有较强的自适应性和鲁棒性.     

基于神经网络模糊PID的液压电梯速度控制研究

研究了液压电梯的神经网络模糊PID控制策略．针对液压电梯的非线性数学模型,采用模糊、神经和PID三者结合的方式控制电梯速度,利用神经网络在线调整PID的参数．由仿真曲线得出,神经网络模糊PID控制器在动态特性、跟踪特性以及鲁棒性等方面都具有明显的优势．该控制器闭环性能好,是一种理想的控制器．     

基于以太网的PID神经网络控制系统

介绍基于以太网的PID神经网络控制系统的构建及实时控制过程．该系统具有易于实现、成本低、兼容性好等特点,有利于对分布式设备进行实时控制．控制结果表明．该系统对于大滞后、非线性对象取得较好的控制效果．     

基于模糊PID的汽车液压伺服主动悬架控制系统

在详细分析汽车液压主动悬架中液压伺服系统非线性特性的基础上,建立了1/4汽车悬架非线性系统数学模型.针对具有高度非线性的阀控非对称液压缸系统,设计了模糊PID控制器,使PID控制器的控制参数能随着系统运行状态的变化而自动调整.对比分析了相同路面输入激励下主动悬架与被动悬架的控制效果.仿真结果表明,与被动悬架相比,主动悬架能有效降低车身加速度和轮胎动载荷,该系统能有效改善汽车的平顺性和安全性.     

液压支架分级分布式微机电磁阀液压控制系统

以集散型控制理论为基础,论述了综采工作面液压支架分级分布式微机电液控制系统的原理,给出了液压支架的３种控制模型,设计了以ＭＣＳ－５１单片机为核心的液压支架控制器,进行了控制器的硬件设计和软件调试。     

基于模糊神经网络的PID温度控制系统

应用模糊神经网络PID控制技术,建立了高分子聚合物反应温度控制系统.该系统利用模糊神经网络调整PID参数,进一步完善了PID控制的自适应性能.自行设计了该控制系统的硬件和软件部分,可以接入8点热电阻信号,具有显示温度、自动控温、声光报警等功能,应用结果说明,该温度控制系统充分利用了模糊神经网络和PID控制的优点,具有良好的动、静态特性和自适应性.     

综采工作面液压支架电液控制系统的设计

介绍了综采工作面液压支架电液控制系统的原理,探讨了子控机和主控机的主要功能及其CAN节点的设计。     

模糊PID控制应用于液压同步控制系统的研究

液压同步控制系统工程机械中受到广泛地应用。液压同步控制系统具有非线性、参数时变、大惯性、迟滞系统等特性。模糊控制算法对控制对象具有很好的逼近作用。将模糊控制理论应用到PID控制中,提高PID控制器的控制能力。将模糊PID控制器应用到液压同步控制系统中,进一步提高液压同步控制系统的动态和系统稳定性。利用MatLab软件对液压同步系统进行建模和仿真实验。仿真结果表明基于模糊PID控制的液压同步控制系统具有很好的动态性能和系统稳态性。     

神经网络PID控制

以工业ＰＩＤ控制中控制器参数调整困难为背景，在分析神经网络特性的基础上，提出神经网络控制方法，设计了具有自适应性的神经网络ＰＩＤ控制器，在描述了神经网络的学习机理的基础上，给出了控制器控制算法。通过２个实例验证了神经网络在线控制的可行性。     

基于神经网络PID的丝杠运动误差控制

针对丝杠传动系统具有非线性及缓时变的特点,使用了BP神经网络PID控制器,该控制策略能在线调整PID控制参数.为了改善常规BP神经网络收敛性慢和系统不稳定的现象,提出了误差函数在线调整学习率的方法,建立了丝杠传动系统被控对象的数学模型,并给出了具体的控制算法.在先进制造过程对象试验平台（AMPOT）上进行了丝杠运动误差补偿试验,试验结果表明,该控制方法可将丝杠的运动误差减小50%～60%.     

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。     

神经网络仿PID参数自适应控制器及其应用

介绍了基于BP神经网络的仿PID自适应控制器，给出了控制算法，推导了基于变形Elman网络的系统辨识算法，仿真及应用表明此方法是可行的。     

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．     

基于神经网络PID控制器的远程控制实验系统设计

分析利用远程网络对机械臂进行远程控制的主要技术，并介绍远程控制系统的设计方法和总体结构。针对远程控制系统的非线性和难以精确建模的特点，设计BP弄申经网络的PID控制器来控制机械臂。最后给出了系统性能的定量分析结果。     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

PID神经网络解耦控制技术在VAV中的应用

通过采用PID系统神经元网络解耦控制技术，对耦合强烈的具有变风量空调系统传递函数矩阵形式的4维传递函数矩阵系统进行解耦控制，通过解耦控制仿真研究，可以看出取得了很好的解耦效果，为变风量空调系统（4个回路）的解耦控制提供了有效的方法。     

模糊神经PID控制在工业炉冶金阀门位置控制系统中的应用

介绍模糊神经网络控制器的设计方法，并将其应用到工业炉阀门位置的控制系统中。试验结果表明，这种通过对输入变量模糊化的神经元学习和在线自调整算法，对其冶金阀门的压力控制具有很强的自适应性，且响应程度快、鲁棒性好。     

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。