大型轮式工程车辆转向系统的神经网络PID控制

根据大型轮式工程车辆转向系统的对象特点和操纵方式，提出采用基于RBF神经网络控制器来改进常规PID控制器实现系统控制性能。该控制系统结构中，RBF神经网络辨识器(RBFNNI)实现对被控对象的Jacobian矩阵信息的辨识，神经网络控制器(NNC)是基于RBF神经网络实现的单神经元的PID控制器。在对算法进行改进的基础上设计了神经网络结构，并进行了被控对象的仿真分析。实际结果表明该控制方法具有较好的实用性和鲁棒性，可以用于多操纵模式工程车辆转向系统的控制。     

基于动态RBF神经网络在线辨识的单神经元PID控制

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法。采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。仿真结果表明,与常规RBF神经网络辨识的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GA与CSA-RBF神经网络辨识的自适应PID控制器

提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程.     

一类二自由度PID控制的神经元实现研究

给出一种从不完全二自由度PID控制P—I—PD算法派生出的神经元PID控制器的实现方法，利用MATLAB／SIMULINK仿真软件对该控制器在燧道式炉中的应用进行仿真研究。仿真结果表明，神经元P—I—PD控制不但具有二自由度PID控制的优点，而且还具有神经元自适应控制的特点，系统具有较好的跟随性、抗干扰性和较强的鲁棒性。     

一种改进的自组织映射树算法及在组织际关系分类中的应用

分析了自组织映射树各种改进算法的优缺点,改进和实现了一种基于动态二叉树的自组织神经网络(Improved dynamicalbinary-tree based self-organizing neural network, DBTSONN).在改进动态二叉树中神经元节点可以自动生长和剪除,无需在训练前预先确定网络结构.DBTSONN1算法采用单路径搜索最匹配叶节点(获胜神经元),DBTSONN2算法考虑了获胜神经元节点所在自组织二叉树的层次,采用双路径搜索获胜叶节点, 提高了搜索效率.以交易关系的经济和行为维度建立起来的关键中介 变量集为度量指标,使用该算法把组织际关系分为四种类型:双边关系、周期性关系、层级关系以及分散关系, 验证该算法的效率,并分析这种组织际关系分类的实际意义.     

重型汽车离合器接合的变结构串级双环控制

通过重型汽车起步动态模型的分析,指出当在起步过程中保持发动机转速不变时可以根据驾驶员的意图对离合器的磨损以及驾驶员舒适性进行综合优化。着重分析了离合器接合点前后的冲击,根据分析结果提出了变结构串级双环控制发动机恒速的起步控制算法,针对离合器操纵系统的非线性,加速度环采用单神经元自适应 PID 控制算法。为验证算法的性能,建立了车辆起步过程仿真模型。仿真实验表明采用该算法可提高的起步过程的性能。     

基于显式拥塞指示的自适应主动队列管理算法

目前Internet网络中间节点拥塞控制问题在网络和控制理论界已获得了广泛关注.本文提出一种基于神经元自适应PID控制器的AQM算法,针对TCP/AQM系统模型,结合中间节点队列管理和显式拥塞指示机制(Explicit CongestionNotincation,ECN)机制,采用梯度学习算法来在线调整基于神经元PID的AQM控制器参数,以实现标记/丢包概率的自适应调整,从而对网络拥塞程度作出及时响应,尤其在网络参数时变的情况下仍能保证良好的动态性能,并显著改善网络的服务性能(QoS).最后通过NS-2仿真结果表明,该算法在队列稳定性、平均丢包率等性能方面要明显优于基于常规PID的AQM算法.     

磨矿过程参数自整定PID解耦控制器的设计

根据磨矿过程的数学模型,提出一种改进混合蛙跳算法优化的PID控制器对磨矿过程进行解耦控制。解耦后形成两个单输入单输出通道,使得磨机给矿的速率直接控制磨机排矿率,泵池给水的速率直接控制磨机粒度。一种新的蛙跳规则被提曲用来增强SFLA的局部搜索能力,该规则主要通过模拟青蛙的感知和运动的不确定性来动态随机地调整青蛙的局部搜索...     

基于RBF辨识的伺服系统CMAC控制

提出一种基于RBF辨识的伺服系统CMAC复合控制器,并进行了仿真研究。采用RBF神经网络辨识被控对象模型,根据辨识结果调节单神经元控制器的参数,由单神经元PID控制器与小脑模型前馈控制器组成复合控制结构,通过搜索使控制器尽快地进入合适的参数空间,实现了控制的快速性要求。仿真结果表明,该控制方法能够缩短系统暂态响应时间,提高系统的动态跟踪精度,增加系统鲁棒稳定性。     

某大型机电设备起竖过程控制与仿真研究

起竖过程是某大型机电设备工作工程中的一个关键环节。为实现快速起竖,针对现有起竖过程控制方法存在的不足,提出了起竖过程采用bang-bang控制和单神经元自适应PID控制相结合的控制方法。设计了起竖过程控制器。通过AMESim软件和MATLAB/Simulink软件的结合,对起竖过程进行了电液协同仿真研究。仿真结果表明,设计的控制器具有调节时间短、动态性能好、控制精度高、鲁棒性强的优点,可实现该大型机电设备的快速平稳起竖。     

一种小型PEM燃料电池流量系统的建模与控制

给出了一种小型质子交换膜燃料电池流量系统的控制模型,根据此模型应用基于CMAC神经元网络的自适应PID控制算法以实现燃料电池阴极和阳极侧压力的协调控制。同时将这种控制算法在一种基于ARM微处理器的硬件平台和可视化的监控组态软件平台(netcon系统)上予于实现。仿真结果和实验结果具有良好的一致性,实际应用效果表明此控制系统运行可靠,使用方便,具有很强的实用价值。     

火电机组免疫单神经元非线性控制方法仿真研究

针对火电单元机组控制系统,提出一种免疫单神经元非线性控制策略,并设计出一种新的非线性输出跟踪控制器.该控制器由稳定逆系统和免疫单神经元自适应PID反馈控制器组成.前者是根据逆系统方法求取的,用于提高系统的响应速度;而后者,则是利用生物免疫反馈规则,使神经元比例系数可以随工况的变化自动进行调整,用于提高系统的稳定性.通过不同负荷下的仿真结果表明,该控制策略具有较强的动态解耦能力,鲁棒洼,自适应能力以及快速稳定跟踪能力.     

参数自整定2自由度PID全神经元实现的仿真研究

2自由度PID控制器参数整定是一个复杂而又困难的问题，本文采用全神经元方法实现了2自由度PID控制。通过权值自学习解决了参数自动整定这一难题，只要选择适当的神经元权值系数，就可以是系统的抗干扰能力和跟踪给定的能力同时达到最佳，并使系统具有自适应能力和较强的 鲁棒性。     

一种复值可分离的泛函网络学习算法

泛函网络是最近提出的一种对神经网络的一般化推广。与神经网络不同,它处理的只是一般的实值泛函模型,针对该问题,将实值泛函神经元推广到复值泛函神经元,再对复值泛函神经元的结构作了变形,提出了一种复值泛函网络新模型,给出了基于梯度下降法的复值可分离泛函网络学习算法。采用复分析的方法,利用单一泛函神经元模型,借助于正交边界和实步长函数概念求解复值XOR分类问题。通过理论分析可看出,相比复值神经网络,用复值泛函网络解决问题具有很强的计算能力。