基于RBF神经网络的非线性磁悬浮系统控制

磁悬浮系统是一个典型的不确定、非线性系统.由于磁悬浮系统的复杂性很难建立精确的数学模型,采用RBF神经网络(RBFNN)对非线性磁悬浮系统进行辨识,再根据神经网络自适应控制原理设计了非线性磁悬浮系统的神经网络自适应状态反馈控制器与自适应PID控制器,并利用MATLAB进行了仿真.仿真结果表明,神经网络自适应控制能很好地控制本磁悬浮系统;神经网络自适应控制器对于此非线性磁悬浮系统位置具有良好的控制效果,该控制系统具有较好的稳态特性和控制特性.     

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。     

带观测器的RBF分数阶PID在四旋翼飞行器中应用

针对经典PID算法抗干扰性差、鲁棒性弱的缺点,给出了带干扰观测器的RBF神经网络分数阶PID控制器。干扰观测器一方面可以将外部的扰动以及由模型参数不准确带来的误差引入到输入端并引入补偿,能很好的提高系统的抗干扰能力以及鲁棒性;另一方面干扰观测器模块和RBF神经网络分数阶PID模块两者互不影响。RBF神经网络分数阶PID可以实现分数阶参数的自学习。最后把带有观测器的RBF神经网络分数阶PID应用与四旋翼控制系统中并且进行MATALAB实验。仿真表明:在环境中存在干扰的情况下,带观测器的RBF神经网络分数阶PID控制器能够良好的实现飞行器的姿态控制,同时具有一定的抗干扰能力以及鲁棒性。     

基于改进模糊神经网络的PID参数自整定算法

针对传统的PID控制算法参数整定困难,控制效果并不理想,将神经网络算法、模糊控制算法结合在一起,形成了模糊神经网络PID参数自整定算法,并且对模糊神经网络进行改进,将神经网络输入的状态变量进行模糊化和归一化处理,采用BP神经网络自整定PID控制器的参数,根据RBF神经网络得到受控对象的Jacobian信息。仿真结果表明,基于模糊神经网络的PID自整定控制效果较好,具有一定的应用前景。     

基于参数自整定PID的水下滑翔机航向控制方法

水下滑翔机航向控制的精度对海洋目标观探测具有重要意义。现有的水下滑翔机航向控制技术以比例积分微分（proportional-integral-derivative,PID）为主。为保证水下滑翔机按照预期轨迹运动,PID控制器参数需要反复设定和调整,很难达到快速准确的控制效果。针对该问题,提出了一种基于径向基函数（radial basis function,RBF）神经网络的参数自整定PID航向控制方法。首先建立水下滑翔机水平面内运动模型,然后构建了RBF神经网络结构,并通过梯度下降法给出了神经网络参数以及PID参数的迭代公式。仿真结果表明,该方法相较于常规PID控制方法能在较短的时间内收敛,控制系统精度较高,同时控制器参数能够快速自整定。为今后的水下滑翔机航向控制器提供了设计参考。     

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。     

磁悬浮系统的模糊PID控制器设计

基于GML1001磁悬浮实验装置设计了一个模糊PID控制器.该控制器利用传统的PID控制器和模糊控制器相结合形成,能根据系统偏差的大小、方向以及变化趋势等特征,依据模糊规则库做出模糊推理,能自动调整PID参数,可达到更加满意的控制效果.利用设计的模糊自适应PID控制器,对磁悬浮控制系统中钢球的悬浮位置实现了精确的控制.实验结果表明,模糊自适应PID控制器可以使磁悬浮控制系统拥有较好的稳态和动态性能.     

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...     

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。     

混合磁悬浮轴承转子系统的模糊控制策略

针对混合磁悬浮轴承,提出一种对磁悬浮轴承转子模糊控制的策略.结合电磁绕组工作原理,采用自感式位移自检测系统代替专门的位移传感器,构成无传感器自检测磁悬浮控制系统,通过模糊PID(proportional,integral and differential)控制器对系统进行控制,并建立了控制系统的数学模型.分析模糊PID控制器整定参数的模糊规则及模糊控制原理,对系统进行了模糊仿真.仿真结果表明:采用模糊PID控制混合磁悬浮轴承系统具有响应快、抗干扰能力强的动、静态性能.     

滤波减速器传动机器人的自适应RBF反演法控制

针对具有参数未知、外界扰动、强耦合、非线性和多变量的滤波减速器传动机器人建立系统数学模型并对其进行自适应RBF神经网络反演法控制。利用自适应RBF在线逼近系统模型中的未知非线性项设计基于自适应RBF神经网络的反演法控制器同时结合Lyapunov稳定性分析方法论证闭环系统的收敛性。所提控制方法有效地抑制诸如参数未知、外界扰动等对滤波减速器传动机器人的性能影响。仿真分析表明所提出自适应RBF神经网络反演控制器实现了滤波减速器传动机器人的高性能位置跟踪控制并具有很好的控制精度和鲁棒性。     

基于RBF神经网络的PID控制器

传统的PID控制器参数难以整定,且依赖于对象的精确数学模型,适应性较差。针对传统PID控制效果不理想的问题,采用RBF神经网络对PID参数进行整定,并用MATLAB进行仿真,取得了令人满意的效果。     

一种时变非线性对象神经网络PID控制的仿真

利用BP神经网络对被控对象进行了控制和辨识,提出了一种基于BP神经网络的PID控制器;给出了相应的控制算法;并对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明,同传统PID控制器相比,神经网络PID控制器对于模型、环境具有较好的适应能力与较强的鲁棒性,证明了神经网络控制的优越性。     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

蚁群算法PID控制器在磁轴承控制系统中的应用

磁悬浮轴承是磁悬浮转轴系统的重要组成部分.由于磁轴承具有较大的非线性,难于控制,采用常规的参数整定方法很难达到较好的控制效果.因此,采用不完全微分PID控制算法,利用蚁群算法根据设定的系统性能指标实时优化控制器参数.仿真结果证明,这种控制器能够很好地满足系统性能指标的要求.     

基于径向基函数的神经网络在线辨识的PID控制

针对工业控制领域中的非线性时变系统,讨论了RBF神经网络的在线辨识的算法,并与传统的PID控制相结合,对非线性时变对象进行了仿真实验.从实验结果中得出,通过RBF神经网络的在线辨识,对PID参数在线自整定,取得了比传统PID控制更好的效果.     

基于BP神经网络的球杆控制算法设计

针对球杆系统定位控制问题,基于BP神经网络设计了BP神经网络控制器和BP神经网络PID参数自整定两种智能控制器.完成了两种控制器的网络结构与实现方法,并在Simulink环境中仿真.仿真结果显示出BP神经网络PID参数自整定控制器的稳定性优于BP神经网络控制器,将BP神经网络PID参数自整定控制器算法移植到GBB1004球杆系统,实现了对该系统的控制.实验结果显示,该控制器响应快,有一定的抗干扰能力,获得系统调节时间小于16s,稳态误差小于1cm.     

磁悬浮永磁同步电机转子系统的参数辨识与控制

针对磁悬浮永磁同步电机转子系统在悬浮控制过程中,由于磁力参数不准确从而影响控制器的优化设计甚至破坏系统稳定性的问题,提出一种基于高斯调制函数法的磁力参数辨识方法,并设计滑模控制律对转子的稳态悬浮进行控制。首先,让磁悬浮转子系统在PID控制下闭环稳定,再以多正弦信号激励系统,利用高斯函数作为调制函数,对磁悬浮转子系统连续动力学模型进行数字调制积分,从而建立离散等价参数辨识模型;然后,选择与磁悬浮转子系统频带覆盖范围相匹配的尺度参数构建高斯调制函数,对磁悬浮永磁同步电机实验台的磁力参数进行辨识;最后,依据辨识所得的模型参数设计滑模控制器,实现永磁同步电机转子的稳态悬浮。所提方法避免了对微分信号的直接处理,同时又回避了积分初值问题,能够便捷、有效地辨识磁力参数;所设计的滑模控制器使得磁悬浮转子系统拥有更好的稳态和动态性能。实验结果表明：根据所提方法设计的滑模控制器能够使转子在0.2 s内到达目标位置并保持稳定,其调节时间仅为PID控制的40%。