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。     

AQM中基于神经网络自适应的PID控制器

将神经网络和PID控制器有机结合,形成一种基于RBF网络在线辨识、单神经元网络在线整定的自适应PID控制器,用于对主动队列管理（AQM）的拥塞控制.仿真结果表明,该控制器对负载队列的控制效果明显优于传统PID控制器.     

基于PCA和RBF神经网络的石化装置故障监测与诊断

为了从石化装置大量工艺监测数据中提取有效的故障特征信息,及时地发现故障并准确地识别故障原因,提出了一种基于PCA和RBF神经网络的故障监测与诊断方法。首先获取工况样本,建立PCA模型,降维提取统计特征;设定正常工况SPE统计量阈值,建立在线工况SPE统计量,由此进行故障监测。然后对故障样本进行PCA降维,构建多个RBF神经网络模型,用以实施在线故障诊断,识别故障原因。最后把某石化公司气体分馏装置脱异丁烷单元作为实例,采用Uni Sim Design软件对该单元进行过程动态模拟,获得工况监测样本,建立了故障监测与诊断模型。研究结果表明,所提出的方法不仅能有效地对工况进行状态监测,而且能快速和准确地诊断故障。     

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.     

一类非线性滞后系统的自整定PID控制

针对采用传统PID控制一类非线性滞后系统,难以获得满意的控制效果,提出基于RBF神经网络的PID控制参数自整定的方法.利用具有在线能力的最近零聚类学习算法,训练RBF神经网络,从而自适应调整系统的控制参数.仿真结果证明了,该控制策略不仅能使非线性滞后系统具有良好的动态跟踪性能,而且具有很好的抗干扰能力.     

一种贝叶斯诊断网络的拓扑结构

为了解决工程诊断中的不确定性，提出了一种基于工况-操作-故障-征兆的3层拓扑结构的贝叶斯诊断网络模型．该模型发挥了贝叶斯网络解决不确定性问题的优越性，融合了专家的经验知识，用图形化方式直观地表达了诊断中的复杂关系．应用实例表明，与传统质朴型贝叶斯诊断网络相比，该模型考虑了诊断对象的实际运行工况和操作情况，用于诊断的证据信息更充分，网络的诊断推理结果更符合诊断实际，已成功地应用于某石化公司炼油厂的烟机诊断中．     

基于改进免疫算法的两级径向基函数网络学习方法

结合改进的免疫算法和最小二乘法，提出了一种设计径向基函数(RBF)网络的两级学习方法。该方法利用免疫算法确定RBF网络隐层的非线性参数，能够有效克服进化算法的未成熟收敛现象。改进的免疫算法针对RBF网络的特点，采用基于矢量距离的亲和度计算方法，克服了原有基于信息熵计算方法存在的计算复杂、参数难于确定的缺陷。将这种方法设计的RBF网络用于Mackey-Glass混沌序列预测的仿真实验证明了该方法的有效性。     

利用RBF网络设计类PID控制器新方法

提出一种利用RBF网络设计PID控制器的优化方法，将进化计算与PID控制器及RBF网络的优点结合在一起，对传统进化方法进行改进，将小生境技术引入算法，有效地克服了早熟收敛，简化了计算，仿真实验验证了方法的有效性．     

基于RBF神经网络的PID整定

针对非线性系统,采用了基于径向基函数（RBF）神经网络的PID整定,用遗传算法优化RBF神经网络,仿真结果表明,基于遗传算法优化的RBF神经网络PID整定收敛速度快,整定效果优于基于梯度下降法优化的RBF神经网络PID整定。     

基于RBF神经网络自适应整定燃烧串级控制系统

针对传统的锅炉燃烧串级控制系统采用固定的PID控制参数难以取得满意的控制效果的缺点,引入径向基(RBF)神经网络自适应整定燃烧串级控制系统外同路的PID参数.内回路仍然沿用原来的Pl控制方式及控制参数,由RBF网络辨识得到被控对象的Jacobian信息后,根据梯度下降法自适应调整系统外回路的PID控制参数.仿真研究结果表明:新控制算法能够消除控制系统的静态误差;即使被控对象的模型参数发生了很大变化,新控制算法仍然能快速响应蒸汽压力的阶跃扰动,迅速克服燃料量内扰,其控制效果明显优于常规PID串级控制.