基于FNNC的转速闭环变频调速系统研究

针对交流电动机这种复杂的被控对象,传统的PID控制器难以获得理想的控制效果。提出一种采用结构简单的BP网络构建的模糊神经网络控制器(FNNC),并将该控制器在VC 软件平台上编制成相应的控制算法,组成了由工控机为控制器的转速闭环变频调速系统。通过实际系统运行实验表明,笔者提出的基于FNNC的转速闭环变频调速系统,具有良好的动态性能和较强的抗干扰能力。     

基于FPGA的温度模糊自适应PID控制器的设计

温度是工业生产过程中一个主要的被控参数.目前,大多采用常规PID控制器实现对温度的控制,但实际温度控制系统工况复杂、参数多变、大惯性、大滞后,常规PID控制器难以对其高精度进行控制.针对这些问题,这里提出一种基于FPGA的温度模糊自适应PID控制器设计方案,试方案将传统PID控制与现代模糊控制相结合,应用模糊推理方法实现对PID参数的自动整定.该控制器对恒温箱控制系统的控制效果明呈优于常规PID控制器.     

采用自适应模糊PID的二阶倒立摆控制

建立一个二阶倒立摆的数学模型,将常规比例-积分-微分(PID)控制与模糊控制相结合,设计模糊PID控制器,实现PID参数的自适应模糊整定.仿真实验表明:所设计的模糊PID控制器能很好地实现二阶倒立摆的扶起平衡控制,控制效果明显好于常规PID控制器,超调量和调节时间较小,具有较好的抗干扰能力,非常适合二阶倒立摆模型的稳定控制.     

两辊压延机厚度模糊PID控制系统设计与仿真

将模糊控制器和PID控制器相结合,建立了压延厚度模糊PID自动控制系统,把模糊控制技术应用于厚度控制系统中,解决了PID控制系统调节过慢或容易超调等问题.MATLAB仿真实验结果表明,该系统响应速度快、稳态误差小,控制性能比PID控制有了很大提高.     

基于模糊自适应整定PID控制的刨花板供胶系统

针对刨花板供胶控制系统中供胶控制存在的非线性、纯滞后和时变性等现象,根据模糊控制、自适应控制和常规PID控制的控制思想,提出了模糊自适应整定PID的控制策略,实现了对PID参数的在线自整定,完善了PID控制器的性能,提高了系统的控制精度.仿真结果表明,与常规PID控制器相比,该控制器明显提高了供胶控制系统的动态性能和稳定性.     

RBF神经网络在盘式制动器控制系统中的应用

针对盘式制动器控制系统存在的非线性特性,提出了一种基于R BF神经网络的智能控制方法.在常规PID控制器的基础上,利用神经网络对控制器参数进行在线自适应整定,从而实现系统的智能控制.该系统利用可编程序控制器S7-200作为主控制器,配合液压站实现了对带式输送机制动器的控制.仿真结果表明,该系统比传统的PID控制具有更快的响应速度和更高的稳定性及控制精度.     

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.Lvenberg-Marquardt(LM)算法是梯度下降法与高斯-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.     

单神经元PID控制器在永磁同步电机控制中的应用研究

永磁同步电机是一个非线性、强耦合、高阶的多变量系统,使用传统的PID控制难以满足精度高、反应快、鲁棒性好的要求.根据人工神经元的自学习功能建立了基于单神经元的PID控制器,并对其学习算法加以改进,实现了单神经元PID控制器参数在线自调整.仿真与实验结果表明:该控制方法无超调, 响应快, 具有良好的动态特性,具有比常规PID控制器更好的控制品质.     

基于模糊自适应整定PID的水下焊缝跟踪

针对水下焊接过程中焊缝跟踪控制的难点问题,设计了一种用于水下焊缝跟踪的模糊自适应整定PID(比例-积分-微分)控制器,采用模糊控制器充当调节器,在线调整PID控制器的3个参数,利用PID作为控制器,实现控制量的输出;讨论了该控制器的设计方法,并在相应模型的基础上进行了带扰动的控制模拟.仿真结果表明,该模糊自适应整定PID控制器的动态响应快、超调量小、稳态精度高、抗干扰能力强,能够满足水下焊缝跟踪的要求.     

球杆系统的内模PID控制

本文针对开环不稳定球杆系统,提出了一种内模PID控制器设计方法.首先通过机理分析建立了系统的数学模型,并利用一阶环节逼近模型中的积分环节,然后在此基础上根据内模控制(internal model control,IMC)原理设计了系统控制器,并推导出了相应的内模PID控制器,与常规PID控制器相比,该控制器仅有一个可调参数,且系统具有整定方便、鲁棒性强的优点.仿真和实验结果表明,内模PID控制器能使小球快速地稳定在目标位置,具有良好的稳定性和鲁棒性.     

基于参数自整定P ID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。     

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PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

模糊神经网络自适应PID控制在烟叶复烤系统中的应用

烟叶复烤过程具有时滞、不确定、非线性特性,仅利用常规P ID控制不能使复烤过程的各项性能指标满足要求.本文提出了一种模糊神经网络自适应P ID控制器,该控制器即具有模糊控制简单和有效的非线性控制作用,又具有神经网络学习和自适应能力和P ID的广泛适应性.仿真结果表明,该控制器能对烟叶复烤过程进行有效控制.     

智能PID控制器在船舶发电机电压控制中的应用

解决船舶发电机在负荷突变尤其是大负荷突变时能够稳定发电机端电压是控制系统需要解决的基本问题.为此提出和使用一种新型智能PID控制系统,其中PID控制器由三层前馈神经网络组成.利用神经网络的自学习能力,PID控制器的参数能够根据系统动态特性通过神经网络权系数进行自行调整,其特点是结构简单、工作稳定.仿真结果表明,该智能PID控制器比传统的PID控制器具有对扰动响应速度快和具有更好的控制效果和更好的鲁棒性,能更好地稳定船舶发电机端电压.该智能PID控制器已用于船舶发电机控制系统中,并取得满意的效果.     

轴承动态测量仪神经网络控制系统设计

轴承摩擦转矩的测量是一种动态测量,需要轴承在转动条件下获得数据.轴承型号及承载条件的改变,影响电机转速的控制规律.针对经典PID控制器的结构参数不能在线修改的问题,提出利用BP神经网络的自学习能力,对PID控制器进行结构参数调整,实现对电机速度规律的优化控制方法.仿真结果表明,经神经网络修正过的PID控制器,动态性能优于未修正的PID控制器.     

自适应模糊PID控制方法在温度控制中的研究

介绍了自适应模糊PID控制器的构成和原理,利用模糊控制规则在线对PID参数进行修改,便构成了自适应模糊PID控制器,并利用MATLAB/SIMULINK和模糊逻辑工具箱对其进行仿真分析,得出其能改善控制系统的控制性能的结论.     

基于模糊神经模型的自适应单神经元控制系统设计

提出一种基于模糊神经模型的自适应单神经元控制系统.该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器.通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值.理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节.     

基于GA的CMAC与PID控制器的设计与仿真

将遗传算法(GA)、比例-积分-微分(PID)控制器和小脑模型控制器(CMAC)神经网络的优点结合起来，设计了一种新的CMAC与PID并行控制器，并用改进的遗传算法对该控制器的五个参数进行寻优，很好地解决了PID控制参数调整繁琐和CMAC神经网络参数学习困难的问题.仿真结果表明，该方法具有超调量小和响应时间短的特点.