基于神经网络和遗传算法的智能PID控制

提出了一种结合神经网络和遗传算法的智能PID控制算法;该控制器先利用RBF辨识网络在线辨识系统模型,再利用遗传算法在线调整PID三个控制参数,将传统的Ziegler-Nichols方法所得的控制参数作为遗传算法的初始参数范围,缩小了遗传算法的寻优范围;在MATLAB6.5环境下进行仿真和试验研究,结果证明RBF辨识网络的输出能够很好地跟踪对象输出,遗传算法很好地优化了控制参数;二者结合可在线有效地控制较复杂的被控对象.     

基于模型跟随的神经网络PID飞行控制律设计

为了抑制飞行控制系统的外部扰动和建模误差,应用模型跟随自适应神经网络PID控制方法,进行飞行控制律设计。首先使用RBF神经网络进行飞行系统模型辨识,在线学习系统正向输入输出特性,辨识对象的Jacobian信息;然后应用BP神经网络实时在线调整PID参数,设计自适应神经网络PID控制器,控制飞行状态变量跟随模型输出;最后以F-8飞机纵向飞行控制系统为研究对象进行控制仿真。仿真结果表明,设计的控制器具有很强的自适应和抗干扰能力。     

神经网络不完全微分PID控制算法的研究与应用

采用BP神经网络在线调整不完全微分PID的三个参数,采用RBF神经网络作为辨识器在线辨识控制输出对控制输入对象变化的灵敏度信息,提高系统的控制精度,进而编制MATLAB程序进行仿真.该算法经仿真测试,结果表明,其控制效果良好,鲁棒性强.     

RBF神经网络的PID控制研究与仿真

研究工业控制系统优化问题,由于工业控制领域中存在复杂非线性时变系统,很难确定精确模型.传统PID控制局限于线性系统,控制效果不理想.为了提高控制精度,提出一种RBF神经网络辨识的PID控制方法.首先利用RBF神经网络线辨识被控对象的离散模型,获得PID参数在线调整信息,然后利用单神经元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.通过实例进行验证,并与传统PID控制方法进行对比,结果表明控制方法具有响应速度快、控制精度高等优点,且具有较强的自适应性、鲁棒性和抗干扰能力,为控制系统设计提供了新方法.     

神经网络在细纱机中的应用

介绍了一种基于PLC和DSP的细纱杌控制系统.该系统针对细纱机控制系统的非线性与传统PID控制方法的不足,提出了一种改进型基于RBF神经网络在线辨识的单神经元PID自适应控制方法.该方法构造了一个RBF网络对系统进行在线辨识,建立起在线参考模型,由单神经元控制器完成控制器参数的学习,从而实现控制器参数的在线调整.仿真试验结果表明.该控制器控制精度高,动态性能好,其控制效果优于传统的PID控制器.     

基于改进型RBF神经网络辨识的PID控制

针对工业控制领域复杂非线性时变系统．提出了基于改进型RBF神经网络的PID参数在线自整定方法。采用改进型RBF神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，实现系统的智能控制。仿真结果表明，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。     

基于控制器与辨识器的转台系统设计

为改善三轴转台系统性能.结合传统控制方法与神经网络控制,提出一种基于RBF辨识转台系统的CMAC神经网络与PID并行的复合控制算法.算法采用RBF辨识对象模型,CMAC实现前馈控制,并实现PID控制参数的在线整定和优化.也给出了CMAC控制器算法和系统辨识的RBF网络算法.以某转台模型为对象,仿真结果表明算法具有了传统控制的优点,进一步也证明了算法的可行性和优越性,且具有了更强的适应性和鲁棒性,能更为有效地应用于转台系统中.     

智能PID控制器优化仿真研究

研究PID控制器优化问题,现代工业控制过程中,由于许多被控对象受到于扰因素影响,具有高度非线性和不确定性,常规PID控制精度低,提出一种遗传算法、粒子群算法和RBF神经网络相融合的PID控制器设计方法(GA-PSO-RBF).首先采用遗传算法选择PID控制参数初始值,然后采用粒子群算法优化RBF神经网络参数,采用优后的RBF神经网络辨识控制对象的输出对输入的变化灵敏度,最后采用单神经元对PID控制器进行在线性调整,得到理想的控制效果.仿真结果表明,GA-PSO-RBF神经网络PID控制器的超调量小,响应速度快,提高了系统的控制精度.     

基于神经网络和弹性积分的控制器设计及应用

提出一种新型的智能PID控制器。将前馈神经网络BP网络作用在弹性积分控制器上,在线调整控制器的参数,采用RBF神经网络作为辨识器在线辨识控制输出对控制输入对象变化的灵敏度信息,提高系统的控制精度。该智能控制器实现了整体性能优化和个别参数优化相结合的思想。通过MATLAB仿真,该新型控制器具有超调量低、鲁棒性好等控制效果。     

基于变结构径向基函数网络的船舶运动预测PID控制

针对船舶在海上运动的大时滞和动态时变等特点,提出基于一种变结构径向基函数(RBF)神经网络的预测PID控制器.通过建立反映系统动态变化的滑动数据窗口,在线序贯学习窗口内的数据,动态调整隐层节点与隐层至输出层的连接权值,得到结构可自适应变化的RBF网络.将该变结构RBF网络用于预测PID控制器中系统状态的在线多步预测,通过得到的预测模型灵敏度信息在线调整PID控制器参数以控制系统的输出.将该控制器用于船舶航向跟踪控制的仿真实验,结果表明该控制器具有良好的的适应性和鲁棒性.     

基于神经网络控制的数字化软开关电源

基于神经网络控制技术,采用FLEX10 KAFPGA（EPF10K30AQC208）数字控制芯片研制开发了容量为180W的有源箝位正激软开关电源;并且详细分析了该电源的控制时序及神经网络的数字化控制方案,最后给出了系统的实验结果。从实验结果可以看出神经网络控制鲁棒性强,系统的稳定性能好,动态响应速度快,而且主回路的开关管实现了零电压软开关。     

一种用于供电服务评估的多模态多任务框架

应用神经网络进行电力服务中的语音情感分析和文本诉求分类是一种新颖的算法。相比于传统的方法,它避免了特征工程的做法,不需要人为进行特征选择,同时可以学习到更鲁棒的特征。受多任务学习的启发,本文设计一种多模态多任务的模型,可对语音和文本2种不同模态的数据进行处理,一方面使用情感分析来进行供电服务评估,另一方面引入用户诉求分类,用相似的任务提高单一任务的性能。实验表明,本文模型在单个任务上的结果与目前最好的模型结果接近。     

基于Elman神经网络的燃气轮机功率预测方法研究

预测燃气轮机未来的功率变化趋势对故障预测非常重要。针对燃气轮机故障预测的问题,提出了一种基于Elman神经网络的功率预测方法。以某电厂燃气轮机的实际数据为例,选取与功率变化最相关的属性。通过对比实验,采取合适的预处理方法,确定神经网络模型的输入,设置合适的隐含层神经元个数,从而建立了基于Elman神经网络的燃气轮机功率预测模型。最后通过与反向传播(back propagation,BP)网络、径向基函数(radial basis function,RBF)网络进行比较,验证了该方法的有效性。     

逆变式等离子切割电源控制策略

以逆变式等离子切割电源为研究对象,对其强非线性、时变、多变量耦合的特点及工艺要求,提出基于PID-NN算法的控制策略,从非线性受控对象建模、多工艺参数解耦、控制器加速及精度提高等方面入手,对控制器进行性能优化.通过仿真及切割实验,与传统PID控制器和单一的BP神经网络控制器进行比较,验证了该方案使系统在鲁棒性、响应速度等方面有较大的改善,切割质量得到了明显提高,证明了该控制器在处理离散事件及多变量的解耦问题的优势.     

模糊神经网络在感应加热电源应用的研究

针对感应加热电源具有非线性、时变性、难以建立准确数学模型的特点,本文提出将神经网络与模糊PID相结合,并引入补偿运算,构成一种新的具有可学习的自适应控制方法。该方法利用神经网络的自学习和模糊控制的不确定性等特点,引入神经网络不仅能够适当地调整输入、输出模糊隶属函数,而且能够借助于补偿逻辑算法动态地优化模糊推理,从而优化整个控制系统。通过对本文提出的算法、传统模糊PID算法以及模糊神经网络算法的仿真结果的对比可以看出,该算法较之传统模糊PID控制算法以及模糊神经网络算法具有鲁棒性更强、控制精度更高、可靠性更强等优势。     

基于小波神经网络法的短期风电功率预测方法研究

基于小波与BP神经网络,提出一种小波与BP神经网络结合的方法对短期风电负荷进行预测。运用小波能够精确地提取时间序列的细微特性和BP网络的输出反馈作为输入神经元数据增加了数据信息量的特点,构建了小波神经网络预测模型,经实际数据证明该方法提高了预测的精确性。     

基于Scott接线变压器及AT供电方式的牵引供电系统仿真

本文介绍了牵引变电所Scott接线变压器的接线方式以及AT变压器的接线原理。作者对牵引网进行了简化分析并在此基础上利用Matlab／Simulink仿真软件分别建立了Scott接线变压器模型、牵引网模型、AT变压器模型,并按照AT供电方式将各模型结合起来组成一个牵引供电系统仿真模型。     

城市集中供热网参数预测研究

城市集中供热系统已经成为我国北方冬季供暖的一种主要形式，而预测集中供热系统未来一段时间内的参数变化趋势，对热网的运行、调节均起着重要作用。通过对热网中的不确定信息的分析，采用基于模型的模糊神经网络结构，用误差反传算法来训练网络的连接权系数，以呼市热力公司某供热站的供热网参数为研究对象予以建模和预测，其结果表明该算法具有较好的泛化、学习、映射能力。     

探析借助配网规划和改造提升供电可靠性

随着人们生活水平的不断提高,人们对电力资源的需求量越来越大,这极大地增加了配电网的负担,对电力系统的供电质量也提出了很高的要求。因此,需要对配电网进行规划改造,以有效提高电力系统的稳定性和供电可靠性。     

贝叶斯网络法的电源变电站供电可靠性分析

变电站的可靠性直接影响到电力系统的性能。为此,提出了基于贝叶斯网络法的电源变电站供电可靠性分析方法。首先深入探究供电可靠性的影响因素,定义电源变电站构成单元,构建电源变电站故障树模型,然后分解共因失效组,结合电源变电站整体架构,构建贝叶斯网络模型,应用贝叶斯网络工具箱,计算电源变电站供电可靠性指标值,最后对具体电源变电站供电可靠性进行定量分析。结果表明：在不同工况背景下,本文方法的供电可靠性评估误差小,满足电源变电站的正常供电需求,具有一定的实际应用价值。