基于RBF神经网络的非线性系统智能控制

针对工业控制领域中复杂非线性时变系统，采用传统的控制方法不能达到满意的控制效果，提出了基于神经网络的PID自适应控制方案。采用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，从而实现系统的智能控制。仿真结果表明该方法对于复杂非线性系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

基于RBF在线辨识的AGV转向单神经元PID控制

针对自动引导车(AGV)转向系统的复杂、非线性和时变性,提出了基于RBF神经网络在线辨识的单神经元PID控制来改进常规的PID控制性能.在该控制系统结构中,采用RBF神经网络辨识器实现对转向系统的Jacobian矩阵信息的在线辨识,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.实验结果表明,与常规的PID控制方法相比.该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全可适用于AGV转向系统的控制.     

一种基于过程辨识的PID参数自整定方法

运用最小二乘法，根据线性系统输出与输入的依存关系，结合相关原理，研究了辨识系统的纯滞后等参数，这种方法较利用阶跃输入的延迟响应长度求取纯滞后时间常数的方法精度高，抗干扰能力强。在此基础上采用单纯形法对PID参数进行基于时间乘绝对误差积分(ITAE)指标的最优整定。仿真结果表明，该整定方法易于实现，且控制效果优于常规PID控制。将该方法应用于铍青铜真空热处理炉温度控制系统，解决了工业现场人工整定的繁琐和费时的困难，控制效果亦优于常规PID控制。     

引入先验知识的燃油加热器系统神经网络辨识

针对汽车燃油加热器具有滞后、系统外部不确定扰动引起时变,且难以确定数学模型的特征,设计了一种基于神经网络的系统辨识器NNI,采用三层前向神经网络和反向传播学习算法,提出一种引入先验知识的学习策略,构建了知识先导学习模型,对辨识器进行了仿真实验研究。通过仿真实验与普通辨识器相比,引入先验知识的神经网络辨识器NNI减小了系统的辨识误差,具有良好的响应特性,是解决具有时变不确定性、纯滞后等系统辨识问题的有效方法。     

基于神经网络内模的电加热炉温度控制研究

针对加热炉温度控制中存在的非线性、大滞后问题,以实验室电加热为对象,提出了一种基于BP神经网络的内模控制方法,即用神经网络对复杂系统的辨识能力来实现内模控制中被控对象的正模型及内模控制器.仿真结果表明,该控制方法控制效果良好,与PID控制系统相比具有较强的鲁棒性,从而为加热炉的控制问题提出了一种新的方法.     

基于模糊BP网络的自适应PID控制

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于模糊BP神经网络的PID控制算法,采用模糊规则自动地调节BP神经网络训练过程的学习参数,利用神经网络较强的学习能力和模糊控制在模型未知或不精确前提下的控制能力,将其应用到PID控制中[1],实现了PID控制参数的在线调整和优化,并对其在非线性离散系统中的应用进行了仿真。实验结果表明该算法性能优良,加快了系统响应速度,减少了超调量,适用于纯滞后非线性系统。     

基于Smith模糊PID在烟气脱硫系统pH值控制中的应用

针对烟气脱硫系统pH值控制的大纯滞后、时变性、非线性等特点,提出采用Smith预估控制和模糊PID控制相结合的复合控制方法。通过Matlab/Simulink仿真,得到了不同纯滞后时间下的仿真曲线图,发现Smith模糊PID控制相比模糊PID控制有较好的控制效果,系统超调量减小,快速性提高,调节时间缩短,能克服大时滞对系统控制品质的影响。     

基于RBF神经网络的电液伺服系统应用研究

采用RBF神经网络实现对电液位置伺服系统辨识建模,在线跟踪系统模型的变化,以此为基础设计控制参数可在线调节的神经网络PID控制器,解决系统非线性以及不确定性给系统带来的控制问题,提高系统的控制性能,实现系统的智能控制。     

车辆主动悬架控制策略的联合仿真研究

根据PID控制原理、模糊控制理论和神经网络控制理论,建立主动悬架单神经元控制器和神经网络PID控制系统,主要是利用S函数建立了主动悬架单神经元控制器;并建立了由三层BP神经网络进行在线辨识,并在此基础上建立对神经PID控制器权值进行在线调整的在线辨识神经PID控制系统,并进行联合仿真,将其输出的振动加速度等参数与传统的PID控制策略进行分析和比较,模糊控制理论和神经网络控制理论的应用对悬架的平顺性有更好的改善作用,也说明了采用联合仿真方法的有效性和准确性。     

倒立摆的PID神经元网络的间接控制系统的研究

摆系统是一个典型的强耦合、非线性、高阶次的不稳定系统.由于摆系统的数学模型是在忽略了次要因素的基础上得出来的,而实际上是一个非线性的系统,当系统受到外部的干扰时,这些次要因素的影响比较突出.实验采用PID神经元,设计一个神经网络间接自适应控制系统,首先用一个神经网络对摆系统模型进行辨识,辨识完成后,辨识模型的权值与隐层积分元的数值传递给具有同样结构的PID神经元的神经网络控制器,对倒立摆进行自适应控制.最后根据以上算法,采用6.0编写控制程序,实现对平面一级摆系统的实时控制.     

变论域模糊自整定PID内模控制在主汽温控制系统中的应用研究

火电厂主汽温控制系统具有大惯性、大延迟和时变等特性,采用常规PID串级控制方法难以获得满意的控制效果。通过引入1／1pade级数逼近纯滞后环节,将内模控制转换为常规PID控制器的参数的整定,运用变论域模糊控制原理来整定PID参数,从而实现了变论域模糊自整定PID内模控制。它充分综合了变论域模糊控制、内模控制、PID控制的优点。通过对锅炉过热蒸汽温度控制系统的仿真研究表明,变论域模糊自整定PID内模控制的控制效果优于常规的PID串级控制,它能适应对象参数的变化,具有较强的鲁棒性和自适应能力,控制品质好。     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

基于单片机的学习型专家系统水位控制器

锅炉汽包水位是一种非线性、时变大、强耦合的多变量系统。目前,锅炉的给水调节普遍采用PID控制器来进行控制,控制系统需要根据锅炉运行状况的变化而相应地调整PID参数,其整定值往往凭经验给定,不容易达到系统最好的控制效果。将智能控制理论应用于锅炉水位控制,不需求解系统复杂的数学模型,可以取得较好的控制效果。     

超磁致伸缩致动器的广义预测-多模PID控制

为了克服超磁致伸缩致动器的磁滞现象对精密驱动定位精度的影响,在进行磁滞补偿的前提下,研究了自校正PID控制方法,提出了基于广义预测控制的广义预测-多模PID控制方法。介绍了广义预测控制的主要思想,并由此导出PID参数与被控对象待估参数的关系,实现了广义预测PID控制;针对起动阶段控制效果不平稳的问题,提出了多模PID控制模式转换条件;最后,根据PID参数变化情况,建立致动器的多模PID控制方法,实现广义预测PID与常规PID的在线控制模式转换与控制。实验结果表明,采用广义预测-多模PID控制器,虽然单次平均运算时间比广义最小方差-模糊PID控制器长7ms,但跟踪误差均方差减少了0.066μm;同时改善了起动平稳性。提出的控制方法能有效消除由扰动带来的影响,提高跟踪精度,改善起动平稳性,适用于对实时性、控制精度要求较高的精密定位领域。     

模糊自适应PID在高空模拟舱中压力控制的应用研究

针对高空环境模拟舱压力控制系统变参数、强干扰、大惯性、强耦合等特点,将模糊控制与自适应PID控制结合起来,设计了模糊自适应PID控制器。利用模糊推理方法实现对PID参数的在线自整定,进一步完善PID控制器的性能,提高系统的控制精度。仿真结果表明该方法的控制效果优于常规的PID控制,并消除了模糊控制稳态误差较大的缺点,具有响应时间短、控制精度高、稳定性好等优点,有较好的工程应用前景。     

主蒸汽温度的BP神经网络PID控制系统的研究

针对火电厂主蒸汽温度系统大惯性、大迟延、非线性的特点,常规串级PID控制难以取得满意的调节效果,为了改善常规PID控制的不足,文章在研究BP神经网络的基础上,把BP神经网络PID控制应用到主汽温控制系统中。运用matlab仿真,结果表明,与传统控制相比BP神经网络PID控制算法有效减小了系统的超调量,提高了系统的响应速度,在主汽温控制系统中具有很好的控制效果。     

填料塔热交换系统的模糊模型PID优化控制

建立了填料塔热交换实验装置的计算机控制系统.针对过程的严重非线性与不稳定性,在机理分析的基础上建立了分段非线性模型,提出了一种基于T-S模糊模型的非线性系统PID优化控制算法,设计了该装置的模糊模型PID优化控制器.实验结果与传统的PID控制结果进行对比表明,采用模糊模型PID优化控制方法能够有效解决非线性控制问题,控制效果令人满意.     

一种智能PID控制器在铍青铜热处理中的应用

针对常规PID控制参数多是离线人工整定，且一次性整定的PID参数难以保证其控制效果始终处于最佳状态等缺陷，依据专家经验，模仿人类思维，通过辨识系统响应的瞬态特征，提出了一种智能PID控制方法，确定PID控制时系统加速、“刹车”、还是保持，以修正不同阶段的控制作用，改善常规PID控制性能。仿真结果及该方法在铍青铜热处理炉温控制系统中的应用表明，专家经验和传统PID控制的结合既保持了PID控制简捷、可靠，又提高了控制器性能，有实际应用价值。     

模糊自适应PID液压变桨距控制

风力发电机变桨距系统具有非线性、参数时变性等特点,结合PID控制和模糊控制原理,提出了模糊自适应PID液压变桨距控制;在所设计的电液伺服控制实验平台上进行了控制仿真试验;试验结果表明模糊自适应PID比常规PID控制具有良好的静动态性能,能对风力机桨距角进行有效地控制。     

基于改进型灰色预测大时滞过程的自适应PID控制研究

针对传统PID控制对大时滞控制效果不佳的情况,提出一种基于改进灰色预测模型的自适应PID控制系统。采用等维新信息、改变初始条件和精指数拟合法对G（1,1）模型进行改进,将改进后的G（1,1）模型与传统PID结合,组成灰色预测控制系统。用预测结果代替被控对象测量值,克服了大时滞系统控制效果不能及时反馈的不足,并在控制运算中,沿二次型性能指标的负梯度方向对加权系数进行在线修改,实现了自适应PID的优化控制。仿真结果表明了该预测控制算法的响应速度快、鲁棒性强,有较好的适应性。