基于RBF神经网络PID控制的水压加载系统研究

为了实现水压加载系统能够精确控制的要求,利用径向基函数(RBF)结构简单、收敛速度快、逼近能力强的特点,提出一种新型基于RBF神经网络整定PID的控制方式。MATLAB仿真结果表明,该控制器易于实现PID参数的自整定,能够有效地缩短过渡过程时间,具有很好的稳定性和快速响应性,比普通PID控制具有更好的控制效果。     

疲劳试验机加载系统的优化控制

在对飞机零件疲劳测试时,需要对其施加以交变载荷。为此,对基于前馈补偿的PID控制以及自整定RBF神经网络PID两种控制算法进行了分析,设计了先进的PID控制器,通过仿真分析比较了不同控制算法下系统的跟踪性、稳定性能,确定了在疲劳测试时,电液比例加载系统的最优控制方式。     

基于自适应PID控制器的平面一级倒立摆的研究

倒立摆是一个强耦合、严重不稳定的系统,其背景来源于火箭发射等课题.在该系统中,PID控制器常常被采用.由于该系统在建立数学模型时次要的因素被忽略了,实际上是一个非线性系统;为了提高系统的控制性能,根据计算智能逼近非线性系统的功能,设计一个RBF神经网络控制系统,实现对常规PID控制器的参数进行自适应整定.最后使用BC++编写系统的控制程序,通过实物控制验证基于RBF神经网络的PID控制器参数的自适应整定的系统具有较好的瞬态性和鲁棒性.     

永磁同步电机的复合控制及参数自整定研究

针对常规的比例-积分-微分(PID)控制器性能不足,以及PID参数手动调整不便等问题,对前馈控制结构及径向基函数(RBF)神经网络进行了研究,提出了一种"三闭环+前馈"的复合PID控制结构。利用RBF神经网络对控制系统进行了在线辨识,结合梯度下降法对控制器的PID参数进行了自动调整,并在实验平台上进行了常规的三闭环PID控制器和"三闭环+前馈"的复合PID控制器的对比实验,以及位置环PID参数自整定的实验。研究结果表明:相比于常规PID控制结构,复合控制结构的位置响应性能提高了12%,速度响应性能提高了31%;利用RBF神经网络能够实现PID参数的自整定,且整定效果较好。     

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.     

基于RBF神经网络在带钢厚度控制中的应用

轧钢厚度控制系统的数学模型难以精确建立,传统的PID控制器的自适应能力较差,很难达到满意的控制效果。本文根据以上问题。提出了一种新的控制方法,即基于RBF神经网络自整定PID控制方法。这种控制方法结合了RBF神经网络和PID控制器的控制优势,不仅具有很强的自适应能力、鲁棒性。而且充分发挥了PID控制优势,并且将这种控制方法应用在带钢厚度的控制系统中,取得了很好的控制效果,证明了控制方案的正确性和有效性。     

基于模糊RBF神经网络的智能PID控制

针对常规PID控制参数变化系统效果不佳的缺点,设计一种利用智能控制理论RBF神经网络与模糊控制技术相融合的新型智能PID控制方法[1]。该控制方法将系统的输入误差及其变化率进行模糊化后,再利用RBF神经网络算法对PID控制参数进行在线学习、运算和整定[2]。MATLAB仿真结果表明,基于上述的PID控制方法能够克服传统PID控制器的局限性,具有较高的控制精度,较好的动态品质及较强的鲁棒性。     

基于神经网络PID的送料车控制系统设计

本文根据BP神经网络结构及其算法,给出了一种数控系统送料车基于神经网络的自整定PID算法,并设计了基于BP神经网络自整定PID的控制器的结构。仿真结果表明使用该控制方法减小了系统的调节时间,获得了较高的稳定精度和良好的动静态特性。     

基于参数自整定模糊PID控制液压万能试验机控制研究

为了能够提高液压万能试验机测试材料力学性能的准确性,深入地研究了参数自整定PID控制现在其中的应用。首先,分析了参数模糊自整定PID控制的基本原理;接着,设计了参数模糊自整定PID控制器的基本结构;然后,确定了参数模糊自整定PID控制器初始参数;接下来,进行了参数自整定模糊PID控制器参数的模糊化;最后,参数自整定PID控制液压万能试验机控制仿真研究,结果表明该控制方法具有较好的控制鲁棒性。     

基于FPGA的模糊PID控制纱线张力的应用研究

为解决纺织业中纱线张力难以实时控制的问题,基于模糊PID控制器的自身优势,将参数自整定模糊PID控制技术应用于纱线张力控制中.通过Matlab构建了参数自整定模糊PID与传统PID相对比的仿真模型,运用QuartusII开发环境,利用原理图设计与VHDL设计相结合的方式,在现场可编程门阵列(FPGA)中完成了参数自整定模糊PID控制器,并对输入数据进行了测试.实验结果表明,参数自整定模糊PID控制器可更快的达到稳定状态,超调量小,顶层电路系统设计稳定可靠,可用于纱线张力控制.     

基于模糊PID控制器的控制方法研究

为解决工程机械多功能试验台二次调节加载系统的控制问题,笔者简介了PID控制和模糊控制的原理及特点,提出了模糊PID控制器的模糊PID自整定控制方法.在模糊PID控制器的设计中,分析了模糊PID控制器的控制原理;确定了模糊语言变量和隶属函数;制定了模糊规则以及模糊推理和解模糊的方法.最后,分别采用PID控制和模糊PID控...     

神经网络分数阶PI~μD~λ在压电叠堆控制中的应用

为了克服压电叠堆的迟滞特性,实现压电叠堆的精确控制,建立了压电叠堆控制系统,研究了该系统所用到的神经网络、分数阶微积分等算法。首先,搭建了采集压电叠堆位移数据的硬件系统,并对含有噪声的位移数据进行了滤波处理;利用径向基函数(RBF)神经网络对压电叠堆建模,得到了模型参数。然后,利用RBF神经网络建模得到的Jacobain信息来整定分数阶PI~μD~λ控制器中的参数对压电叠堆进行控制。最后,与RBF整数阶PID对压电叠堆的控制效果进行了对比。结果显示:RBF建模误差仅为位移实测数据的0.22%,RBF神经网络分数阶PIμDλ控制系统输出稳定,很好地跟随了给定。得到的结果表明RBF神经网络分数阶PI~μD~λ控制器控制性能良好,在压电叠堆的控制中比RBF整数阶PID控制器表现得更加稳定、精确。     

二次调节系统PID控制参数的神经网络自整定研究

文章采用神经网络间接自校正PID控制结构，讨论基于神经网络的PID参数自整定问题，选取三层BP神经网络，选用主动液压转矩和负载阻力矩差值等效代表实际转速微分作为自校正神经网络的输入，并用二次元件的理论模型代替辨识神经网络为校正网络提供预测输入。分析表明，采用上述措施的自校正PID控制器的闭环控制效果比常规PID控制有所改进，能实现闭环PID参数的自整定。     

基于RBF神经网络自整定PID的双护盾掘进机液压推进系统控制分析

该文介绍了双护盾掘进机推进系统的工作原理,在AMESim环境下建立了液压系统的模型,根据实际情况对相关参数进行了优化设计,考虑到系统的时变非线性以及复杂工况的影响,采用了基于RBF神经网络自整定PID控制算法,在MATLAB下编写了相应的S函数,通过AMESim/Sinulink与AMESim进行联合仿真分析。仿真结果表明,与常规PID控制相比,该控制器易于实现PID参数的自整定,能明显改善系统的鲁棒性和适应能力。     

某新型电液伺服系统神经网络自抗扰控制

针对某新型同源平衡及定位电液伺服系统,设计了一种基于RBF神经网络在线整定ESO参数的神经网络自抗扰控制器(NNADRC)。利用RBF神经网络在线整定可调误差校正增益,实现非线性特性的实时、精确估计和补偿。数值仿真结果表明,NNADRC控制的稳态精度明显高于ADRC控制,且对外部负载扰动和内部参数摄动具有良好的鲁棒性,可以实现电液伺服系统的快速、平稳、高精度、无超调稳定控制。     

基于模糊神经网络和遗传算法的智能控制器

PID控制算法简单、鲁棒性强,但其参数整定过程繁琐,整定时需要控制对象的精确数学模型,而且整定往往是针对某一种具体工况进行的,缺乏自学习和自适应能力.模糊神经网络则兼备了模糊逻辑和神经网络的优点,具有函数逼近功能,具有较强的自适应、自学习能力、容错能力和泛化能力.借助于遗传算法对全局性参数进行优化设计,借助于BP算法对局部性参数进行优化,将模糊神经网络和遗传算法引入PID控制参数的整定过程,构造出一种基于模糊神经网络和遗传算法的智能PID控制器.     

基于模糊RBF神经网络的PID控制方法及应用

针对常规PID控制参数固定难于满足时变不确定非线性系统的控制要求,利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊RBF神经网络的PID控制方法,实现了对PID参数的实时在线整定。将算法运用到柴油发电机调速系统的PID参数寻优中,MATLAB仿真试验结果表明,模糊RBF神经网络的PID控制具有更好的动静态特性和抗干扰性能,提高了对非线性时变被控对象的控制效果。     

模糊自整定PID控制器的设计和仿真

对象特性比较特殊的系统,常规PID控制比较困难,可采用模糊控制.着重介绍了模糊自整定PID控制器的设计,利用MATLABPID对参数进行仿真,其方法应用于变风量空调系统的控制中,还对模糊自整定PID与常规PID控制二种方法进行了仿真对比.     

基于RBF神经网络的底盘测功机控制算法

介绍了底盘测功机的类型并对电涡流测功机工作原理进行了说明,介绍了RBF(Radial Basis Function),神经网络的算法并分析了其控制系统模型,利用其在线整定PID(Proportion Integration Differentiation)控制技术对系统控制器进行设计,并通过MATLAB仿真给出了系统控制模式的控制效果.经试验验证,控制算法控制效果良好,完全满足底盘测功机对控制品质的要求.     

基于RBF网络的多变量系统自适应预测PID控制器

针对非线性、多变量、大滞后耦合系统使用常规PID控制难以达到理想效果,提出了一种基于RBF网络的自适应预测PID控制器.该控制器利用递推多步预测克服时滞,并采用基于RBF网络整定的PID控制器在线调整控制器参数,从而克服了系统的耦合作用,提高了控制系统的输出跟踪精度.仿真结果表明,该方法控制效果良好,具有较快的系统响应、较强的自适应性和鲁棒性.