基于PID神经元网络的稳定平台伺服控制系统设计

介绍了稳定平台传统PID三环控制原理及结构框图.针对传统PID控制器的不足之处,设计了基于PID神经元网络的稳定平台伺服控制系统.仿真结果表明PID神经元网络控制系统具有较高的响应速度、较高的稳定精度和较强的抗负载扰动能力,具有很强的鲁棒性和自适应能力.     

多变量PID型神经元网络控制系统及其在协调控制中的仿真研究

介绍了多变量PID型神经元网络控制系统的网络结构和学习算法,说明了系统参数选取方法,并分析了单元机组协调控制的特点.仿真结果表明,该控制系统对多变量强耦合时变的协调控制对象具有良好的解耦性能和自学习控制特性.     

球磨机多模型PID型神经元网络控制系统

针对球磨机制粉系统的多变量、强耦合、非线性、时变性等特点,提出了采用基于PID型神经元网络的多模型控制方法,在不同工况下系统的时变特性采用多个模型进行描述,而每个模型的控制器则采用PID型神经元网络进行解耦控制。通过在线计算模型匹配程度,选择相应的模型和控制器,组成闭环系统,切换算法实现多模型间无扰切换,同一工况慢时变采用控制器参数自调整来提高鲁棒性。PID型神经元网络是一种特殊的3层前向神经网络,其隐层单元分别为比例(P)、积分(I)和微分单元(D),各层神经元个数、连接方式、连接权值的初值按PID控制规律确定。仿真结果表明,文中提出的控制方法相比传统控制方法有更好的控制品质,跟踪快、鲁棒性强、解耦好,较好地解决了球磨机系统的时变性、耦合性等问题。     

永磁同步电机的自适应神经模糊推理控制研究

针对如何提高永磁同步电机控制系统的性能,设计了一种新型的自适应神经模糊( ANFIS)速度控制器,其充分利用神经网络的学习能力与映射能力,实现模糊系统的自学习、自适应功能.对采用这种控制器的永磁同步电机(PMSM)矢量控制系统进行了仿真研究,并分析了仿真波形.控制效果较传统PID控制而言,不仅响应速度快、超调小,而且稳...     

直流锅炉发电机组协调系统自适应控制算法的研究

针对直流炉发电机组给出了机组输出功率和焓值的自适应控制系统结构.首先,通过辨识得出了直流炉发电机组的数学模型,然后,分别给出了自适应控制器的设计方法,并且给出了自适应控制的整定方法.最后,与传统PID控制系统分别进行了仿真对比分析,仿真结果表明,自适应控制系统对于降低控制系统振荡幅度,缩短调节时间等方面具有良好的控制效...     

弧焊电源电压电流的自适应神经网络控制

焊接过程是一个复杂、多参数耦合的高度非线性系统,在实际焊接过程中难以实现实时、有效的在线控制.根据焊接工艺要求,设计了弧焊电源输出电压电流波形.在常规PID控制的基础上,运用神经网络控制理论,建立了自适应神经元PID控制器,确定了自适应神经网络PID学习控制器的学习算法.建立了二氧化碳气体保护焊自适应神经元网络控制系统,并通过数字信号处理器TMS320F2407和单片机MSP430F149加以实现.通过常规PID控制与自适应神经元网络控制输出波形的对比,证明了其控制效果优于常规PID控制.     

单神经元PID在单元机组协调控制系统中的应用

基于神经网络PID控制和协调系统强耦合的特点,应用一种针对多输人、多输出解耦系统的单神经元PID解耦控制算法和结构,并在算法中增加了自适应学习速率,更好地实现对单元机组的解耦控制。仿真结果表明,这种单神经元PID解耦控制算法实现的控制与常规的PID控制比较,不仅具有较好的动态性能和稳态性能,而且还具有很强的自学习功能和自适应解耦能力。     

BP神经网络算法在煤矿用伺服电机中的应用

本文主要介绍了基于BP神经网络自整定的PID控制,神经网络的自学习、自组织的能力,可实现PID参数的在线自整定和优化。将该算法运用到煤矿用伺服电机控制系统的PID控制中,仿真结果表明该方法在其控制系统的动态性能和稳定性方面得到了良好的控制效果,并且有一定的抗干扰能力。     

单神经元自适应PID控制在大功率整流电源中的应用

将具有自学习功能的单神经元模型与常规的PID控制算法相结合,设计了单神经元自适应PID控制器,并应用于大功率整流电源控制系统。仿真结果表明,采用单神经元PID控制器的大功率整流电源控制系统,能够适应被控对象在较大范围内的变化,具有较强的自适应能力和鲁棒性,其控制品质优于常规的PID控制器。     

多变量PID型神经元网络控制系统在再热蒸汽温度控制上的仿真

融合解耦控制理论与神经元网络控制原理,给出了一种多变量的PID型神经网络控制方法。应用所给出的控制算法,对火电厂再热蒸汽温度、低温过热器出口蒸汽温度控制进行了仿真。仿真结果表明,控制算法对再热蒸汽温度控制具有良好的解耦性能和自学习控制特性,当被控对象参数变化时系统具有较强的鲁棒性。     

基于神经网络控制的两电动机同步系统研究

以多变量、非线性、强耦合的两电动机同步控制系统为研究对象,对变频器供电的感应电机系统进行重点研究,建立两电机同步系统的数学模型.采用RBF神经网络自适应PID控制器,结合自适应神经元解耦补偿的解耦控制技术,设计了两电机同步调速系统的神经网络控制器,试验结果表明该方法可以实现电机转速和皮带张力的解耦控制.     

基于NS2的改进队列管理算法及其实现

主动队列管理是网络拥塞控制的重要控制机制,其好坏关系到整体网络性能的优劣。传统的PID控制器结构简单,性能良好,但在过程中参数固定。由于神经元的固有优点,它能够有效克服PID控制器参数难以整定和面对非线性系统难以处理等缺陷。设计了单神经元自适应PID控制器。从2个方面进行了分析和验证:针对TCP拥塞避免的动力学模型,以控制理论为指导,在Matlab软件环境下,对传统的增量式PID算法和改进的单神经元自适应算法进行分析和仿真,利用队列长度和数据报丢失概率2个参数的性能优劣进行比较;脱离理论数学模型,采用NS软件中节点、链路和FTP业务源等网络元素搭建试验平台,将PI、PID和改进算法应用其中,通过观测队列长度变化和数据源链接数的改变,考察系统的稳定性和自适应性。仿真和实验充分说明改进的单神经元自适应PID控制器具有更好的稳定性、鲁棒性和自适应性。     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力 ,用于控制时可不依赖控制对象的数学模型。异步电机矢量控制技术是通过坐标变换 ,实现对定子电流的励磁分量与转矩分量的解耦控制。为实现对交流电机快速和精确控制 ,本文基于单神经元设计出用于异步电机矢量控制的自适应磁链和转速控制器 ,利用神经元的自学习功能在线调节连接权重 ,实现自适应控制。并将此设计应用于由数字信号处理器 (DSP)实现的交流电机矢量控制系统中 ,实验表明此方法设计的控制器结构简单 ,易于数字化实现 ,控制系统动态性能良好。     

流化床燃烧系统模糊-神经元PID解耦补偿控制

依据神经元控制和解耦补偿的思想,引入了一种自适应神经元解耦补偿器,给出了神经元权系数的在线学习方法。在此基础上,通过将模糊控制技术和神经元自适应PID控制技术相结合,提出了一种不依赖于被控对象精确数学模型的多变量解耦控制方案。将该种方法应用于流化床燃烧系统控制,对耦合强烈的流化床锅炉床温、主汽压力、烟气含氧量三维传递函数矩阵进行解耦控制。仿真研究表明,该方案解耦效果良好,并且可以有效克服流化床燃烧对象的大滞后和非线性,获得良好的控制品质。     

基于神经网络的水轮机调节系统的自适应PID控制

基于有功功率反馈参与控制的水轮机调节系统,以几个典型工况下的最优ＰＩＤ系数作为训练样本,训练了一个三层ＢＰ神经网络,设计了一个用ＢＰ神经网络实现变参数的ＰＩＤ控制器;并构造了一个目标函数,设计了一个自适应神经元,利用神经元的自学习功能,在线优化控制器的输出,以期达到最优控制的目的。对简单电力系统的仿真结果表明,这种控制器可以达到较常规的变参数ＰＩＤ较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。     

神经网络控制的两变频调速电机系统

在对由两台感应电机和变频器组成的变频调速系统数学模型分析的基础上,设计了一种组合的神经网络控制器,包括基于对角回归神经网络(Diagonal Recurrent Neural Network,简称DRNN)的自整定PID控制器和自适应神经元解耦补偿器,并将其应用于两变频调速电机系统的同步控制中.实验结果表明,采用神经网络控制方法可以实现系统中速度和张力的解耦,系统具有良好的动静态性能.     

神经元自适应控制器在矢量控制中的应用

感应电机矢量控制技术是通过坐标变换，实现对定于电流的励磁分量与转矩分量的解辐控制。传统PID控制器在电机参数改变时鲁棒性较差。神经网络具有自学习、自适应能力，用于控制时可以不依赖控制对象的数学模型。为实现对交流电机快速和精确控制，基于单神经元设计出用于感应电机矢量控制的自适应磁链和转速控制器，利用神经元的自学习功能在线调节连接权重，实现自适应控制。并将此设计应用于交流电机矢量控制系统中，数字仿真实验表明，此方法设计的控制器可克服传统PID控制器在电机参数改变时控制性能差等不足，鲁樟性强。该设计结构简单，实现应用时易于数字化实现。