基于神经元的自适应预测PID控制

提出了一种采用神经元的自适应预测PID控制方案。神经元具有很强的自学习和自适应能力 ,它可根据系统的误差并通过一定的学习算法来不断修正控制器的参数 ,使控制器能够适应受控对象结构参数以及环境的变化。因此采用单神经元构成自适应PID控制器 ,将神经元与PID控制结合 ,对PID参数进行在线寻优、自校正 ,使PID控制能有效地对付一些较复杂非线性被控对象 ,特别是难于用传统方法建模的被控对象。同时为了提高系统的快速跟踪和抗干扰能力 ,采用了动态自适应神经元 (APE)对非线性系统进行预测 ,即用神经元建立起非线性系统的预测模型 ,预测系统的未来输出 ,从而提高了控制系统的控制品质。同时详细介绍了该控制系统的自适应控制算法。仿真结果表明 ,这种自适应控制方案切实可行 ,其控制品质明显优于常规PID控制 ,且具有较强的鲁棒性 ,达到了良好的控制效果。     

基于单神经元的自适应PID控制系统设计及仿真

设计了一种基于单神经元的自适应PID控制系统,该系统响应平滑、无超调.在MATLAB下对被控对象进行实验仿真,对同一对象用常规PID进行控制,并比较2种方法控制下的仿真结果.结果表明:单神经元自适应PID控制系统具有自学习和自适应能力,能够采用学习规则来调整权系数,从而使系统响应稳定、快速、准确.     

单神经元自适应PID算法在液位控制系统中的应用

双容水箱的液位具有典型的大惯性、大时延、非线性特性,常规PID控制往往难以保证系统的控制品质。采用增益在线自适应调整的单神经元PID控制器,对控制器的参数进行在线自适应整定,实验结果表明,其控制效果优于常规的PID控制器。     

一种基于神经网络的自适应预测控制方法

强非线性系统预测控制问题当前仍有许多难点需要解决,而神经网络由于具有非线性逼近能力、自学习、容错性等特点,使它在自动控制理论中得到了广泛的应用.针对非线性系统,提出了一种基于神经网络的自适应预测控制方案,该方案结构简单,易于实现.对于一些难于用传统方法控制的复杂非线性对象提供了一种有效的方法.对非线性定常及时变对象,利用仿真表明了该控制策略的有效性.最后讨论了神经网络控制器发展方向与亟待解决的问题.     

纸浆浓度的自适应模糊调整神经元控制

针对纸浆浓度控制，研究了单神经元自适应PID控制器的实现算法和自学习规律，采用模糊集理论对单神经元学习速率进行动态调整。计算实例表明该控制器应用于纸浆浓度控制比PID凋节器和普通神经元控制器应当具有较好的控制品质。     

单神经元自适应PID控制器的实现与仿真研究

给出了单神经元自适应PID控制器的算法与控制系统仿真模型。利用单神经元PID控制器的自学习、自适应能力实现PID控制参数的自整定。并对被控对象进行了仿真研究,仿真结果表明,该控制方法与常规PID控制方法相比,具有更好的自适应性和更强的鲁棒性。     

飞行器控制系统的自适应容错控制

建立了某型号导弹在纵向平面内的闭环控制系统模型,通过设计PID控制器参数,使该闭环系统具有一定的容错能力.然后,在被控系统中加入自适应模块,当执行器出现故障时,被控系统的容错能力得到很好的改善.同时,为降低加入自适应控制后系统的复杂性.利用了实际系统与理论模型之间的输出残差来判断系统是否出现故障:当残差小于一定的阈值时,单纯采用PID控制;否则加入自适应控制.仿真结果证明了加入自适应控制的有效性.     

非线性多变量离散自适应控制

为了获得一种结构简单、参数整定方便的控制策略,研究了化工过程的一种非线性自适应控制方法。该方法采用非线性多变量模型来近似化工过程的动态特性,并将一般模型控制算法(GMC)与非线性观测器结合,将被控对象模型直接嵌入到控制中,用非线性观测器来进行参数在线辨识,构成自适应控制系统。该非线性控制系统在控制没有约束的情况下,控制系统为一个线性伪二阶系统。控制器参数整定方便,其中非线性观测器整定参数只有一个。该系统用于压力容器的控制,实时控制表明非线性自适应控制系统性能良好。     

基于PAC的在线模糊自适应PID控制器设计

PID控制适合用于已知精确数学模型的被控对象,具有稳态误差小等特点.模糊控制不需要被控对象的数学模型,响应速度快,但是有静差.将这两种控制技术相结合,设计一种模糊自适应PID控制器,具有响应速度快、稳态误差小的特点.采用上位机和PAC结合,上位机中的iFIX组态软件利用OPC技术和MATLAB软件中的模糊控制器通讯,把实时值和设定值送给模糊控制器,同时把模糊控制器的输出(比例系数、积分系数和微分系数)送回PAC,在PAC中根据PID算法计算控制量,由PAC控制被控对象,实现在线模糊自适应PID控制.对水箱液位进行控制的结果表明,采用在线模糊自适应PID控制器后,控制系统的响应速度加快,无超调,具有较好的稳定性和鲁棒性.     

模糊控制在循环流化床锅炉床温控制中的应用

在分析研究循环流化床锅炉床层温度被控对象动态特性的基础上,提出一种新型模糊自适应PID床温控制系统的设计方法。这种方法直接将影响研究对象特性的工况参数与控制系统的控制器参数联系起来,建立模糊粗调机制,然后根据实际系统误差及其变化率进一步微调控制器参数。仿真结果表明,用这种方法建立的床温控制系统具有较好的控制品质和较强的自适应能力。     

基于自适应遗传算法的非线性PID控制器

生物发酵利用夹套进行加热和冷却,其温度控制精度非常重要.但这种以温度为被控对象往往存在严重的积分纯滞后现象,采用常规的控制算法难以达到所要求的控制品质.基于PID控制器各增益参数与偏差信号之间的非线性关系,采用出一种非线性PID控制器.同时,针对经典遗传算法收敛速度慢,易陷入早熟,局部最优等缺点,提出一种自适应遗传算法,自适应遗传算法通过建立适应值差值函数来适时调整交叉、变异概率.这使算法具有自适应性,将其应用于非线性PID控制器参数寻优.仿真结果表明,基于此遗传算法寻优的非线性PID控制器可以有效的抑制大滞后系统的超调缺陷,具有较好的控制精度.     

一种增益自适应的单神经元PID控制器

针对时滞不确定对象,提出一种单神经元PID控制器,此控制器不依赖于对象模型。由于神经元的权值能在线调整,因此具有自学习和自适应能力,同时应用自适应PSD算法调整比例系数K值的大小,构成了增益自适应的单神经元PID控制器。在MATLAB/SIMULINK下对算法实现仿真控制,结果证明增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强且算法简单适用的控制器,适合于工业上不确定对象的平稳控制。     

一种增益自适应的单神经元PID控制器

针对时滞不确定对象,提出一种单神经元PID控制器,此控制器不依赖于对象模型.由于神经元的权值能在线调整,因此具有自学习和自适应能力,同时应用自适应PSD算法调整比例系数K值的大小,构成了增益自适应的单神经元PID控制器.在MATLAB/SIMULINK下对算法实现仿真控制,结果证明增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强且算法简单适用的控制器,适合于工业上不确定对象的平稳控制.     

基于神经元智能PID控制器的研究

用神经元的自学习功能构成了智能PID控制器.该控制器将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确的优点,又具有神经网络自学习、自适应的能力.     

一种模糊PID控制器的设计方法研究

介绍了一种基于模糊控制的自适应PID控制器，总结出了这种PID控制器的控制特点及其参数设计规律。仿真结果表明，这种模糊PID控制器具有超调量小、调节时间短的优点，提高了控制系统的实时性和抗干扰能力，特别是对非线性和时变性的复杂控制系统具有良好的控制效果。     

神经元PID在化工非线性时变过程控制中的应用

针对非线性时变性的控制对象传统PID算法难以得到满意的控制效果,对神经元PID控制器进行研究。利用神经元的自学习能力,遵从一定的最优指标,自动调整PID控制器的参数,使之适应被控对象以及输入参考信号的变化。用于非线性时变加热炉温度控制,仿真结果表明,神经网络PID控制能够适应系统结构参数的变化,快速跟踪输入信号的变化,控制精度高。     

神经元PID在FA467粗纱机速度控制中的应用

FA467粗纱机控制系统属于大惯量、非线性时变系统，采用传统的PID和通常的自适应控制都不能满足本系统的要求。本文在吸收传统PID控制器简单易懂，不需精确的系统模型优点的基础上，采用一种基于神经网络与PID控制相结合的神经元PID速度控制方法。利用单神经元的自学习、自适应特性，在线改变增益权值，代替传统的PID固定增益，以提高跟踪性能和响应速度。实验证实，该方法大大减少了粗纱机故障几率。     

基于模糊自适应PID的主汽温控制系统

为了改善传统串级PID主汽温度控制系统的控制效果,提出了采用模糊自适应控制器的串级主汽温控方案.主调节器采用模糊自适应PID控制器,副调节器采用传统PID调节器.利用模糊规则,主调节器PID参数可根据误差信号动态调整.仿真结果表明,该系统在机组负荷较大范围变化时,其控制品质优于传统PID串级控制系统.     

带预测模型的神经网络PID控制器

在研究PID控制和神经网络的基础上提出了一种带预测模型的神经网络PID控制器,该控制器是一种3层前向神经网络,它适用于工业过程中觉的慢时变大时滞控制系统以及控制对象具体模型难以确定的控制系统,该系统能在调整PID控制器的3个参数Kp,Kd,Ki,再经PID调节器产生最优的控制作用于被控对象,采用该控制器对模型参数缓变的系统进行仿真,结果表明该器具有良好的自学能力,能获得较好的控制效果。     

BP神经网络自学习PID算法在PLC的实现

目前神经网络自适应PID算法在理论研究方面的成果已经较多,在实际生产过程中的应用较少。以水箱控制为被控对象,利用神经网络在线调节PID控制器参数来增强系统的自适应能力,并采用PLC编程语言完成算法实现,将其应用于实际的液位控制系统中。实际运行结果表明,该系统运行稳定可靠,调节时间和上升时间提高了30％。