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。     

变惯量智能伺服控制器设计

设计基于微芯公司的dsPIC30F6010A单片机的伺服控制器实现单神经元自适应PID控制算法;借助于Matlab的Simulink和M语言对经典PID控制和单神经元自适应PID算法进行仿真,以验证分析结果;根据单神经元自适应PID控制的仿真结果,可确认单神经元自适应PID控制不仅能够适应惯量的变化,而且还改善了系统的动态性能。     

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。     

基于单神经元自适应PID控制的高压断路器永磁直线伺服电机操动机构的研究

高压断路器永磁直线伺服电机操动机构采用直线电机驱动断路器操作杆,带动机构运动,实现分合闸操作,具有良好的快速响应能力及控制性能.该伺服系统采用数字式双闭环控制,内环为电流环,采用PI控制,外环为速度环,采用单神经元自适应PID控制,通过建立直线伺服电机操动机构控制系统仿真模型,详细分析了单神经元自适应PID控制算法以及数学模型,并建立了以输出误差二次方为性能指标的单神经元自适应PID控制器模型.并分别用传统PID与单神经元PID控制算法,对高压断路器触头运动特性控制过程进行了仿真.结果表明,单神经元自适应PID控制器能够较好的实现触头速度的跟踪控制,使其按理想运动特性曲线运动,实现最优操作,该算法是一种较理想、有效的控制方法.     

单神经元PID控制器在过热汽温控制中的应用

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PID控制器，并应用于超临界机组过热汽温控制系统。仿真结果表明，采用单神经元PID控制器的汽温控制系统，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。此外根据仿真结果，对单神经元的学习算法进行了改进，使其控制品质得以提高。     

压电驱动平台的自适应PID控制

为了辨识出最优的PID控制参数,建立压电驱动平台传动系统的动力学模型;根据压电陶瓷实际的迟滞特性曲线的非对称性,改进为非对称的PI迟滞模型,形成基于改进PI迟滞模型的前馈PID控制。采用基于改进的单神经元自适应PID控制算法和基于BP神经网络的PID控制算法,实现PID参数的在线实时调整。搭建压电陶瓷驱动平台实验系统,并进行闭环控制实验。结果显示,驱动平台在前馈PID控制、单神经元自适应PID控制算法及基于BP神经网络自整定PID控制算法下的平均定位误差分别为16.5 nm,8.3 nm及5.1 nm。自适应PID闭环控制精度优于前馈PID控制,神经网络整定PID控制精度高于单神经元自适应PID控制。     

PMSM伺服控制系统的改进单神经元PID控制

永磁同步电动机(PMSM)交流伺服系统中含有未知复杂干扰,属于一类复杂的非线性、不确知系统,会影响PID控制算法的控制质量,无法满足伺服系统的高精度指标要求.利用神经网络对未知信息数据的自学习和自适应能力,设计出一种结合传统PID控制与单神经元自适应智能PID控制器,并针对单神经元自适应PID参数的在线学习规则进行了改进.仿真结果表明,应用了单神经元PID控制的伺服系统,不但结构简单,而且能适应环境变化,有效抑制干扰,控制精度明显改善,有较强的鲁棒性,达到了理想的控制效果.     

无刷直流电动机单神经元自适应PID控制及改进

研制的无刷直流电动机单神经元自适应PID控制器，实现了在线调整PID参数的目的，克服了电动机非线性、参数易变的影响；同时引进变速控制算法对神经元比例参数K的给定进行了在线改进。仿真结果表明，单神经元自适应PID控制器自适应能力好，响应快．鲁棒性强．系统静态和动态特性良好，而且采用变速控制改进算法后，速度的调节器品质有所提高。     

单神经元控制器及其在过热汽温控制中的应用

把神经元的学习特性和常规的PID控制算法结合起来,设计了单神经元控制器。将其应用于过热汽温控制系统,并对采用这种神经元控制的时性问题进行了说明。通过仿真试验表明,基于该单神经元的过热汽温能控制系统具有良好的控制品质。     

电子皮带称的硬件设计与控制算法的仿真

电子皮带秤是物料连续自动称量的一种计量器具,常用的基于单片机PID控制算法较难满足系统的控制要求.介绍了皮带秤系统硬件的设计方法,提出了一种基于单神经元的PID控制算法并进行了仿真.结果表明:单神经元PID控制器具有良好的抗动性和快速跟踪性.只要选择适当的学习速率、比例因子、权初值,就可使系统在允许误差下保持良好的自适应和鲁棒性.     

基于二次型单神经元PID的静止无功补偿器控制系统仿真

针对传统PID控制器自适应性差、调节时间长的问题,设计了一种基于二次型单神经元PID的SVC控制系统电压调节器,并在Matlab/Simulink环境下对SVC控制系统进行了仿真试验。仿真结果表明,基于二次型单神经元PID的SVC控制系统,响应速度快,超调量小,自适应能力好,系统动态和静态特性良好。     

静止无功补偿器的改进单神经元PID控制系统的研究

提出了一种单神经元PID控制系统的改进算法,实现了神经元比例增益K(k)和学习速率η_i(k)的在线自适应调整功能。该控制系统算法编写的M语言程序,采用Matlab的S函数,将应用到静止无功补偿器(SVC)的控制系统中在Matlab/Simulink环境下进行了仿真。仿真结果表明,基于改进单神经元PID的SVC控制器具有响应速度快、调节时间短、动态性能和稳态性能好等优点。     

基于PSO算法的多变量PID型神经元网络在球磨机控制上应用

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,基于PID控制的简单结构和良好性能优势以及神经元网络的自调节和自适应的特长,设计了具有PID结构的多变量自适应的PID型神经元网络控制器。给出了这种控制系统的结构和算式,其为一种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、连接权值的初值是按PID控制规律确定的。神经元网络参数采用了粒子群优化(PSO)学习算法,并给出了相关算式。分析了球磨机制粉控制系统的特点,并应用提出的控制方法对其进行了仿真研究,比较了文中控制方法与传统的PID控制方法的控制效果。仿真结果表明了所提方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。     

基于双模控制算法的交流伺服电机的研究

为了提高伺服电机控制的实时性和精确性,满足伺服系统高速度和高精度的控制要求,提出一种自适应神经元模糊PID的交流伺服电机控制算法。该算法充分结合模糊PD控制的强鲁棒性和神经网络控制强大的自学习能力。通过对仿真结果对比分析,结合后的控制算法相比单一的模糊PD算法和单神经元自适应算法,系统的响应速度更快,精度更高。     

免疫调节增益的单神经元PID控制器

针对单神经元PID控制中学习速度较慢,动态响应时间长等问题,提出了免疫调节增益的单神经元PID控制器.将T细胞免疫调节机理与单神经元PID控制算法相结合,以提高单神经元PID控制器的学习速度,缩短动态响应时间,改善单神经元PID控制器的性能.仿真研究了免疫调节增益的单神经元PID控制器的定值跟踪性能和抗干扰性能以及直流电机伺服控制性能.仿真实验结果表明,这种新的控制算法学习速度快,动态响应时间短,具有较强的自适应性和鲁棒性,其控制性能优于单神经元PID控制.     

双馈风力发电机励磁系统的研究与设计

在分析现有变速恒频双馈风力发电励磁控制系统的基础上,提出了一种基于单神经元自适应PID算法的双馈励磁控制方案,可根据风速的变化调节双馈发电机的励磁,使发电机输出恒定.在额定风速以下,获得最大风能利用系数;在额定风速以上,保证发电机输出功率恒定.该控制方案简化了系统硬件结构,提高了系统稳定性和抗干扰能力,并具有扩展性强的特点.     

单神经元自适应PID控制交流调速系统

针对转子磁场定向矢量控制中转速PI调节器鲁棒性能较差的问题,提出了用单神经元自适应PID控制器代替转速PI控制器,进一步改善了异步电动机矢量控制系统的性能;将无监督的Hebb学习规则与有监督的Delta学习规则相结合,提高了单神经元自适应PID控制器的学习能力,实现了单神经元控制器的参数优化与在线自调.构造了基于单神经元自适应PID控制器和空间矢量脉宽调制(SVPWM)的异步电机矢量控制系统.仿真实验结果表明,该系统不仅具有很好的静、动态性能,而且又具有很强的自适应性和鲁棒性.     

基于单神经元PID的异步电动机转速的自适应控制

针对异步电动机矢量控制中转速调节器参数整定困难、自适应性差和稳态精度低的问题,设计单神经元PID控制器.将神经元学习规则与PID控制相结合,采用在线学习的方式,在电动机运行过程中实时调整控制器参数,实现转速的自适应控制.在恒速变负载和恒负载变速的仿真实验中,结果表明基于单神经元PID的转速调节器具有较好的动态性能和较高的稳态精度.