永磁同步电机动态模糊神经网络控制器设计

针对如何提高永磁同步电机控制系统的性能,将动态模糊神经网络(DFNN)运用到永磁同步电机调速系统中,充分利用动态模糊神经网络的学习能力与映射能力,实现模糊系统的参数和结构的在线学习.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.仿真结论说明采用动态模糊神经网络控制器的控制效果较传统PID控制而言,不仅响应速度快、超调小,而且具有非常好的鲁棒性.     

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明：模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。     

基于模糊神经网络的感应电机直接转矩控制

传统的直接转矩控制存在较大的转矩脉动。为了减小转矩脉动,提高控制性能,将模糊神经网络算法引入到直接转矩控制当中,设计了基于模糊神经网络的直接转矩控制系统。所采用的Takagi--Sugeno型模糊神经网络充分融合了模糊逻辑和神经网络两者的优点。在模糊神经网络的训练过程中,采用了一种最小二乘算法和BP算法相结合的混合算法进行学习,提高了学习速度。为了验证该算法有效性和可行性,在MATLAB／Simulink环境下建立了基于模糊神经网络的直接转矩控制系统仿真模型,进行了仿真研究。仿真结果表明采用Takagi—Sugeno型的模糊神经网络算法使直接转矩控制系统的转矩脉动明显变小,控制性能明显改善。     

基于模糊PID控制和BP神经网络PID控制的永磁同步电机调速方案比较研究

采用模糊PID控制和神经网络PID的控制方式分别对永磁同步电机进行了恒负载实时调速分析,对比了研究两者的控制性能。通过在Matlab/Simulink环境下搭建仿真控制程序,分别采用两种控制方式构建对于永磁同步电机的闭环控制模型进行仿真,进行模糊PID控制和神经网络PID控制对永磁同步电机的闭环控制效果对比。经仿真结果表明,神经网络PID控制在抗扰动方面优于模糊PID控制,而模糊PID控制在实时性方面较为优势     

电动车用无刷直流电机模糊自整定控制器设计

本文在分析无刷直流电机数学模型基础上,设计了一种以PIC单片机为控制核心的电动自行车用无刷直流电机控制系统,给出了控制系统主要硬件电路设计和核心算法设计。本文针对传统PID控制的不足,结合模糊控制与PID控制,利用模糊推理方法实现对PID参数的在线自整定。对算法在Matlab环境下仿真,并对采用传统PID控制及模糊自整定参数PID控制的无刷直流电机控制系统进行了实验分析和比较。     

模糊算法在双容水箱液位控制系统中的应用

建立了串联双容水箱液位控制系统的数学模型,针对传统模糊控制存在静态误差较大的问题,提出了在模糊控制器上并联积分器,成功地消除静态误差。在PID算法的基础上提出了模糊PID算法。最后,对四种算法的系统性能进行了仿真比较,证明了带积分环节模糊控制系统具有良好的动态性能。     

集气管压力系统模糊PID控制研究

焦炉集气管压力控制系统是一个耦合严重、具有严重非线性、扰动频繁剧烈的多变量时变系统。采用传统的PID控制方法进行压力控制,难以达到良好的控制效果。通过设计一种模糊PID控制器,应用模糊算法在线自动整定PID参数的方法,将其应用于焦炉集气管压力控制系统。仿真实验和实际应用结果表明,该模糊PID控制方法较常规PID控制和单纯的模糊控制具有更好的控制性能,提高了焦炉集气管压力控制的鲁棒性和控制精度。     

模糊PID控制在液位控制中的应用

本文将模糊PID控制应用到了液位控制系统中。设计了模糊PID控制器，在利用Matlab仿真软件进行了仿真研究的基础上，搭建了一个实用的单片机硬件实现平台。现场实验数据表明，液位系统控制性能大大改进了。     

永磁无刷直流电动机的模糊PID控制研究

永磁无刷直流电动机调速系统是一个非线性、多变量的时变系统。采用传统的PID控制方法进行控制,难以达到良好的控制效果。设计一种模糊PID控制器,应用模糊算法在线自动整定PID参数,应用于无刷直流电动机调速控制系统。仿真实验结果表明,该模糊PID控制方法较常规PID控制和单纯的模糊控制具有更好的控制性能,具有无超调、响应快、鲁棒性强等特点。     

基于模糊RBF神经网络的无刷直流电机控制

无刷直流电机以其高功率密度、高可靠性等优点而广泛应用于各种场合。电机驱动器对控制性能有很大的影响,驱动器采用常规的PID算法难以获得满意的控制效果。为了获得良好的控制性能,本文提出了模糊算法与径向基函数(Radial Basis Function,RBF)神经网络相结合的控制策略。设计了一个四层的神经网络,调整模糊逻辑控制器的输入和输出参数,以参考速度与反馈速度的偏差作为控制的输入,参考电流值作为控制的输出,使得控制系统具备自适应能力。通过仿真和实验对常规PID控制和模糊RBF神经网络算法分别进行了比较,结果表明所提出的方法具有更好的静态和动态响应性能,具有较强的鲁棒性。     

改进蝗虫优化算法 在模糊神经网络PID控制中的研究

传统模糊神经PID控制算法易出现网络参数调整不合适导致控制效果差的问题。本文提出一种改进蝗虫算法优化下的模糊神经网络PID控制算法。首先针对传统蝗虫算法粒子多样性不足的问题引入Levy随机飞行策略,其次引入非线性缩减因子和模拟退火算法来改善算法寻优能力以及跳出局部最优解的能力,然后将改进的蝗虫算法与模糊神经PID结合来优化神经网络超参数以及实现控制参数自整定,最后由仿真结果验证所提出的改进蝗虫算法优化模糊神经网络PID算法的优越性和可靠性。     

BP神经网络模糊控制在电弧炉电极调节系统中的实现

针对电弧炉电极调节系统,建立其数学模型。分析了电弧炉电极调节系统的非线性,并针对控制对象的复杂性,将具有自学习功能的BP神经网络与模糊控制相结合,提出了基于BP神经网络模糊控制的控制算法。BP神经网络模糊控制的控制算法改善了传统神经网络学习时间长、收敛速度慢的弱点,解决了传统控制未知复杂系统的不足,Matlab6．5软件仿真结果表明,采用BP神经网络模糊控制的控制算法的控制效果是令人满意的。     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法,用于永磁同步电机的控制.该算法用基于BP神经网络的PID算法作为速度控制器,实现控制系统的在线自适应调整;同时用模糊理论算法作为神经网络控制器输出的限制,实现了良好的控制动态性能.在与传统的PI控制仿真比较中,该算法显示出了较好的控制性能,对负载和电机参数的变化不再敏感,且控制器可以在误差较大的时候快速跟踪指令,而在误差较小的时候实现稳定运行.     

基于RBF神经网络的PID控制在变风量空调系统中的应用

将RBF神经网络引入PID控制中,建立了一个三层神经网络模型。通过RBF神经网络的在线辨识对PID控制的三个参数进行在线调整,从而改善系统的控制效果。仿真结果表明:基于RBF神经网络的PID控制与传统PID控制相比,具有较强的鲁棒性和自适应能力,控制精度高,效果好,安全可靠。     

基于模糊系数修正BP神经网络PID的BLDCM控制系统仿真研究

常规PID、模糊算法无法解决无刷直流电机（BLDCM）控制系统存在的强耦合、非线性等问题,在干扰作用下容易出现信号失真。针对该问题,在滑行灯伺服转向系统中,以BLDCM三闭环控制系统为研究对象,结合BP神经网络、模糊控制和PID算法,提出一种基于模糊系数修正BP神经网络的PID控制。通过Simulink建模及仿真,对比研究了该策略与常规控制算法在转矩扰动和磁通扰动状况下的动态响应特性。仿真结果显示该改进控制算法在BLDCM位置控制系统中性能优良。     

模糊神经网络PID在恒气体流量控制中的应用

气体恒流量控制系统中被控对象具有非线性、时变及不确定性等因素,传统的PID调节已无法满足控制要求,因此本文采用模糊神经网络在线实时整定PID控制器的Kp、Ki、Kd 三个参数,实现气体恒流量控制.通过仿真与其他几种算法控制性能相比较,表明该控制器具有响应快、超调量小、稳定精度高、抗干扰性强、适应性广等优点.     

新型智能数字PID控制器及其应用

针对BP神经网络-PID控制器盲目选取PID参数初值容易陷入局部最小和给定值大幅变化引起系统性能变坏等问题，提出了一种新型智能数字PID控制器，用积分分离型数字PID取代BP神经网络-PID控制器的传统数字PID，抑制超调，改善系统性能；用继电器自整定法确定PID参数的初值，防止神经网络的局部极小问题。对时变和非时变非线性被控对象，分别用Marlab对新型智能数字PID和传统数字PID的控制效果进行了仿真。结果表明，新型智能数字PID控制器具有更好的控制效果和更好的鲁捧性。将该控制器用于某冶炼厂铅板生产中的铅液温度（坩锅温度）的控制，获得了满意的控制效果。     

交流伺服系统基于神经网络的模糊自适应PID控制及其DSP实现

提出一种基于BP神经网络的模糊自适应PID控制器,将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力以及传统PID控制的优点融为一体,形成了对非精确、非线性对象的良好控制策略。针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器（DSP）作为控制器运算单元,以提高系统实时性。对交流伺服系统的实验仿真结果表明,该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于BP网络PID算法的恒压供水系统研究

采用神经网络控制理论与PID（比例、积分、微分）控制算法,设计一个基于SIMATIC CPU226 PLC的BP神经网络PID控制器。恒压控制系统由BP神经网络PID控制器、丹佛斯VLT2900变频器和水泵机组组成。解决了传统PID控制算法难以保证系统在任何工况条件下始终具有最佳控制性能的难题。试验结果表明：系统可以在线自整定PID参数,具有较好的自适应能力,控制效果比较理想。     

工业用电加热炉的智能温度控制系统设计

工业用电加热炉作为一类大惯性、大时滞和参数时变的强非线性系统,其温度控制问题一直工业过程控制中的难题。提出一种新型的基于TSK模糊理论的模糊神经网络PID控制器,采用实数编码混沌量子遗传算法优化模糊神经网络的隶属函数参数和模糊TSK增益,具有较快的收敛速度和更强的优化能力。分析加热炉温度控制系统的原理和结构,阐述基于TSK模糊理论的模糊神经网络PID控制器的设计过程以及实数编码量子遗传算法的实现流程。通过工业用电加热炉的温度控制仿真和试验,验证了所提出的算法具有更好的动态性能、更高的稳态精度和更强的抗干扰能力。