基于单神经元自适应PID的超声波电动机转速控制

超声波电动机是一种依靠振动和摩擦来传递运动的新型微电机.从工作原理来看,超声波电动机是一个高度非线性系统,采用经典PID控制无法取得理想的控制效果.设计一种单神经元自适应PID控制器,用于超声波电动机转速控制研究,取得较好的试验效果.     

基于改进BP算法神经网络的超声波电动机速度控制

针对超声波电动机没有精确数学模型,输出具有很强的时变性和非线性的特点,提出了一种改进BP神经网络控制器,神经网络由输入层、隶属函数层、规则层和输出层四层节点构成,在传统BP神经网络基础上,加入了模糊偏差单元和关联节点,使规则层不仅接收来自隶属函数层输出的信号,还接收自身的延时输出信号,能够存储过去的输入输出信息,提高控制系统学习记忆的稳定性。将改进BP神经网络控制器应用于行波超声波电动机速度控制,仿真实验验证了该方法的有效性,与传统BP神经网络相比较,控制精度、响应速度都有改善。     

改进的BP神经网络PID控制器在温室环境控制中的研究

为了更好的实现对温室环境系统的智能控制,针对温室环境系统存在非线性、强耦合、大滞后、强时变等问题,在分析BP神经网络技术的基础上,提出并设计出一种基于遗传粒子群优化的BP神经网络PID控制器,该控制器结合遗传算法强全局搜索能力以及粒子群算法强局部搜索能力和收敛速度快的特点,对神经网络的权值进行优化,对温室环境系统起到了有效的控制。最后对常规和改进后的BP神经网络PID控制器进行仿真对比研究。仿真结果表明,经过改进后的BP神经网络PID控制有更好的稳定性和鲁棒性。     

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。     

基于BP神经网络控制算法的超声波电动机控制

运用一种基于BP神经网络的控制算法,在控制过程中可以有效克服超声波电动机的非线性和热漂移特性,通过实验比较基于BP神经网络的控制算法和传统控制算法验证新算法的优越性.     

基于神经网络模糊PID的步进电动机控制系统

针对两相混合式步进电动机建立数学模型,利用MATLAB语言的S函数,设计了用于步进电动机控制的具有参数自整定功能的神经网络模糊PID控制器。通过Simulink仿真,分别分析了神经网络模糊PID控制器下的步进电动机空载和空载起动后加载时系统的响应情况,仿真结果表明该控制器对步进电动机速度和输出转矩控制效果明显,相对于BP神经网络参数自学习的PID控制,具有响应速度更快、超调更小、抗负载冲击能力更强等良好的静动态特性,从而为步进电动机控制系统的仿真及实际应用研究提供了一种可靠、方便的控制器模型。     

基于蚁群-粒子群的模糊神经网络超声波电动机控制

超声波电动机运行时具有高度非线性、时变性及强耦合性。为有效破解超声波电动机非线性和建模困难的瓶颈,研究蚁群算法和粒子群算法相结合优化模糊神经网络参数的超声波电动机转速控制方案。仿真分析与实验结果表明,相比传统的BP算法训练模糊神经网络控制方法,该系统能实现对超声波电动机速度的自适应跟踪,速度脉动较小,调节精度高,动态性能较好,抗干扰能力强。     

行波型超声波电动机定位控制系统

速度控制和定位控制是超声波电动机控制的难点,而定位控制又因其时常包含速度调节过程(即速度控制)成为研究热点.由于超声波电动机复杂的非线性关系,常规的控制方法根本不能满足其控制需求.本文设计了一种新型的超声波电动机定位控制系统,该系统结合了模糊与PID控制算法的优点,即首先采用模糊算法调节频率控制量的参数值,改变电机速度实现初步定位;其次在设定目标值附近切换成PID控制策略,通过调节两相输入电压的相位差使其精确定位.本系统通过模糊PID控制器分别实现对超声波电动机两相输入电压的频率和相位差进行控制,通过实验证明,模糊PID控制策略能有效的实现对行波型超声波电动机的定位控制,其定位精确性可以得到保证.     

神经网络辨识及控制研究

研究了前向多层神经网络及其BP算法,并利用此网络设计了辨识器和控制器,进行离线辨识、在线辨识和控制等。研究结果表明,这种控制结构能对复杂的非线性系统进行有效的控制,并且具有收敛速度快、抗干扰性好、鲁棒性强等特点,效果明显优于一般的PID控制方法。     

神经网络在永磁同步电动机PID参数优化中的应用

研究永磁同步电动机(PMSM)优化控制问题,PMSM参数会随着工作环境的变化而变化,传统PID控制方式无法满足高性能控制的要求,且PMSM系统控制精度低。为提高PMSM系统的控制精度,提出一种神经网络优化PID控制方法。首先深入分析PMSM特性,并建立电动机数学模型,然后在该数学模型下采用BP神经网络对PID控制器的参数进行在线优化,从而实现PMSM参数进行在线辨识,达到对电动机控制系统进行精确控制。     

一种基于TSK型递归模糊神经网络的无刷直流电动机位置控制方法仿真

考虑系统的参数变化和包括摩擦力在内的非线性及时变的外界干扰情况下,永磁无刷直流电动机位置伺服控制系统是多变量和非线性的时变系统.针对传统PID控制方法的不足,提出了一种TSK型模糊神经网络控制器的设计方法,并用于永磁无刷直流电动机伺服控制系统的位置控制;可同时动态在线进行结构学习和参数学习,以提高位置控制静态精度和动态跟踪性能.仿真结果表明,所设计的TSK型模糊神经网络位置控制器响应速度快、跟踪性能好、输出精度高、动态和静态性优能于传统PID控制方法.     

基于神经网络的SRM直接转矩控制系统仿真研究

文中采用直接转矩控制(DTC)方法有效的抑制了开关磁阻电机的转矩脉动。并将基于神经网络自适应PID控制的电机调速系统应用于该直接转矩控制系统,解决了常规PID控制器难以取得良好控制效果的问题。其中主要介绍了BP神经网络自适应PID以及RBF神经网络自适应PID控制策略的基本原理以及算法,并对比了二者的响应速度和鲁棒性。仿真结果表明,在SR电机调速系统中,利用神经网络收敛迅速的优点,两种控制器均能实现对给定转速快速、稳定的跟踪,并能适应系统参数的变化,具有良好的适应性和鲁棒性。但RBF-PID调速系统响应速度更快,更适用于实时控制的系统。     

基于BP神经网络的PID控制器的仿真研究

针对经典PID控制参数整定困难且受时变、非线性等因素影响不能达到预期控制效果的实际情况,介绍了一种基于BP神经网络的PID控制器的构成和算法实现。仿真结果表明,基于BP神经网络的PID控制器参数调整简单,具有较高的精度和较强的适应性。     

无轴承同步磁阻电动机悬浮系统模糊PID控制

无轴承同步磁阻电动机悬浮系统是一个复杂的非线性系统,难以建立精确的数学模型,普通PID控制很难取得良好的控制效果.设计了模糊PID控制器,它结合了模糊控制和PID控制的各自优势.仿真结果表明模糊PID控制器性能优于普通PID控制器,悬浮系统具有优良的动、静特性.     

电动伺服机构扰动补偿与神经网络模糊控制

针对电动伺服机构的模糊控制与扰动补偿问题进行研究，首先依据动力学理论建立电动伺服机构系统模型并利用Simulink软件搭建仿真模型。然后充分分析了系统所受到的摩擦力矩、齿槽力矩、时滞等非线性扰动，设计前馈控制器进行补偿。其次为了进一步改善系统的控制性能，在位置环PID控制器基础上引入模糊控制来动态调整PID控制参数。最后利用BP神经网络实现对量化因子和比例因子的实时整定，改善由于模糊规则及模糊输出论域的不对称性导致在正负行程上效果不一致的问题。从动态响应能力、跟随性能、抗干扰能力、频域响应等方面分别对传统PID控制器、模糊PID控制器和模糊BP网络PID控制器的控制性能进行仿真对比分析，结果表明模糊BP神经网络PID控制器提高了系统响应速度，改善了系统控制品质，可以为航天电动伺服机构结构和控制器设计提供借鉴。     

基于神经网络的自适应PID控制器及其应用

介绍一种基于神经网络的自适应PID控制器,运用神经网络和BP算法在线调整PID参数,PID参数的初值采用继电器自整定法整定。仿真分析和实际应用结果表明,与传统的数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁捧性。     

基于PIDNN变结构理论的电动机整流稳压补偿控制

对电动机系统进行稳定控制,在制造业领域具有重要的应用价值。利用传统的方法进行电动机稳定控制的过程中,无法完全消除电动机系统干扰信号造成的干扰,导致电动机系统稳定性降低。为此,提出一种基于PIDNN变结构理论的电动机整流稳压补偿控制方法。构建基于PIDNN变结构理论的电动机系统控制器,该模型为三层前向型的形如2×3×1的结构;提取电动机系统运行电压的特征,作为神经网络模型三层前向神经元的PID变结构的加权系数,建立PIDNN神经网络模型得到电动机系统双向逆变的整流稳压补偿模型,实现了对电动机的稳定控制。仿真实验结果表明,利用改进算法进行电动机系统控制,能够提高电动机的稳定性,取得了令人满意的效果。     

基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。     

基于BP神经网络在线辨识的开关磁阻电机神经网络自适应PID控制

基于开关磁阻电机的高度非线性的电磁特性,固定参数的PID调节器无法得到理想的控制性能指标,该文提出了一种基于BP神经网络在线辨识的SRM神经网络PID自适应控制新方法。实验结果表明,利用BP神经网络来构成开关磁阻电机的神经网络自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。     

基于模糊PID控制的永磁无刷直流电机调速系统

永磁无刷直流电动机调速系统是一个非线性、多变量、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。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。