神经网络在细纱机中的应用

介绍了一种基于PLC和DSP的细纱杌控制系统.该系统针对细纱机控制系统的非线性与传统PID控制方法的不足,提出了一种改进型基于RBF神经网络在线辨识的单神经元PID自适应控制方法.该方法构造了一个RBF网络对系统进行在线辨识,建立起在线参考模型,由单神经元控制器完成控制器参数的学习,从而实现控制器参数的在线调整.仿真试验结果表明.该控制器控制精度高,动态性能好,其控制效果优于传统的PID控制器.     

基于神经网络Smith预估器的预测控制

针对非线性系统时滞问题,给出了一种新型的单神经元Smith预测控制算法.神经网络的预测控制器由不完全微分的单神经元自适应PID控制器和神经网络的Smith预估器组成.预估器对输出进行多步预测,控制器超前动作以消除时滞对系统的影响.不完全微分的单神经元自适应PID控制器通过改进的Hebb学习规则实现其权值调节,通过权系数的在线调整实现自适应控制.仿真实验证明了该方法具有较快的响应速度和较好的响应性能.     

单神经元自适应PID控制器设计方法研究

本文主要介绍了采用有监督Hebb学习算法的单神经元自适应PID控制器以及采用以输出误差平方为性能指标的单神经元自适应PID控制器的控制算法及其仿真实现,总结出了两种基于单神经元的自适应PID控制器的控制特点及其参数设计规律.     

位置伺服系统的单神经元PID/CMAC控制研究

在分析了位置伺服控制系统基本原理和数学模型的基础上,提出了一种单神经元PID/CMAC复合控制算法和控制器的设计方法。用单神经元PID替代常规PID控制,由神经元来在线调整PID控制参数,利用CMAC神经网络的自学习和自适应能力,来完成系统的实时控制。该算法直接应用于位置伺服控制系统,仿真结果表明,与传统PID控制算法相比较,该复合控制算法增强了系统的控制精度,提高了系统的响应速度,具有较强的鲁棒性和抗干扰能力。     

基于RBF辨识的神经元PID直线伺服控制

针对永磁直线同步电动机(PMLSM)直接驱动的伺服系统,提出了一种基于RBF神经网络辨识的单神经元PID模型参考自适应的优化跟踪控制策略,解决了系统快速精确地跟踪与抗扰性能之间的矛盾.利用RBF神经网络作为辨识器,实现对被控对象Jacobian信息精确辨识,以基于二次型性能指标学习算法的单神经元自适应PID作为控制器,从而保证系统具有较强的鲁棒性能.仿真结果表明,该方案在保证伺服系统快速跟踪性能的同时,对系统参数变化和负载扰动具有很强的鲁棒性.     

基于单神经元的卫星姿态自适应PID控制

提出了一种以经典PID为基础,用单神经元加以实现的智能PID控制算法。基于误差二次型最优理论推导出相应的单神经元输入权值参数调整算法。并推导了为改进其应用上的不足,将自适应PSD控制器中递推计算增益K的方法应用到单神经元的自适应PID控制,构成具有自动调整增益K值的单神经元自适应PID控制器的学习算法。将控制算法应用到航天器姿态控制系统,数字仿真结果验证控制器有效。     

基于线性二次型的单神经元PID最优控制器设计及仿真

讨论了线性二次型最优控制理论在神经网络PID控制系统中的应用.将二次型性能指标引入单神经元PID控制器中,设计出单神经元自适应PID最优控制器,从而实现了PID参数在线自适应寻优.给出了完整的设计过程和学习算法,分析了其稳定性.最后,运用MATLAB仿真实现证明了该方法的可行性、有效性,并得到了较为理想的控制效果.     

基于遗传神经网络的自适应PID控制器的设计

提出了一种基于遗传算法和神经网络的自适应PID控制器的设计方法。该控制器主要由三个部分组成:利用遗传算法优化PID参数,和RBF神经网络结合,对被控对象逼近,搜索出一组准优的初始参数;RBF神经网络完成对被控对象Jacobian信息辨识;基于单神经元的自适应PID控制器,在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。     

单神经元自适应PID控制器设计方法研究

本文主要介绍了采用有监督Hebb学习算法的单神经元自适应PID控制器以及采用以输出误差平方为性能指标的单神经元自适应PID控制器的控制算法及其仿真实现,总结出了两种基于单神经元的自适应PID控制器的控制特点及其参数设计规律。     

智能PID控制器优化仿真研究

研究PID控制器优化问题,现代工业控制过程中,由于许多被控对象受到于扰因素影响,具有高度非线性和不确定性,常规PID控制精度低,提出一种遗传算法、粒子群算法和RBF神经网络相融合的PID控制器设计方法(GA-PSO-RBF).首先采用遗传算法选择PID控制参数初始值,然后采用粒子群算法优化RBF神经网络参数,采用优后的RBF神经网络辨识控制对象的输出对输入的变化灵敏度,最后采用单神经元对PID控制器进行在线性调整,得到理想的控制效果.仿真结果表明,GA-PSO-RBF神经网络PID控制器的超调量小,响应速度快,提高了系统的控制精度.