基于复合正交神经网络的灰色PID控制

结合传统反馈控制方法和灰色预测控制的预测控制器已在控制系统中获得了成功的应用。由于复合正交神经网络具有学习算法简单、收敛速度快,有逼近线性或非线性函数的优良特性。与灰色预测方法相比,神经网络预测精度高,且误差可控,如果把神经网络作为灰色预测器,建立一种灰色预测控制,那么就会在控制系统中获得良好的控制性能。为此,提出一种结合传统的PID控制和神经网络灰色预测补偿的灰色PID控制器,可对系统进行在线灰色估计和控制,由复合正交神经网络对不确定部分建立的灰色预测模型,可根据系统的参数变化来自动调节预测补偿值,使系统响应具有适应性。仿真结果表明,与传统的PID控制方法相比,该控制器可获得更为优良的动态性能和鲁棒性。     

基于BP网络的智能灰色预测在时滞系统中的应用

基于灰色理论与神经网络相结合能改进预测精度的思想,本文将神经网络与灰色预测PID控制器相结合,利用神经网络来在线调节PID控制器参数以适应模型时变的要求。论述了其原理并将其应用于实际双容水箱液位控制系统,以克服模型不确定性带来的不利影响,从而实现对二阶液位对象的有效控制。通过MATLAB进行了算法的验证和仿真,并利用xPC技术进行了实时控制,结果表明此改进算法比常规PID控制具有更好的效果。     

神经网络预测控制算法及其应用

针对电站中具有大惯性和变参数等特性的主汽温系统，提出了一种神经网络预测控制算法。该方法是用神经网络来实现预测控制算法中的模型预测和优化计算。将这种算法用于主汽温控制的仿真研究表明，该控制方案表现出良好的控制品质并能适应被控对象参数的变化，具有较强的鲁棒性和自适应能力。它明显优于传统的PID控制。     

延迟时间未知的时延系统灰色预测控制

延迟时间的变化可能会引起控制品质的恶化，甚至使系统不稳定，利用灰色预测控制不需要掌握被控对象模型结构的先验信息，具有很强的自适应性的优点，同时利用神经网络辨识延识系统的延迟时间来在线调整灰色预测控制器的参数，将二结合用于有不确定性延迟时间的大延迟系统的控制，仿真结果表明这种控制策略具有很好的控制效果。它是大延迟控制中克服延迟时间变化的很有希望的方法。     

基于灰色预测PID的风光互补发电机控制研究

为了能够提高风光互补发电机控制的效果,深入地研究了灰色预测PID在风光互补发电机控制中的应用.构造了风光互补发电机的数学模型;剖析了灰色预测的基本原理.针对风光互补发电机控制的实际情况,将灰色预测PID技术引入到风光互补发电机的控制中,提出了风光互补发电机灰色预测PID控制系统,并且提出了相应的算法流程;分别利用灰色预测PID控制技术、模糊PID控制技术和传统PID控制技术对风光互补发电机进行控制仿真研究,仿真结果表明灰色预测PID技术可以获得较好的控制效果.     

动态定量称重系统神经网络预测PID控制器研究

采用神经网络预测与PID控制理论相结合,为动态定量称重系统设计了一种神经网络预测PID控制器。该控制器算法简单,通过自学习、记忆功能在线调整PID控制参数KP、Kl、KD。建立了动态定量称重系统的仿真模型,将神经网络预测的PID控制与常规PID进行对比分析,神经网络预测PID控制器具有很好的控制效果。     

球磨机灰色预测无模型自适应控制策略

球磨机负荷控制系统是一个具有大时滞、强时变性、强非线性及多变量与强耦合等特性的复杂系统。为了更好地克服球磨机负荷控制系统中存在的大滞后和不确定性等问题,提出了灰色预测无模型自适应控制(MFAC)策略。在控制系统下,分别采用PID、灰色预测PID、MFAC及灰色预测MFAC进行控制仿真分析。实际应用验证了该策略的可行性与合理性,表明了灰色预测无模型控制策略具有良好的控制性能和实用价值。     

基于GA参数整定的时变时滞系统灰色预测控制

针对一类数学模型未知且存在时变时滞的复杂系统,提出一种基于遗传算法参数整定的灰色预测控制方法;该方法采用BP神经网络对系统的时变时滞进行辨识,利用灰色预测算法对系统的输出进行预测,进而使用基于遗传算法整定PID控制器对系统进行输出反馈控制;该方法将灰色预测算法与遗传算法相结合,有效提高了控制器的自适应性;通过仿真实例,结果表明该方法能够对具有大时滞、大惯性、模型不确定等特点的复杂系统进行有效地控制;该方法是可行的、有效的.     

基于灰色预测的大时滞过程的控制研究

针对传统PID控制对大时滞过程控制效果不佳的情况,采用基于GM(1,1)灰色模型对被控对象系统行为进行预测,并用等维新息、提高原始数据列的光滑度和改变初始条件三者结合的方法对该模型进行改进,得到一个改进的GM(1,1)模型.同时以GM(1,1)模型的发展系数a作为决定预测步长的依据,将其与传统PID结合,组成灰色预测控制系统对大时滞过程进行控制.仿真结果表明,与传统PID控制相比,该方法具有较强的适应性和鲁棒性,控制性能也得到了较明显的改善.     

液压舵机伺服系统灰色预测模糊PID控制

研究灰色预测模糊PID控制在液压舵机伺服系统中的应用问题。由于液压舵机伺服系统具有典型非线性和不确定性,传统的PID控制很难满足控制要求。为解决这一问题,提出了灰色预测模糊PID控制方法。在SimuIink中搭建液压舵机伺服系统的模型并进行仿真,灰色预测模糊PID控制无超调,调节时间为0．008s,消除干扰使系统再次达到稳定的时间为0．045s。结果表明：灰色预测模糊PID控制与传统PID控制、模糊PID控制相比,能有效加快系统的控制速度,缩短调节时间,提高控制精度,具有较强的抗干扰能力。     

基于RBFNN的非线性多变量系统的控制策略研究

针对非线性多变量大时滞系统,研究了一种基于神经网络的智能控制策略。它以经典的PID控制为基础,通过神经网络参数整定,用于多变量系统的解耦控制;用预测模型超前预测系统输出,以克服系统的时滞。该文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真。仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制律下的PID参数,解耦后的系统具有较好的动态和静态性能。该方法具有控制精度高、响应速度快的优点,并具有较强的自适应性和鲁棒性。     

基于神经网络的带钢跑偏电液伺服系统研究

带钢跑偏电液伺服控制系统的非线性和时变性使得传统的PID控制很难达到理想的控制效果,将神经网络与普通PID控制相结合形成神经网络自适应PID控制策略,应用于该系统实现其良好控制.为提高系统的动态响应速度及性能,采用RBF神经网络对系统进行辨识预测.首先建立带钢跑偏电液伺服系统数学模型,然后利用AMESim和Simulink软件对传统PID控制和神经网络自适应PID控制进行联合仿真.结果表明,神经网络自适应PID控制系统响应速度快、超调量小、鲁棒性强,并具有良好的稳定性和控制精度.     

锅炉温度系统的神经网络预测-PID串联控制

针对锅炉温度系统的非线性、滞后、时变等特性,提出了一种串联控制策略.提出基于神经网络的微分型预测控制算法,该方法的突出优点是能够加快调节时间.在此基础上结合常规PID控制器构成了预测-PID串联控制,这种串联控制的方法既有基于神经网络的预测控制在实时系统中抗干扰能力强的优点,又充分利用了PID控制方法响应速度快的特点....     

改进Smith控制与RBF单神经元PID的换热器控制系统

为了高效控制工质出口温度,维持换热器稳定运行,针对Smith预估控制算法及径向基函数(RBF)神经网络辨识单神经元比例-积分-微分(PID)控制算法特点,提出了Smith控制算法和RBF神经网络辨识单神经元PID相结合的控制策略,对Smith控制算法在结构上进行了改进,以提高RBF神经网络辨识单神经元PID控制的抗干扰能力,减少Smith控制算法对模型的依赖程度.仿真分析表明:应用于换热器工质出口温度控制系统,改进算法控制性能显著优于其它控制方法,抗干扰能力得到了大幅提高.     

基于BP神经网络的多变量PID解耦控制

基于神经网络的智能PID控制策略，以经典的PID控制理论为基础，并通过具有多变量解耦控制自学习功能的神经网络参数整定来实现。本文给出了网络的结构和算法，示出了一组二元变量强耦合时变系统的实时仿真结果。通过计算机仿真证明，基于神经网络的PID控制具有良好的自学习和自适应解耦控制能力。该系统融解耦器和控制器于一体，易于实现，适用于非线性多变量系统的解耦控制。它使解耦后的系统具有较好的动态和静态性能，特别是当根据BP控制规律确定了网络连接权系数的初值时，还能使系统参数快速收敛。     

3RPS/UPS并联机器人神经网络观测器反演控制

为了增强4D互动立体游戏仿真模拟平台的刚度和运动性能，将带冗余结构的3RPS/UPS并联机器人应用其中。首先对其结构进行介绍及逆运动学分析，然后针对传统PID控制在控制精度方面的不足，提出了一种基于神经网络观测器的反演控制方法。最后利用MATLAB对其进行建模以及系统仿真实验，并与传统PID控制以及一般的RBF神经网络自适应控制进行对比。由仿真结果可以看出，根据RBF神经网络观测器估计系统状态值，并应用反演控制理论设计控制器，能实现很好的状态观测，从而实现无需速度信号的位置跟踪。该方法也能够在一定程度上提高精度，且其整体控制效果优于传统PID控制器，相比于一般的RBF神经网络自适应控制也有了一定的改进。     

基于模糊专家模型的神经控制器及应用研究

针对具有严重非线性特性的pH中和过程,提出了一种基于模糊专家模型的神经控制策略,这种方法将神经网络逆控制器与神经元PID控制器相结合,并利用模糊专家模型所得到的预报结果来调整神经元PID的权值。仿真试验表明该方法能有效改善控制性能,所提出的方法实现了对pH过程的有效控制,并且有很强的适应性。     

船舶襟翼舵神经网络控制伺服系统

为了解决船舶襟翼舵在复杂的、非线性、不确定的海域环境中的高精度位置控制问题,将神经网络应用在伺服系统中充当控制器与辨识器,通过设计的神经网络PID控制器,使船舶位置伺服控制系统具有高稳定性,及鲁棒性好的特点,且具有要求的动态和静态性能。针对无刷直流力矩电机做了神经网络PID控制系统仿真,并与PID控制做了比较。仿真结果表明了神经网络PID(NN-PID)优越的动态和静态性能。