基于模糊神经网络的变换器自适应控制方法

提出了一种新型的基于模糊神经网络自适应PI调节电流控制电压型PWM变换器方法.结合了模糊神经网络控制与PI控制器,根据三相电流比较产生的三相电流误差和电流误差变化率,自动调整P、I参数,提高了电流的控制精度和变换器的动态性能.采用MATLAB/Simulink对常规PI控制器和模糊神经网络自适应PI控制器进行了仿真对比.仿真结果表明了采用模糊神经网络自适应PI控制器,其系统输出的误差及误差变化要小,系统的跟踪精度得以提高,动态性能得到改善.     

一种PID模糊控制器(fuzzy PI+fuzzy ID型)

提出一种二维PID模糊控制器,其结构形式筒称为fuzzy PI+fuzzy ID型.根据fuzzy PI和fuzzy ID控制器的图解说明,确定该fuzzy PI和fuzzy ID控制器的模糊控制规则的相似性.理论分析表明,该PID模糊控制器除具有常规PID性能外,还具有非线性等特点.仿真结果表明,与常规PID和fuzzy PI控制相比性能更优.     

基于TS模糊PID控制模型的发电机控制器设计

研究了对风力双馈感应发电机进行控制的TS模糊PID控制器;针对常规PID控制器难以应对某些对象参数变化大,延时环节较大以及噪声干扰等问题,提出了一种能对发电机控制的TS模糊PID控制器;首先定义了双馈感应发电机的数学模型,在此基础上提出了基于TS模型的PID模糊控制器设计方法,并将其用于双馈感应发电机有功功率控制问题中,最后在加入15%测量噪声干扰的情况下对发电机的TS控制器和TS-PID控制器分别进行了仿真;实验结果表明:采用TS模糊PID控制方法比常规PID具有更强的适应性、鲁棒性和可移植性。     

基于模糊PID原理的液位控制器的设计

分析了液位水平系统具有非线性、上升时间长、滞后现象的特点，讨论了常规PID控制器在控制中的局限性。在常规PID控制器的基础上，引入了模糊逻辑，设计出了一种模糊PID控制器，对PID三个参数进行了在线整定。实验结果表明这种模糊PID控制器具有比常规PID控制器更优良的特性。     

变论域模糊控制的无刷直流电机控制系统

为了改善无刷直流电机(BLDCM)的调速性能,研究了基于变论域思想的自适应模糊PID控制器及其在BLDCM控制系统中的应用,变论域自适应模糊控制对模型无精确要求、速度快、精度高、鲁棒性好、适应性强.详细分析了BLDCM电机模型的建立、控制结构设计、伸缩因子的选择等,给出了具体的控制算法设计,并在Matlab仿真平台下,构建了BLDCM的电流、转速双闭环控制的仿真系统,其中,转速环采用了变论域自适应模糊PID控制器.仿真结果表明,与常规PlD控制和普通模糊PID控制相比,采用变论域自适应模糊PID控制时,转速输出无超调,响应速度快.转矩脉动小,控制精度高,为无刷直流电机在军事、办公设备、家电等需要快速、高精度控制、抗扰能力强的场合的应用提供了一种有效的解决方案.     

混合模糊PID控制器在伺服控制系统中的应用

在分析了直流无刷电机伺服控制系统的基础上,提出了一种混合模糊PID跟踪控制器模型.该模糊PID控制器由3个并行的次模糊控制器组成,应用模糊算法在线自动整定PID参数;并利用Matlab/simulink建立仿真模型对模糊推理控制算法进行验证.仿真结果表明,混合模糊PID控制器的动静态特性优于传统单一的PID控制,对设计性能优良的伺服控制系统具有借鉴意义.     

模糊控制与PID控制的对比及其复合控制

在对PID控制与模糊控制进行对比的基础上提出了一种模糊PID复合控制方案.首先,分别设计了一个常规PID控制器和一个基本模糊控制器;然后,对两种控制方案进行了仿真对比研究,并对它们的优缺点进行了评价;最后,为了将两种方案取长补短、优势互补,设计了一种模糊PID复合型控制器.该复合控制器根据偏差范围的大小,通过模糊控制与...     

基于神经网络模糊PID的足球机器人控制算法研究

通过对足球机器人运动学模型进行分析,以足球机器人系统为实验平台,论证了神经网络模糊PID控制技术应用于足球机器人运动控制的可行性。将传统的PID控制与神经网络模糊控制相结合,通过PID算法实现控制的准确性,利用神经网络模糊控制提高控制的快速性与自适应性。针对足球机器人运动控制中的实际问题,着重提出了基于神经网络和模糊控制相结合动态调整PID控制器的三个参数KP,KI,KD的设计方法。实验证明该方法增强了控制器的调节能力和简化了控制器设计,同时本方法对模型和环境具有较好的适应能力和较强的鲁棒性。     

基于模糊-PI控制的SVC电压控制器的设计与实现

为提高电力系统电压稳定性,综合了模糊控制和PID控制的优点,提出一种基于模糊-PI控制的SVC的电压控制器设计方法.分析了SVC电压控制器的基本原理和组成,详细介绍了模糊-PI控制的设计实现过程.用DSP作为主控芯片开发出了控制器,给出了软硬件设计思想.对SVC进行了仿真验证,仿真结果表明模糊-PI控制比传统PI控制具有更好的动态性能,较小的超调量和较短的调节时间.     

自适应人工神经网络电机控制器设计

提出了一种自适应人工神经网络无刷直流电动机(BLDCM)转速控制器设计方法;针对传统PID调节器难以应对系统超调和短时振荡等问题,提出了一种结合人工神经网络和传统PID控制的新方法;首先建立了(BLDCM)的本体数学模型,在此基础上描述了将人工神经网络和PID控制相结合的模型,并对具体的控制算法进行了定义;最后,使用Matlab仿真工具对BLDCM控制实例进行了仿真;实验结果表明,结合人工神经网络和PID控制器的新控制方法具有响应快、鲁棒性强以及控制精度高等优点,很好地抑制了超调和振荡。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

退火炉温度模糊PI控制器的设计与仿真

在退火炉控制系统中,常规的PID控制器及传统的模糊控制器难以达到理想的温度控制效果,针对常规PID控制器或者模糊控制器在控制具有非线性、纯滞后、时变特点的退火炉温度时存在的缺点,文中提出一种结合模糊控制器和PI控制器优点的模糊-Pl退火炉温度控制策略。文中对该模糊-PI控制器进行详细的设计,并用Matlab／Simulink软件对算法进行建模仿真,结果表明该控制器动态响应快、超调小、稳态精度高、鲁棒性好。模糊-PI控制器具有良好的控制性能,非常适合参数时变的大滞后退火炉控制系统。     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验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。     

基于模糊神经网络的温度控制系统设计

实验室温度控制系统要求精度高,并且具有非线性、大惯性及数学模型难建立等特性,这使得用常规PID控制器以及一般模糊控制器无法很好地满足系统要求,而本文在一般模糊控制器的基础上,融合神经网络技术,设计出模糊神经网络控制器,它既有模糊控制鲁棒性好、动态响应好、上升时间快、超调小的优点,又具有神经网络的在线自学习能力,可以实现温度的智能控制,在实际应用中取得良好的效果。     

在线知识获得智能模糊控制器研究

对一些复杂的系统。传统PID或模糊控制很难得到满意控制效果，本文提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来进行控制。由遗传算法在线优化模糊控制器的比例因子、模糊推理规则和隶属函数。并由RBF网络辨识被控对象的动态特性，以评价模糊控制器控制性能。仿真实验表明。优化后的Fuzzy控制器具有较强的学习和自适应控制能力，控制效果优于没有寻优的Fuzzy控制。     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

基于可变学习率BP算法的空调控制系统的研究

通过分析控制器参数学习率和控制器性能之间的关系,设计一种基于可变学习速率反向传播算法VLRBP和模糊神经元网络的变频空调控制系统.该系统不仅可以通过反传误差信号训练控制器参数,而且可以根据网络的当前状态朝最优化方向调整控制器参数的学习率.实验结果表明,该控制系统不仅比传统的空调PID控制器和模糊控制器具有更好的控制性能,而且相比基于标准BP算法和动量BP算法的模糊神经网络控制系统,也具有更快的收敛速度和更好的控制精确度.     

无刷直流电机模糊PI系统的建模及仿真

针对无刷直流电机的传统PI控制策略存在的局限性,即PI控制器控制参数不能随环境变化而调整,不具有整体优化功能,给出了一种模糊PI控制建模方法。利用模糊集合的隶属度函数,模糊控制规则以及清晰化方法,基于Matlab/Simulink平台并结合电机转子位置信号,建立无刷直流电机模糊PI控制系统的仿真模型。仿真结果表明,模糊PI控制加快了系统响应时间、减小了超调,具有较强的鲁棒性和自适应能力,使系统获得了较好的控制性能,具有较好的应用价值。     

一种融合型智能PID控制器的研究与应用

本文介绍了一种基于神经网络和模糊控制技术相融合的智能PID控制器的设计。仿真和实际应用结果表明,这种融合型智能PID控制器具有超调量小、调节时间短的优点,提高了控制系统的实时性和抗干扰能力。     

模糊神经网络pH控制器的DSP实现

针对pH值控制过程具有较强非线性、纯滞后性的特点，传统PID控制往往达不到满意控制效果。介绍一种将模糊控制技术与神经网络技术相结合构成的模糊神经网络pH控制器，通过数字仿真显示了该控制算法的控制效果优于传统的PID控制和一般的模糊控制算法。并将提出的模糊神经网络控制算法在DSP上进行了实现．通过模拟实验验证了该控制器的可行性。