用于电阻炉的单神经元PID控制器的设计及仿真

本文对传统电阻炉PID控制器的不足之处进行了分析,阐述了单神经元PID控制算法的优点。介绍了基于有监督hebb学习算法,并结合实际控制经验而设计的单神经元控制器。分析了单神经元控制器中各个参数的意义与取值原则,并用Matlab软件对单神经元控制器在阶跃输入信号的情况下进行了仿真。仿真内容有：连接权值、k值变化对系统的影响及选取方法;单神经元PID控制器与常规PID控制器的抗干扰能力和调节性能对比。仿真结果证明,该单神经元控制器具有很好的参数自整定能力,且抗干扰能力强,超调量小,其各方面的控制效果均优于常规PID控制器。用于电阻炉温度控制系统的单神经元控制器较之传统的PID控制器能取得更好的控制效果。     

一种模糊神经解耦混合控制器的研究

该文将模糊神经网络与Pl控制技术相结合构成一种模糊神经解耦混合控制器。新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。仿真结果表明，该控制方法对非线性时变系统有较好的控制效果。     

天然气发动机空燃比智能控制策略的研究

该文详细介绍了基于神经网络的控制器在天然气发动机空燃比中的控制实现，并用Matlab进行了仿真，仿真结果表明，其控制效果优于基于PID的控制器，所研究的基于单神经元控制器的学习算法在工程上易于实现，在发动机空燃比控制的工程应用中有很好的前景。     

非线性系统的PID控制器的研究与设计

研究工业过程控制,非线性系统难以建立其精确的数学模型,常规PID算法难以实现其控制.对此,将神经网络算法和PID算法结合起来,为提高性能和响应速度,设计了针对非线性系统的自适应PID控制器,PID控制器采用单神经元来实现自适应调整.分别采用了三种学习算法来实现单神经元PID控制器参数的调整,即基于二次型性能指标的学习算法、基于BP神经网络辨识的学习算法和基于RBF神经网络辨识的学习算法.三种算法的仿真结果表明,都实现了PID控制器的自适应调整的目的,实现对非线性系统的有效控制,证明三种方案的可行性.     

基于单神经元的水下机器人S面自适应运动控制

从模糊逻辑控制方式出发,借鉴PID控制结构而形成的S面控制自身不具有自调整能力。为了加强机器人运动控制的自主性,改善控制的动态响应特性,探讨了基于单神经元的S面自适应控制学习算法,实现了控制参数的自动调整,增加的积分项改善了机器人的动态响应特性。实验结果和实际应用表明,基于单神经元的S面自适应控制器对于水下机器人的运动非线性控制具有响应速度快、超调小、自学习能力强、设计简单等多种优点。     

基于电阻炉的单神经元PID控制器的设计及仿真

对传统电阻炉PID控制器的不足之处进行了分析,阐述了单神经元PID控制算法的优点。介绍了根据有监督hebb学习算法,再结合实际控制经验而设计的单神经元控制器。分析了单神经元控制器中各个参数的意义与取值原则,并用Matlab软件对单神经元控制器在阶跃输入信号的情况下进行了仿真。仿真内容有:连接权值、K值变化对系统的影响及选取方法;单神经元PID控制器与常规PID控制器的抗干扰能力和调节性能对比。仿真结果证明单神经元控制器具有很好的参数自整定能力,且抗干扰能力强,超调量小,控制效果在各个方面都要优于常规PID控制器,单神经元控制器用于电阻炉温度控制系统比传统的PID控制器能取得更好的控制效果。     

单神经元自抗扰控制技术在汽包水位系统中的应用

针对自抗扰控制器(ADRC)在锅炉汽包水位控制系统中整定参数较多且不易整定的不足,提出了单神经元自抗扰控制(SNADRC)技术方案。自抗扰控制器是一种新型的非线性控制器,对模型精度要求不高,且具有优良的鲁棒性能和较好的控制品质。单神经元具备良好的自学习、自整定能力,以及结构简单、算法收敛快、适应能力强的特性。该方案采用单神经元控制模块,改进了自抗扰控制器的非线状态误差反馈(NLSEF)模块,不仅降低了参数整定的数目,且具有较强的自我调节和自我学习的能力,实现了参数的在线自整定。对传统PID锅炉汽包水位控制系统与单神经元自抗扰锅炉汽包水位控制系统的控制性能进行了比较。仿真结果表明,单神经元自抗扰控制系统超调量更低,抗干扰能力更强。该控制器具有优良的应用前景。     

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。     

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.     

纯滞后系统的单神经元Smith预测控制

该文针对纯滞后的特点,给出了一种新的单神经元Smit预测控制算法,即由单神经元控制器和Smith预估器组合的复合控制,并将其应用于以电炉为被控对象的计算机湿度控制系统。实验结果表明,这种控制方式能够充分利用神经元自学习的能力及补偿控制的优点,具有较好的适应性和抗干扰能力。     

神经元滤波型2自由度PID控制器研究

本文给出了一种用神经元实现的给定值滤波型2自由度PID控制器．这种控制器利用 神经元权值自学习功能解决了2自由度PID控制器参数整定这个难题并使系统具有自适应能力 ．物理实验表明：神经元滤波型2自由度PID控制器具有应用价值．     

不确定对象的人工神经网络自学习控制方法

利用模糊控制的思想,将误差、误差变化及加速度作为输入,建立一个神经网络控制 器,对具有不确定性控制对象提出了一种自学习模糊神经网络控制方法.并将此方法用于焊接 熔池动态过程控制的有效性试验.     

复杂工业过程的遗传模糊神经网络控制

本文提出一种基于遗传算法和监督学习方法的有效模糊神经网络控制，这种控制器采用并行处理的推理网络，具有两个重要特点：自适应和学习性，所提方法经过仿真和温控验证表明控制性能良好。     

Fuzzy adaptive single neuron NN control of brushless DC motor

Inherently, the brushless DC motor (BLDCM) is a nonlinear plant. So, it is hard to get a good performance by using the conventional PI controller for the speed control of BLDCM. In this paper, a fuzzy adaptive single neuron neural networks (NN) controller for BLDCM is developed. The fuzzy logic system (FLS) is adopted to adjust the parameter K of single neuron NN controller online. By this way, performance of the system can be improved. Performances of the proposed fuzzy adaptive single neuron NN controller are compared with the performances of conventional PI controller and normal single neuron NN controller. The experimental results demonstrate that a good control performance is achieved. The using of fuzzy adaptive single neuron NN makes the drive system robust, accurate, and insensitive to parameter variations.     

On-line constructive fuzzy sliding-mode control for voice coil motors

In this paper, a voice coil motor (VCM) featuring fast dynamic performance and high position repeatability is developed. To achieve robust VCM control performance under different operating conditions, an on-line constructive fuzzy sliding-mode control (OCFSC) system, which comprises of a main controller and an exponential compensator, is proposed. In the main controller, a fuzzy observer is used to on-line approximate the unknown nonlinear term in the system dynamics with on-line structure learning and parameter learning using a gradient descent algorithm. According to the structure learning mechanism, the fuzzy observer can either increase or decrease the number of fuzzy rules based on tracking performance. The exponential compensator is applied to ensure the system stability with a nonlinear exponential reaching law. Thus, the chattering signal can be alleviated and the convergence of tracking error can be speed up. Finally, the experimental results show that not only the OCFSC system can achieve good position tracking accuracy but also the structure learning ability enables the fuzzy observer to evolve its structure on-line.     

基于单个神经元的自适应模糊控制器及其应用*

本文利用单个神经元在线调整常规模糊控制器的模糊控制查询表,以改善其性能,仿真和铣削加工过程控制试验结果表明,本文提出的神经元模糊控制器性能估于常规模糊控制器。     

在线参数优化的环境试验箱研究

提出了基于二次型性能指标学习算法的单神经元PID控制算法,应用在工业用环境试验箱设计,给出相应的软硬件设计。样机实验表明,这种新的控制策略学习速度快,动态响应时间短,实现了参数的在线优化,使系统具有良好的动态品质和稳态性能。     

一种采用增强式学习的模糊控制系统研究

提出一种新的自学习模糊控制系统,该系统有机地集成了BB(Bucket—Brigade)算法和遗传算法,组成一种新的增强式学习(Reinforcement Learning)算法,能够在缺少输入—输出样本集的情况下自动学习生成模糊控制规则,调节隶属度函数。     

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。