基于RBF在线辨识的AGV转向单神经元PID控制

针对自动引导车(AGV)转向系统的复杂、非线性和时变性,提出了基于RBF神经网络在线辨识的单神经元PID控制来改进常规的PID控制性能.在该控制系统结构中,采用RBF神经网络辨识器实现对转向系统的Jacobian矩阵信息的在线辨识,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制.实验结果表明,与常规的PID控制方法相比.该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全可适用于AGV转向系统的控制.     

针对纯滞后系统的RBF神经网络智能控制的研究

针对工业控制过程中普遍存在的大惯性、纯滞后、时变性、非线性对象的控制问题,采用传统的控制方法不能达到满意的控制效果,提出了基于RBF神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型,自动调整PID控制器参数,从而实现系统的智能控制。仿真结果表明：该方法对于纯滞后控制系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

基于RBF神经网络的电液伺服系统应用研究

采用RBF神经网络实现对电液位置伺服系统辨识建模,在线跟踪系统模型的变化,以此为基础设计控制参数可在线调节的神经网络PID控制器,解决系统非线性以及不确定性给系统带来的控制问题,提高系统的控制性能,实现系统的智能控制。     

基于模糊神经网络PID的线切割张力控制系统的分析

分析了张力系统与模糊PID控制之间的关系,及控制系统对线切割机床加工精度和效率的影响。往复走丝线切割张力控制包含复杂的非线性问题,而模糊PID控制器在处理非线性问题方面有很大优越性。用神经网络建立模糊控制规则表,调整PID参数,使模糊PID对张力控制效果达到更好。利用神经网络和模糊PID结合的方法,分析神经网络模糊PID实现的控制,证明模糊神经网络PID控制系统具有较好的鲁棒性和优越性。     

基于神经网络内模的电加热炉温度控制研究

针对加热炉温度控制中存在的非线性、大滞后问题,以实验室电加热为对象,提出了一种基于BP神经网络的内模控制方法,即用神经网络对复杂系统的辨识能力来实现内模控制中被控对象的正模型及内模控制器.仿真结果表明,该控制方法控制效果良好,与PID控制系统相比具有较强的鲁棒性,从而为加热炉的控制问题提出了一种新的方法.     

倒立摆的PID神经元网络的间接控制系统的研究

摆系统是一个典型的强耦合、非线性、高阶次的不稳定系统.由于摆系统的数学模型是在忽略了次要因素的基础上得出来的,而实际上是一个非线性的系统,当系统受到外部的干扰时,这些次要因素的影响比较突出.实验采用PID神经元,设计一个神经网络间接自适应控制系统,首先用一个神经网络对摆系统模型进行辨识,辨识完成后,辨识模型的权值与隐层积分元的数值传递给具有同样结构的PID神经元的神经网络控制器,对倒立摆进行自适应控制.最后根据以上算法,采用6.0编写控制程序,实现对平面一级摆系统的实时控制.     

基于BP神经PID的干粉砂浆搅拌储罐控制系统

本文针对干粉砂浆搅拌储罐湿度自动控制系统的时滞性,复杂的非线性特性,难以建立精确的数学模型;对象和环境的不确定性,常规PID控制方法很难对其进行有效控制的问题,而且在实际应用中其参数整定问题一直是尚未很好解决的难点。为了建立有效的系统模型并解决控制参数整定问题,改善系统性能,将BP神经网络算法应用到干粉砂浆搅拌储罐湿度自动控制系统的系统在线辨识器(NNI)和自适应PID控制器(NNC)中,由NNI对被控对象进行在线辨识的基础上,通过对NNC的权系进行实时调整,实现PID神经网络的自学习和逼近任意函数的功能,在控制过程中根据变化实时调整PID的三个控制参数,从而进行PID控制参数的在线整定。     

平面二自由度五杆机构BP神经网络整定PID控制

针对平面二自由度五杆机构的轨迹跟踪问题,设计了一种基于BP神经网络整定的PID控制方法。该控制方案利用BP神经网络学习辨识机构系统的未知非线性动态,可以在线调整PID控制参数,以实现高精度控制。仿真结果显示该控制策略可以精确实现对于五杆机构的轨迹跟踪控制,该方法具有较好的自适应性和鲁棒性。     

基于神经网络PID控制的系统非线性校正的研究

在对BP神经网络PID控制器系统研究的基础上，提出了单神经元的自适应PSD算法。该算法兼有单神经元和自适应PSD算法的特点，简单、实时性好、自适应能力强，可用于控制过程时变、有大滞后的较复杂的对象，是一种实用价值较高的自适应控制算法。文中采用BP神经网络PID控制与单神经元PSD自适应控制两种方法对压电式微位移系统进行非线性控制，并取得了良好的效果。     

基于小波神经网络的控制方法及其应用研究

提出一种基于小波神经网络的控制方法,该方法利用两个小波神经网络作为控制系统的辨识器和控制器来构成控制系统。小波神经网络辨识器能更准确逼近非线性对象,小波神经网络控制器能产生复杂的最佳控制规律。仿真结果表明系统具有逼近精度高、控制效果好、抗干扰能力强等优点。     

用FCGA优化的四辊冷轧机恒张力模糊控制系统

为了保证冷轧机轧制中带钢恒张这一特点，设计了四辊冷轧机恒张力模糊控制系统。该系统含有电压、电流和速度三个内环，最外环为张力环；电压环和电流环采用一维模糊控制器控制，速度环和张力环采用二维模糊控制器控制。为了加强模糊控制的自适应性，采用了一种模糊控制的遗传算法将外张力模糊控制器的隶属参数进行优化。理论分析和仿真结果都表明该系统对带钢恒张控制具有很强的鲁棒性和实时性，即使在变工况下（大范围变负荷下）也保持了良好的控制性能。     

抓斗挖泥船平挖的智能控制及仿真

设计了一种基于模糊神经网络的PID控制器,将其运用到大型抓斗挖泥船平挖控制系统中。该系统建立一个两输入三输出的模糊神经网络,并提供样本进行自学习。在Simulink中对基于模糊神经网络的PID控制系统和常规PID控制系统进行平挖运动仿真,结果表明,与常规控制相比,该网络能使系统的响应更为迅速,超调量小,鲁棒性强。     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

GA-BASED PID NEURAL NETWORK CONTROL FOR MAGNETIC BEARING SYSTEMS

In order to overcome the system non-linearity and uncertainty inherent in magnetic bearing systems, a GA(genetic algorithm)-based PID neural network controller is designed and trained to emulate the operation of a complete system (magnetic beating, controller, and power amplifiers).The feasibility of using a neural network to control nonlinear magnetic beating systems with unknown dynamics is demonstrated. The key concept of the control scheme is to use GA to evaluate the candidate solutions (chromosomes), increase the generalization ability of PID neural network and avoid suffering from the local minima problem in network learning due to the use of gradient descent learning method. The simulation results show that the proposed architecture provides well robust performance and better reinforcement learning capability in controlling magnetic bearing systems.     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

GA-BASED PID NEURAL NETWORK CONTROL FOR MAGNETIC BEARING SYSTEMS

In order to overcome the system non-linearity and uncertainty inherent in magnetic bear-ing systems,a GA(genetic algorithm)-based PID neural network controller is designed and trained to emulate the operation of a complete system (magnetic bearing,controller,and power amplifiers). The feasibility of using a neural network to control nonlinear magnetic bearing systems with un-known dynamics is demonstrated. The key concept of the control scheme is to use GA to evaluate the candidate solutions (chromosomes),increase the generalization ability of PID neural network and avoid suffering from the local minima problem in network learning due to the use of gradient descent learning method. The simulation results show that the proposed architecture provides well robust performance and better reinforcement learning capability in controlling magnetic bearing systems.     

神经网络方法在循环流化床燃烧中的应用

本文分析了循环流化床锅炉燃烧控制系统的特点。针对主蒸汽压力控制系统。提出一种新型的基于改进BP神经网络的PID控制方法。该方法将神经网络和PID控制策略相结合。既具有神经网络自学习、自适应及逼近任意函数的能力。又具有常规PID控制器结构简单的特点。仿真研究表明这种BP神经网络PID控制能克服对象的大惯性、抗干扰性。大大改善控制品质。     

负载模拟器的DRNN神经网络控制

为了增强负载模拟器的自适应能力以抵抗系统的非线性、时变参数及运动扰动的影响,特提出利用对角回归神经网络(DRNN)与PID的并联进行控制与调节的控制方法。PID保证了系统的初始稳定性,由于神经网络引入了速度信号作为参考输入,使系统具有了很好的自适应消扰能力,减小了多余力的影响。仿真和试验证明了该方法的可行性和有效性,收到了很好的控制效果。     

神经网络在温度控制系统中的应用

与常规控制方法相比较，神经网络控制系统有许多典型的先进特性，介绍了一些人工神经网络的基本概念及学习算法，最后，将神经网络PID控制器取代基本PID控制器用在浴室水箱温度控制中，仿真结果表明这种控制方法有很好的控制效果。     

模糊神经网络PID控制在振动打桩机中的应用

针对双马达电液伺服系统难以进行同步控制,实现无级调频调矩的问题,提出了基于Mamdani型的模糊神经网络PID控制方法。该方法的主要思想是结合模糊推理和神经网络控制技术,构成模糊神经网络,实时调整PID参数。实验结果表明：与传统PID控制方法相比,该方法改善了系统的动态特性,提高了控制精度。