永磁同步电机的复合控制及参数自整定研究

针对常规的比例-积分-微分(PID)控制器性能不足,以及PID参数手动调整不便等问题,对前馈控制结构及径向基函数(RBF)神经网络进行了研究,提出了一种"三闭环+前馈"的复合PID控制结构。利用RBF神经网络对控制系统进行了在线辨识,结合梯度下降法对控制器的PID参数进行了自动调整,并在实验平台上进行了常规的三闭环PID控制器和"三闭环+前馈"的复合PID控制器的对比实验,以及位置环PID参数自整定的实验。研究结果表明:相比于常规PID控制结构,复合控制结构的位置响应性能提高了12%,速度响应性能提高了31%;利用RBF神经网络能够实现PID参数的自整定,且整定效果较好。     

基于RBF神经网络在带钢厚度控制中的应用

轧钢厚度控制系统的数学模型难以精确建立,传统的PID控制器的自适应能力较差,很难达到满意的控制效果。本文根据以上问题。提出了一种新的控制方法,即基于RBF神经网络自整定PID控制方法。这种控制方法结合了RBF神经网络和PID控制器的控制优势,不仅具有很强的自适应能力、鲁棒性。而且充分发挥了PID控制优势,并且将这种控制方法应用在带钢厚度的控制系统中,取得了很好的控制效果,证明了控制方案的正确性和有效性。     

神经网络分数阶PI~μD~λ在压电叠堆控制中的应用

为了克服压电叠堆的迟滞特性,实现压电叠堆的精确控制,建立了压电叠堆控制系统,研究了该系统所用到的神经网络、分数阶微积分等算法。首先,搭建了采集压电叠堆位移数据的硬件系统,并对含有噪声的位移数据进行了滤波处理;利用径向基函数(RBF)神经网络对压电叠堆建模,得到了模型参数。然后,利用RBF神经网络建模得到的Jacobain信息来整定分数阶PI~μD~λ控制器中的参数对压电叠堆进行控制。最后,与RBF整数阶PID对压电叠堆的控制效果进行了对比。结果显示:RBF建模误差仅为位移实测数据的0.22%,RBF神经网络分数阶PIμDλ控制系统输出稳定,很好地跟随了给定。得到的结果表明RBF神经网络分数阶PI~μD~λ控制器控制性能良好,在压电叠堆的控制中比RBF整数阶PID控制器表现得更加稳定、精确。     

基于RBF-PID的多功能包装机热封温度控制

针对多功能包装机热封温度控制系统具有非线性和时滞性的特点,设计基于RBF-PID控制算法的多功能包装机热封温度控制系统。构建RBF的三层神经网络模型,利用其自学习和无限逼近任意函数的能力对PID控制器的三个参数进行实时在线调节,将该控制器与传统PID控制器进行Simulink仿真对比。结果表明:RBF-PID控制器较传统PID控制器超调量小、鲁棒性好,能够有效的提高多功能包装机热封温度控制系统的控制精度和稳定性,从而提高了产品的包装封口质量。现场运行显示:温度控制在±1.8℃和精度在1.5%以内,具有一定的应用价值。     

电液比例加载系统的RBF神经网络PID控制

使用自整定径向基函数(radial basis function,RBF)神经网络PID控制技术,以实现电液比例加载系统的静力加载控制.自整定RBF神经网络PID控制器的设计不需要被控对象的详细模型,且控制参数能够在线调节,从而可以保证不同控制任务下的控制性能.通过仿真,验证了所设计的自整定RBF神经网络PID控制器的正确性和有效性,以及相对于传统PID控制器的优越性.     

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.     

基于自适应PID控制器的平面一级倒立摆的研究

倒立摆是一个强耦合、严重不稳定的系统,其背景来源于火箭发射等课题.在该系统中,PID控制器常常被采用.由于该系统在建立数学模型时次要的因素被忽略了,实际上是一个非线性系统;为了提高系统的控制性能,根据计算智能逼近非线性系统的功能,设计一个RBF神经网络控制系统,实现对常规PID控制器的参数进行自适应整定.最后使用BC++编写系统的控制程序,通过实物控制验证基于RBF神经网络的PID控制器参数的自适应整定的系统具有较好的瞬态性和鲁棒性.     

基于改进RBF神经网络PID控制的液压起重机节能仿真

液压起重机在驱动小负载时,导致液压泵输出功率较大,造成能源浪费。对此,提出了改进径向基函数(RBF)神经网络PID控制方法,并对液压泵输出功率进行仿真。创建液压起重机平面简图,设计了负载敏感平衡阀,推导液压起重机驱动动力学方程式。对传统RBF神经网络结构进行改进,设计了动态自适应RBF神经网络PID控制器,采用Matlab软件对液压起重机改进RBF神经网络控制效果进行仿真。结果表明:在空载或轻载工况下,悬臂在上升过程中,采用RBF神经网络PID控制与改进RBF神经网络PID控制方法,液压泵输出功率几乎一样;悬臂在下降过程中,采用改进RBF神经网络PID控制方法,液压泵输出功率较小。在空载或轻载工况下,液压起重机采用改进RBF神经网络PID控制方法,能够降低液压泵能耗损失,节约资源。     

电锅炉温度控制系统PID参数整定算法的改进

针对电锅炉温度控制系统常规PID控制性能欠佳的问题,提出一种PID参数整定的改进算法。先用RBF网络在线辨识温度采样信息,得到控制器所需的Jacobian信息,然后用LM算法代替传统的梯度法整定PID参数,得到改进的PID算法。通过电锅炉温度控制系统仿真分析,验证了算法的快速性、抗扰性、鲁棒性,具有较好的应用前景。     

基于RBF的改进单神经元PID控制

提出一种基于RBF辨识神经网络算法的改进神经网络PID控制,应用最优控制理论中的二次型性能指标加入到控制算法中的加权系数学习修正部分,将RBF与单神经元相结合构成PID控制器,通过Matlab对指定对象仿真控制,得到了良好的效果.比起以往的神经网络PID控制,改进的算法在学习速度和实时性都得到了提高.     

基于PSO的RBF神经网络的变频调速系统的研究

采用粒子群和RBF神经网络算法相结合的方法构造PSO-RBF神经网络PID控制器,利用S函数编写了MATLAB的PSO-RBF神经网络PID的M文件,并在SIMULINK环境下建立了基于PSO-BF神经网络PID的变频调速系统。仿真结果充分表明了该控制器具有良好的鲁棒性、跟随性和稳定性,而且改善了原系统的动态特性,证明了该方法在变频调速系统中的应用价值。     

超声-电火花加工平台建模与控制算法研究

针对平台所用的永磁同步伺服电动机,推导出永磁同步伺服电动机的数学模型,建立支路控制系统数学模型,并求出传递函数,针对超声-电火花复合加工的特点提出RBF神经网络PID控制算法。通过Matlab仿真结果对比,得出结论,与传统PID控制算法相比,RBF神经网络PID控制算法可以减少加工平台的调节时间、超调量,并且增加控制系统的抗干扰性。     

BP-PID在无线网络控制系统中的应用

为了处理无线网络的引入对控制系统带来的不确定时延干扰问题,结合PID控制器和BP神经网络的学习能力,设计了具有神经网络调节能力的综合PID控制器。该控制器首先获得无线网络控制系统的输入、输出和偏差信息,而后通过不断地调整BP神经网络的权值来对PID控制器的三个参数进行整定。当PID控制器获得整定后的参数后,会通过增量式算法计算出被控对象的输入信号。为验证该控制器的性能,利用Matlab的TrueTime工具箱搭建出了基于无线网络控制系统的实时仿真环境。仿真数据表明,BP-PID控制器比单一的PID控制器具有更强的抗干扰性,它具有的在线整定能力弥补了单一PID控制器的不足。     

基于BP神经网络PID机房温度控制研究

基于一种适用于数据中心信息机房温度调节的通风地板，利用计算流体力学搭建了房间系统数学模型，设计BP神经网络控制规则对传统的PID控制进行优化从而提升控制效果。利用Matlab中S函数的编写对控制器进行设计，并用Simulink搭建传统PID与BP神经网络PID的温度控制系统。仿真结果表示添加了BP神经网络算法的PID控制器效果稳定性提升了40%，超调量变小且无静差。将控制方法应用到机房温度分布不均匀的实际工程中，结果显示所提方法能够保证机房温度均匀分布，节能效率显著提升。     

基于RBF网络的多变量系统自适应预测PID控制器

针对非线性、多变量、大滞后耦合系统使用常规PID控制难以达到理想效果,提出了一种基于RBF网络的自适应预测PID控制器.该控制器利用递推多步预测克服时滞,并采用基于RBF网络整定的PID控制器在线调整控制器参数,从而克服了系统的耦合作用,提高了控制系统的输出跟踪精度.仿真结果表明,该方法控制效果良好,具有较快的系统响应、较强的自适应性和鲁棒性.     

基于智能算法的多缸同步控制系统研究

介绍了多缸电液伺服同步控制原理和神经网络控制原理,提出了神经网络PID算法,设计了神经网络PID控制器。推导出多缸液压同步控制系统的传递函数,并把该控制器应用到多缸液压同步控制系统中。经过仿真研究表明该控制器控制效果良好,能满足多缸电液伺服系统的同步控制要求。     

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。     

电液负载模拟器的RBF神经网络控制

针对传统控制器自适应能力和鲁棒性差、参数调节繁琐等缺陷,提出了神经网络自适应控制方案,同时针对神经网络控制器计算复杂和稳定性证明缺乏理论依据等不足问题,在传统控制理论的基础上设计了基于PID的神经网络控制方案。根据电液负载模拟器的结构特点和目前神经网络控制的发展水平,提出了基于RBF神经网络的PID控制器,并构建了负载模拟器的神经网络控制与基于Jacobian的消扰(消除多余力)结构,仿真和试验证明其具有很好的自适应性和鲁棒性。     

车辆主动悬架控制策略的联合仿真研究

根据PID控制原理、模糊控制理论和神经网络控制理论,建立主动悬架单神经元控制器和神经网络PID控制系统,主要是利用S函数建立了主动悬架单神经元控制器;并建立了由三层BP神经网络进行在线辨识,并在此基础上建立对神经PID控制器权值进行在线调整的在线辨识神经PID控制系统,并进行联合仿真,将其输出的振动加速度等参数与传统的PID控制策略进行分析和比较,模糊控制理论和神经网络控制理论的应用对悬架的平顺性有更好的改善作用,也说明了采用联合仿真方法的有效性和准确性。     

一种基于LS-SVM与PID复合的逆控制系统

针对逆系统中非线性逆模型辨识困难的问题,研究了基于最小二乘支持向量机(LS-SVM)的逆模型辨识及控制,并用微粒子群算法(PSO)优化LS-SVM的参数和核函数参数。提出了一种由LS-SVM的逆模型与PID结合的复合控制系统,由LS-SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制。同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷。仿真研究结果表明LS-SVM的逆模型辨识能力强,该复合控制系统具有比基于最近邻聚类的RBF神经网络逆控制系统更优的动态跟踪性能,更好的抗干扰能力和鲁棒性。