仪用模糊神经网络PID控制器的研究

针对仪用控制器的特点,本文提出了一种实用的仪用模糊神经网络ＰＩＤ控制器闭环设计方法,研制了模糊神经网络控制器设计开发软件,进行了大量的不同工业背景的计算机仿真,得出的控制器参数（网络权值,网络阀值）由单片机控制系统实现。实验表明：该方法在被控对象输出特性和Ｄ／Ａ输出给执行器的动作特性上都具有令人满意的曲线效果。同时亦证明这是一种实现仪器仪表智能化的有效方法。     

基于PSO训练的NN-PID控制器设计及其FPGA实现

提出了一种基于PSO学习、VHDL描述和FPGA实现的NNPID控制器设计方法。首先借助MATLAB系统仿真工具,在闭环控制系统中通过PSO优化算法训练前馈网络,得到优化的NNPID控制器参数;然后在FPGA集成开发环境下进行控制器的VHDL层次化设计,重点研究单个神经元和前馈网络的结构以及实现方式;最后对该控制器进行了闭环时序测试,并在一个具体的FPGA器件上实现。研究结果表明,PSO用于NNPID控制器训练速度快,VHDL描述和FPGA实现该控制器时序验证方便,而且控制器具有较好的鲁棒性。     

大纯滞后系统的Smith-NN预估控制

本文提出了一种基于神经网络技术的Ｓｍｉｔｈ－ＮＮ预估控制方法，旨在克服被控对象的时变性、非线性和不确定性给大纯滞后补偿带来的影响。经在我们研制的网络开发环境下的闭环ＮＮ控制器学习，Ｓｍｉｔｈ预估器设计，以及Ｓｍｉｔｈ－ＮＮ预估控制的闭环测试，证明了该技术路线的可行性。同时，经大量的控制系统仿真实验，特别是对ｐＨ过程、动态称重过程的实验研究，证明这是一种克服大纯滞后的有效方法。另外，该方法简捷，容易由基于汇编语言的智能仪表实现。