基于CMAC（神经网络）与PID的并行控制

针对非线性系统,提出一种由CMAC神经网络与PID并行控制的模式.由于CMAC具有常规控制器所不具有的优越性能,故CMAC PID的并行控制在一定程度上克服了常规控制器所不能避免的一些弊端.并用仿真实验进行了验证.     

基于神经网络的PID控制

论文讨论了基于神经网络理论的PID控制,并将其应用到了直流调速系统的仿真中,仿真结果表明它具有良好的鲁棒性。     

基于神经网络的非线性预测自整定PID控制

提出在利用前馈神经网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合自整定PID方法，实现非线性系统控制，神经网络在线辨识时采用学习速度较快的扩展Kalman滤波方法，仿真实验表明了该方法的有效性．     

一种基于非线性PID神经网络算法的PMSM控制

针对常规PID控制器无法很好地应对永磁同步电机参数变化和负载扰动等不确定因素的影响,设计一种以三角函数为神经元激励函数的非线性PID神经网络控制器,并将其与常规PID控制器相结合用于永磁同步电机控制.仿真实验结果表明,该控制系统具有快速的响应能力、更好的动态性能和更加稳定的跟踪性能,适合于永磁同步电机速度控制.     

基于BP神经网络的多变量PID解耦控制

基于神经网络实现智能PID控制的策略,它以经典的PID控制为基础,通过神经网络参数整定实现,进而进行自学习,用于多变量系统的解耦控制.论文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真.通过计算机仿真证明了基于神经网络的PID控制器网络结构简单规范具有良好的自学习和自适应解耦控制能力.系统易于实现,融解耦器与控制器于一体,适用于非线性多变量系统的解耦控制.能够使解耦后的系统具有良好的动态和静态性能,特别是依据BP控制规律来确定网络连接权的初值,还具有参数快速收敛的优点.     

基于神经网络的自适应PID控制

本文提出了一种采用人工神经网络的自适应PID控制结构。在该控制结构中,一个三层反向传播神经网络用于对被控对象进行在线辨识;另一个二层线性神经网络构成具有传统PID控制结构的控制器。对PID控制器网络的在线训练方法,本文进行了较详细的叙述。仿真及实时控制实验研究表明,本文提出的控制方法可取得满意的效果,并易于在线实现。     

基于模糊PID的机器人恒力磨抛控制研究

为了提高工件表面的磨抛质量,提出一种基于模糊PID的恒力控制算法,以打磨压力误差e和压力误差变化率ec为输入变量,将模糊控制与普通PID结合,对打磨头的压力和位置进行控制.文中将该方法与传统PID方法进行仿真对比,并基于FANUC机器人构建恒力打磨平台,结果表明:该方法具有更快的调节速度、更小的超调量和良好的稳定性,恒力磨抛的工件表面粗糙度在0.18～0.22μm之间,有效地提高了磨抛质量.     

基于神经网络PID控制的电液位置伺服系统

针对电液位置伺服系统，利用神经元的自学习、自适应特点，将神经网络与PID控制方法相结合，对电液伺服系统在线边学习边控制，实现系统的快速实时控制。仿真研究表明，该电液伺服系统具有令人满意的静、动态性能。     

基于非线性PID控制的三相有源滤波器

将非线性PID控制理论应用于三相电压型有源滤波器的离散控制系统,通过引入非线性跟踪微分器与PID控制信号的非线性组合,推出了基于非线性PID控制的三相有源滤波器的离散控制系统差分方程的迭代格式,并对非线性PID控制的离散差分方程与传统PID控制的离散差分方程进行了MAT-LAB仿真.仿真结果表明:采用非线性PID控制可以显著地改善传统PID控制的快速性与超调量之间的矛盾,提高系统的跟踪速度,具有很好的鲁棒性,且具有很好的滤波效果.     

神经网络PID控制在永磁直线同步提升系统中的应用

在建立永磁直线同步电动机数学模型的基础上,分析了伺服控制系统的控制要求,结合神经网络和PID控制的特点,设计出了永磁直线同步电动机提升系统的控制系统.仿真结果表明,此控制系统对系统参数变化和外部扰动具有很强的鲁棒性.     

神经网络PID控制在永磁直线同步提升系统中的应用

在建立永磁直线同步电动机数学模型的基础上,分析了伺服控制系统的控制要求,结合神经网络和PID控制的特点,设计出了永磁直线同步电动机提升系统的控制系统．仿真结果表明,此控制系统对系统参数变化和外部扰动具有很强的鲁棒性．     

基于PID控制和遗传算法的半导体激光器温控系统

为了实现半导体激光器温度的精确控制,设计了将PID控制与遗传算法相结合的高精度温度控制系统.该系统使用热敏电阻与光电二极管进行测量和反馈半导体激光器的温度值,并用热电制冷器作为温控执行器,构成了双闭环控制系统,提出了利用遗传算法在线优化PID参数的方法,根据实时测量偏差、控制器输出和上升时间构建函数作为待优化的性能指标,从而动态调整控制器的参数.结果表明,系统能够实现高精度的温度稳定控制,稳定度达到0.027%,温度偏差为0.002℃,控制效果优于传统的PID控制,具有较好的应用价值.     

基于模糊与PID的车辆底盘集成控制系统

建立了车辆七自由度动力模型,基于模糊和PID设计了车辆底盘集成控制器的顶层控制器,在底层,用PI方法来控制线控转向系统;用二次规划法对主动横摆力矩进行了分配,并针对单移线转向行驶工况进行了仿真验证,结果表明,所设计的底盘集成控制器具有良好的控制效果,能够明显的改善车辆的操纵稳定性;开发的分层控制算法能够充分利用各个执行机构,使得在主动转向角和主动制动压力等输入都较小的情况下,获得较好车辆操纵稳定性。     

三容系统状态反馈解耦PID控制

多容器流程系统是具有纯滞后的非线性耦合系统,是过程控制中一种典型的受控对象,在生产实践中有着非常广泛的应用背景．本文基于状态反馈解耦,以某试验系统为被控对象,在实现解耦的基础上,给出了PID控制的数字仿真结果．     

基于神经网络策略的水下机械手轨迹控制

提出了神经滑模控制系统用于水下机器手的轨迹控制.设计的基本组成包括一个自适应神经网络控制器,实现线性化的反馈用于非确定参数的水下机械手;一个滑模控制弥补神精网络的近似误差.证明了闭环系统的稳定和控制目标轨迹跟踪能实现.仿真结果表明了该控制器对于非确定动力参数和水动力的干扰时具有很高的轨迹跟踪能力.     

基于神经网络滑模的采摘机械臂控制设计

针对二自由度采摘机械臂的位置跟踪控制问题,设计了一种基于神经网络的滑模控制器。其中,神经网络控制器用来估计含有不确定性的滑模控制的等效控制律;鲁棒控制器用来使动态系统始终保持在滑模面上,保证了系统的渐近稳定性,进而实现了采摘机械臂的高精度位置跟踪控制。基于李亚普诺夫稳定性理论设计了自适应律来在线估计系统的不确定性。仿真结果表明:设计的控制器能够实现采摘机械臂对期望位置的精确跟踪,可以满足实际工程的需要。     

基于神经网络和神经元PID的交流矢量自适应控制

磁链开环的异步电动机矢量控制系统尽管结构简单,但它的性能受转子电阻影响很大.为了解决这一问题,根据感应电机矢量控制原理,将单神经元自适应控制器和神经网络应用于磁链开环的交流矢量控制系统中,并用单神经元PID代替传统矢量控制中的转速调节器,用神经网络代替系统中的电流模型,利用神经元PID的自适应和神经网络的在线学习能力,使系统能够克服其运行中由于自身参数变化带来的影响,具有很强的鲁棒性.最后,应用MATLAB软件进行了仿真实验.结果表明,该系统不但结构简单,而且具有良好的动、静态性能.     

基于神经网络和神经元PID的交流矢量自适应控制

磁链开环的异步电动机矢量控制系统尽管结构简单,但它的性能受转子电阻影响很大.为了解决这一问题,根据感应电机矢量控制原理,将单神经元自适应控制器和神经网络应用于磁链开环的交流矢量控制系统中,并用单神经元PID代替传统矢量控制中的转速调节器,用神经网络代替系统中的电流模型,利用神经元PID的自适应和神经网络的在线学习能力,使系统能够克服其运行中由于自身参数变化带来的影响,具有很强的鲁棒性.最后,应用MATLAB软件进行了仿真实验.结果表明,该系统不但结构简单,而且具有良好的动、静态性能.     

二自由度PID内模主汽温控制

基于内模控制理论,针对电厂主汽温被控对象的大惯性、大滞后特点,设计了一种二自由度PID控制系统。设计的二自由度PID控制器有两个调节参数,一个调整系统的位置跟随性能,另一个主要用来调整系统的干扰抑制特性和鲁棒性。对控制系统进行仿真试验,仿真结果表明设计的控制器具有良好的位置跟随性能、抗干扰性能和鲁棒性。