磁悬浮球系统控制器的分析设计

从磁悬浮球的物理模型出发,建立了磁悬浮球系统的线性化数学模型,在模型分析的基础上,对控制策略进行了分析与研究.重点介绍了通过积分分离和微分先行两种方法对PID控制器进行优化设计的方案.仿真研究表明,所设计的控制器较好地满足了系统的要求.     

基于BP神经网络的Fuzzy-PID恒温控制器

在高精度恒温系统温度控制中,为了克服温度这种被控对象因其纯滞后、非线性和大惯性特性以及被控对象参数的时变性对精度的影响,采用了BP神经模糊PID控制器代替模糊控制,使推理速度加快,并通过在系统运行时不断地增加和完善模糊控制规则,不断提高系统控制的精度。仿真分析结果表明,经过BP神经网络优化学习后,系统具有良好的控制性能和自适应能力,很好地满足了大滞后系统对高精度控温与快速性的要求。     

自适应电液比例控制器

利用Popov超稳定性理论设计的电液比例自适应控制器对电磁铁线圈参数变化、电源扰动等实现自适应控制.该控制器采用MCS-51单片机实现,结构简单,成本低廉.应用结果表明,它优于常规数字PI、PID控制器.     

PID控制器在磁悬浮球系统实验中的应用

设计了一个PID控制器对实验室已有的磁悬浮球系统进行了改进,通过对PID控制器参数的调整,来优化磁悬浮球系统的稳态及动态性能。     

基于DSP的磁悬浮盘片控制器

采用智能的控制方法,对以DSP 6713为核心的磁悬浮盘片控制器控制硬件的构成以及外围电路进行了设计,并根据磁悬浮盘片的实际要求,提出了基于模式识别的多模态控制算法,实现了系统的较好控制.     

单神经元自适应PID控制器在主动磁悬浮系统中的应用研究

针对主动磁悬浮控制系统的非线性、开环不稳定性、参数不确定等特点,设计了单神经元自适应PID控制器。以主动磁悬浮系统中的转子实际位置和平衡位置之间的偏差作为神经网络控制器的一个输入信号,引入有监督的Hebb学习规则,推导出Kp、Ki和Kd与加权系数之间的关系。通过对加权系数的调整来实现自适应,控制器的输出信号调节电磁铁线圈中电流的大小,从而调整了转子的位置。仿真结果表明,单神经元自适应PID控制器能极大地改善系统的稳态性能和动态性能,具有较强的抗干扰能力和鲁棒性。     

基于分叉行为磁悬浮控制系统控制器设计研究

本文基于磁悬浮控制系统的分叉特性,提出了一种从理论上确定控制器参数范围的方法,通过应用非线性动力学分析得到的系统规形和普适开折,给出了为实现稳定控制,控制器参数的范围。数值仿真表明,理论分析是正确和有实际意义的。     

数控机床直线同步电动机磁悬浮系统的神经网络直接自适应控制

针对数控机床可控励磁直线同步电动机磁悬浮系统的强非线性、外部扰动不确定性的问题,设计基于RBF神经网络直接自适应控制器.通过分析磁悬浮系统的运行机理,推导运动方程及悬浮力方程,进而建立系统的状态方程;用悬浮高度的跟踪误差和误差的变化量构造误差函数,设计直接自适应理想控制器并采用RBF神经网络对其进行逼近;设计自适应律来...     

基于线性预测模型的神经网络模糊PID控制

结合传统PID控制原理、神经网络技术、模糊控制技术及预测控制技术,提出了一种新型控制器结构.给出了在线调整PID参数的方法.仿真结果表明,基于线性预测模型的神经网络模糊PID控制使系统具有较好的鲁棒性.     

基于模糊理论的PID控制器设计方法及仿真研究

针对工业过程控制中传统PID控制器的不足,介绍了模糊PID控制器的设计方法,将模糊PID算法应用于汽轮机功频电液调节系统中,并将模糊PID算法与传统PID算法进行了比较.仿真研究表明,模糊PID算法比传统PID算法有更好的调节性能,模糊PID算法在保证系统快速响应的同时可以大大减小系统的超调量,可以很好地解决因机组甩负荷造成转速飞升并导致意外停机的问题.     

基于BP神经网络的PID控制器参数寻优

详细介绍BP神经网络对PID控制器参数寻优控制算法，用高斯核函数作为节点激励函数对系统进行控制。试验表明系统操作方便．安全可靠．控制效果好。     

基于模糊神经网络和遗传算法的仿人智能PID控制器设计

阐述一种新型的模糊神经网络加遗传算法的智能PID控制器     

BP神经网络PID控制器在球磨机控制中的应用

基于神经网络控制理论,针对球磨机的运行特点,提出了一种新型的基于BP神经网络PID解耦的球磨机控制系统。此控制系统既实现了系统解耦而且通过在线整定PID参数兼具了PID控制的优点。大量的仿真表明,与常规控制系统相比,此系统具有更好的动态及稳态性能。     

Calculation of PID controller parameters by using a fuzzy neural network

In this paper, we use the fuzzy neural network (FNN) to develop a formula for designing the proportional-integral-derivative (PID) controller. This PID controller satisfies the criteria of minimum integrated absolute error (IAE) and maximum of sensitivity (Ms). The FNN system is used to identify the relationship between plant model and controller parameters based on IAE and Ms. To derive the tuning rule, the dominant pole assignment method is applied to simplify our optimization processes. Therefore, the FNN system is used to automatically tune the PID controller for different system parameters so that neither theoretical methods nor numerical methods need be used. Moreover, the FNN-based formula can modify the controller to meet our specification when the system model changes. A simulation result for applying to the motor position control problem is given to demonstrate the effectiveness of our approach.     

基于神经元网络参数自调整的PID控制器

本文介绍一种基于神经元网络自学习的ＰＩＤ控制器。该控制器不仅具有自学习自适应能力,而且具有自调整比例因子功能。实验表明,该控制器能够改善温度控制系统的动态特性和对环境的鲁棒性     

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。     

神经网络PID控制器在高精度空调系统中的应用

针对中央空调系统被控对象具有大滞后、慢时变、非线性特点及不确定干扰因素多的实际情况，将具有自学习、自适应功能的神经网络PID控制器应用于高精度空调系统中，通过MATLAB环境下的计算机仿真．证明了其在高精度空调控制中的实用性和有效性。     

基于PID控制的粉末成型机下冲回弹装置设计

针对目前机械式全自动粉末成型压机下冲回弹装置中普遍采用的"定量供油装置"出现的抗污染能力差、回弹行程不易调节、可靠性差等问题,进行了分析研究,提出了一种采用PLC作为PID控制器,伺服比例阀作为先导阀,配合距离传感器所组成的高精度下冲定量回弹闭环控制系统。设计中计算了液压缸、伺服比例阀的传递函数,并对PID控制器进行了Matlab仿真,同时对系统进行了建模和实际调试。研究结果表明,该系统运行稳定、响应速度快、可靠性高、操作方便,能够提高产品的质量,为今后机械式粉末成型压机下冲定量回弹装置的设计和改造提供了设计依据,对于提高机械式粉末成型机的产品合格率具有一定的现实意义。     

基于模糊BP网络的自适应PID控制

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于模糊BP神经网络的PID控制算法,采用模糊规则自动地调节BP神经网络训练过程的学习参数,利用神经网络较强的学习能力和模糊控制在模型未知或不精确前提下的控制能力,将其应用到PID控制中[1],实现了PID控制参数的在线调整和优化,并对其在非线性离散系统中的应用进行了仿真。实验结果表明该算法性能优良,加快了系统响应速度,减少了超调量,适用于纯滞后非线性系统。