基于神经网络的PID控制器

研究了神经网络在非线性自校正控制系统中的应用，提出了一个基于神经网络的ＰＩＤ控制器的结构，并给出一个仿真实例。     

PI-神经网络混合速度控制器的研究

文章提出了一种新颖的PI-神经网络混合速度控制器的方案.在该方案中PI参数是不变的,控制器的学习由隐含层和输出层之间的权值自调整来实现,而且PI参数可在一个较大的范围内取值.仿真结果证明了该方案是可行有效的.     

基于自适应神经网络的无人机PID控制器研究

为了提高PID控制器对系统的稳定性,并减少控制误差,提出一种自适应神经网络PID控制器.首先,在离散时间模型中开发PID控制器,以减少在连续时间中设计控制器所带来的问题.然后,定义一个自适应神经网络,调整控制增益,以实现导航任务过程中六旋翼无人机(UAV)的跟踪误差最小化.利用梯度下降方法对PID控制器的重要参数进行整...     

基于神经网络的PID控制器在电厂热工过程中的应用研究

对近年来智能控制中的几种典型的神经网络PID控制器的主要成果及其应用进行了总结,并探讨了神经网络和其它智能控制算法与常规PID控制结合的研究方向,最后对基于神经网络的PID控制器在电厂热工控制过程中的应用提出了展望。     

神经网络PID控制器在交流矢量控制系统中的应用

介绍了一种基于BP神经网络的PID控制器的设计方法，仿真实验结果表明该系统既保证了系统的稳态精度，又保证了系统的快速响应和鲁棒性。     

一种自适应神经网络控制器的研究

在非线性系统的神经网络模型基础上,以Ｌａｒｋｅ一阶条件为目标函数,运用线性化方法提出了一种自适应预测控制算法。由于利用了神经网络良好的非线性逼近能力和学习特性,所设计的控制器具有较强的自适应能力,能够实现对非线性系统的有效控制,通过仿真证明了算法的有效性。     

一种基于遗传算法和神经网络的PID控制

提出了一种融合遗传算法和神经网络的PID控制算法。该控制器先利用遗传算法对BP网络的初始权系数进行学习优化，再利用BP算法实现对PID参数在线调节，解决了控制器网络初始权系数对控制效果产生的影响，仿真结果表明了该控制方法的有效性。     

基于神经网络的12/10 SRM速度控制器

针对12/10结构的车用开关磁阻电机提出了一种基于神经网络的速度控制器.该神经网络控制器以速度误差及误差导数作为控制器输入,以参考电流作为输出,通过BP算法进行训练,使用Matlab/Simulink对神经网络速度控制器进行仿真,并将仿真结果与PI控制器进行性能比较,结果表明该速度控制器用于开关磁阻电机效果较PI控制器在稳态和瞬态性能上更为显著.     

一种基于神经网络的速度控制器

文章首先给出了基于神经网络速度控制器的结构，提出了一种新的能量函数，在此基础上根据感应电动机矢量控制系统的特性，简化了BP(Back Propagation)学习算法，最后对所提出的方案在MATLAB／SIMULINK环境下进行了仿真研究。     

基于DSP的神经网络速度控制器设计

提出了一种基于神经网络模型参考自适应控制(NNMRAC)的感应电动机矢量控制系统方案。根据感应电动机矢量控制系统的特征。简化了BP学习算法，给出了神经网络模型参考自适应速度控制策略在TMS320F240中的实现方法。     

基于粗糙集的模糊神经网络控制器的研究

针对现代工业过程的不断复杂化和其中非线性、不确定性因素的增加,给出了一种基于粗糙集的模糊神经网络控制器的设计方法,该方法将粗糙集理论与模糊神经网络结合起来,利用粗糙集从观测的输入输出数据中提取规则,并寻求最小规则集,解决了模糊神经网络"规则爆炸"问题。通过在MATLAB平台上进行仿真,结果表明该方法具有良好的控制能力,对于突加干扰具有良好自适应能力。     

基于神经网络补偿的二自由度PID控制

提出一种基于神经网络补偿的二自由度PID控制方法，该方法将BP网络应用到传统二自由度PID控制中，克服了参数固定不变时，系统跟随性能和抗扰性能变差的缺点，有效地减弱了参数摄动对系统造成的影响，改善了系统的动态品质，仿真结果表明该方法 的有效性。     

改进的BP神经网络PID控制器在温室环境控制中的研究

为了更好的实现对温室环境系统的智能控制,针对温室环境系统存在非线性、强耦合、大滞后、强时变等问题,在分析BP神经网络技术的基础上,提出并设计出一种基于遗传粒子群优化的BP神经网络PID控制器,该控制器结合遗传算法强全局搜索能力以及粒子群算法强局部搜索能力和收敛速度快的特点,对神经网络的权值进行优化,对温室环境系统起到了有效的控制。最后对常规和改进后的BP神经网络PID控制器进行仿真对比研究。仿真结果表明,经过改进后的BP神经网络PID控制有更好的稳定性和鲁棒性。     

交流稳压电源的改进神经网络PID控制

建立了交流稳压电源主电路数学模型并分析其闭环稳压控制原理。由于装置具有较强的非线性和变结构、变参数特性,采用经典PID控制器很难获得理想的控制效果。将人工神经网络与传统PID控制器相结合,构成一种不依赖于被控对象精确数学模型的神经网络PID控制器。为了提高神经网络的收敛速度,采用Levenberg-Marquardt算法计算连接权值更新量,并对当前解施加一个以一定概率保留的随机扰动,加快迭代过程跳出局部极小点。对装置主电路和改进神经网络PID控制器进行仿真,结果表明:系统动态响应快,鲁棒性强,调节平滑,具有较好的控制效果。最后,制造并测试了额定电压660 V、容量400 k VA的实验样机,对理论研究进行了实验验证。     

神经网络与参数自寻优PID在柴油机转速控制系统中的应用

针对柴油机模型自身的特点 ,设计了一种神经网络与参数自寻优PID控制相结合的控制器。在很大程度上改善了柴油机转速控制的输出特性 ,实验证明了算法的可行性。     

基于神经网络的混合速度辨识方法研究

提出了将开环直接计算与模型参考自适应方法相结合的神经网络混合转速辨识模型。仿真结果表明，基于该速度估计器的矢量控制系统动、静态性能好，解决了瞬时无功模型参考自适应方法在转速给定为负阶跃时的转速不稳定问题，转速估计精度高。     

一种神经网络变结构电力系统稳定器的设计

在变结构控制理论的基础上 ,设计了一种基于神经网络的电力系统稳定器 (NNPSS)。利用BP神经网络对系统的状态进行辨识 ,通过对网络的训练 ,使神经网络能对不同的运行状态及扰动产生相对应的附加励磁控制。仿真实验证实了神经网络电力系统稳定器的可行性 ,所设计的NNPSS有效改善了电力系统的稳定性。     

永磁同步电机神经网络逆解耦控制研究

针对永磁同步电机的非线性、多变量、强耦合的特点,将神经网络与逆系统解耦方法相结合,并用于永磁同步电机的解耦控制.分析永磁同步电机的数学模型与解析逆模型,完成系统可逆性证明,将永磁同步电机与解析逆系统等效成两个伪线性子系统,构造神经网络逆系统,将永磁同步电机动态解耦为一阶线性磁链子系统与二阶线性转速子系统,利用两个PID控制器对伪线性子系统进行闭环控制器设计,实现系统转速与定子磁链动态解耦控制.利用dSPACE半物理仿真系统完成神经网络训练数据的采集与系统解耦控制实验.结果表明神经网络逆系统方法可以实现永磁同步电机的高新能控制,对负载扰动具有较强的鲁棒性.     

基于NARX神经网络预测及模糊控制的互联电网CPS鲁棒控制策略研究

对于传统CPS控制策略难以满足互联电力系统对鲁棒性和适应性的要求,提出了一种将NARX神经网络预测算法和模糊逻辑控制器相结合的控制方法。配合CPS下的传统PI控制器,根据CPS控制参数的预测值与当前值之间的偏差值,实现对AGC机组的预控制。利用Matlab的Simulink仿真软件建立了一个双区域电力系统的控制模型。仿真结果表明,新的控制方法不仅达到了改善CPS控制效果的目的,并且提高了CPS1,CPS2指标的考核率,减少了机组的调节次数,降低了运行费用,取得了一定的经济效益。