基于单神经元的PID自适应控制器的仿真研究

本文将神经网络与PID控制器相结合，设计了一种具有自适应、自学习功能的单神经元自适应PID控制器，该控制器可以实现PID参数在线调整，当控制对象参数在较大范围内改变时，该控制器表现出较强的鲁棒性。     

ATM网络拥塞控制中PID控制器的设计

自适应比特（ABR）业务的流量控制是ATM网络中一种有效的拥塞控制机制和流量管理手段。在大规模的高速网络中，算法的简洁性对优化交换机的性能是至关重要的。尽管二进制ABR流量控制的简洁性具有相当的吸引力，但显式前向拥塞标识（Explicit Forward Congestion Indication,EFCI)算法控制的队列长度和允许信元速率（Allowed Cell Rate,ACR)大幅振荡，降低了链路利用率，严重的影响了交换机的性能，为此有了相对复杂却有效的显式速率反馈机制，在该文中，引入了拥塞的概率判定机制，并运用经典控制理论为拥塞判定概率的实量更新设计了线性的PID控制器，避免了非线性的控制规律可能诱发的系统自激振荡，在PID控制器的参数整定上，因为使用常用处受到限制，进而给出了一种基于确定稳定裕度的参数整定方法，仿真试验表明：二进制流量控制中的PID算法在保持了算法简洁性的前提下，大幅度地抑制了ACR和队列长度的振荡，提高了链路利用率，减小了队列系统引入的时延抖动，为保证ATM网络中的服务质量（Quality of Service,Qos)提供了必要的技术支持。     

一种基于模糊调节增益的单神经元PID控制方法

提出了一种基于模糊调节增益的单神经元PID控制方法。通过模糊调节单神经元PID控制器的比例增益，达到令人满意的控制效果，明显优于常规PID控制。使用该方法对典型的工业过程对象进行了仿真试验研究，结果表明这种控制方法的优越性。     

一种能改善快速性的变结构单神经元自适应PID控制器

针对单神经自适应PID控制器的快速响应性能的不足，提出一种根据误差的大小而采用不同单神经元控制器结构的算法。仿真的结果证明了本算法的有效性。     

基于单神经元的卫星姿态自适应PID控制

提出了一种以经典PID为基础,用单神经元加以实现的智能PID控制算法。基于误差二次型最优理论推导出相应的单神经元输入权值参数调整算法。并推导了为改进其应用上的不足,将自适应PSD控制器中递推计算增益K的方法应用到单神经元的自适应PID控制,构成具有自动调整增益K值的单神经元自适应PID控制器的学习算法。将控制算法应用到航天器姿态控制系统,数字仿真结果验证控制器有效。     

单神经元自适应PID控制器设计方法研究

本文主要介绍了采用有监督Hebb学习算法的单神经元自适应PID控制器以及采用以输出误差平方为性能指标的单神经元自适应PID控制器的控制算法及其仿真实现,总结出了两种基于单神经元的自适应PID控制器的控制特点及其参数设计规律.     

单神经元自适应PID控制器设计方法研究

本文主要介绍了采用有监督Hebb学习算法的单神经元自适应PID控制器以及采用以输出误差平方为性能指标的单神经元自适应PID控制器的控制算法及其仿真实现,总结出了两种基于单神经元的自适应PID控制器的控制特点及其参数设计规律。     

单神经元自适应PID控制器的性能优化设计

研究了单神经元自适应PID摔制器性能优化问题,阐述了该摔制器的特点、控制律;给出了一种控制灵敏度的快速近似求取方法,实现了PID参数的在线自学习;使单神经元控制器具有可调参数少、易于整定、控制输出平稳、鲁棒件强的独特优点,适用于大滞后且要求平稳控制输出的工业过程。     

单神经元自适应PID控制器及其应用

研究了单神经元自适应PID控制器,阐述了该控制器的特点、控制律、适用对象及工程整定方法,在和利时公司的SmartPro系统平台上开发出单神经元自适应PID控制器,进行了单神经元自适应PID控制器的典型一、二阶对象闭环仿真,最终将单神经元自适应PID控制器应用于制药厂发酵罐温度控制回路中。单神经元控制器具有可调参数少、易于整定、控制输出平稳、鲁棒性强的独特优点,适用于大滞后且要求平稳控制输出的工业过程。     

单神经元自适应PID控制器在AQM中的应用

主动队列管理(AQM)对于保持TCP网络高性能是一种有效的策略。AQM的基本机制是调节数据包进入路由器缓冲区的速率,从而避免网络拥塞。针对传统PID控制器在拥塞控制过程中参数固定的缺点,将神经网络理论引入AQM的研究中,设计了一种改进的单神经元自适应PID主动队列管理器。基于NS2平台的仿真结果表明,与PID控制器及传统的单神经元自适应PID控制器相比,改进的控制器对网络环境的变化有更强的适应能力和更好的稳定性。     

动态自适应的Internet拥塞控制系统的PID调解器

Internet网络拥塞控制算法决定着网络的服务质量。把Internet通信系统看作具有通信时延的闭环反馈系统,建立了一个PID调解器控制Internet连接节点的拥塞率。采用特定相位裕量方法动态调整PID控制器的参数,使控制器能在线自适应网络系统中的变化。最后仿真验证了新的主动队列管理策略的有效性和鲁棒性。     

一种神经网络自适应PID控制器

应用人工神经网络的原理,设计了一种神经网络的职能PID控制器。仿真结果表明,此PID控制器对非线性时不变系统有比传统的PID好的控制效果。该控制器将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确之优点,又具有神经网络自学习、自适应之能力,控制效果明显提高。     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于Ziegler-Nichols频率响应方法的自适应PID控制

提出一种基于Ziegler-Nichols频率响应方法的自适应PID控制器,它通过控制回路正常运行中的过程对象输入输出数据在线辨识出过程对象重要的临界频率响应特性,然后基于Zieger-Nichols整定规则或改进的方法在线更新PID控制器参数.PID控制器的自适应过程不需要系统的任何先验知识,也不需要建立任何对象模型,可以保证控制回路始终运行在最佳状态.仿真实验表明了自适应PID控制的有效性和可行性.     

基于动态递归网络的PID自适应控制器的设计与应用

本文分析了改进的ELMAN网络的结构,并讨论了神经网络的学习算法,针对BP算法的缺陷,提出了用遗传算法修正网络权值的学习算法。本文不仅将采用遗传算法进行训练的改进ELMAN网络应用于汽车磷化加热系统的建模,而且针对该系统的特点提出了一种带预测模型的神经网络PID自适应控制器,并最后将该控制器应用于磷化温度控制,取得了良好的控制效果。     

Adaptive Server Load Balancing in SDN Using PID Neural Network Controller

Web service applications are increasing tremendously in support of high-level businesses. There must be a need of better server load balancing mechanism for improving the performance of web services in business. Though many load balancing methods exist, there is still a need for sophisticated load balancing mechanism for not letting the clients to get frustrated. In this work, the server with minimum response time and the server having less traffic volume were selected for the aimed server to process the forthcoming requests. The Servers are probed with adaptive control of time with two thresholds L and U to indicate the status of server load in terms of response time difference as low, medium and high load by the load balancing application. Fetching the real time responses of entire servers in the server farm is a key component of this intelligent Load balancing system. Many Load Balancing schemes are based on the graded thresholds, because the exact information about the network flux is difficult to obtain. Using two thresholds L and U, it is possible to indicate the load on particular server as low, medium or high depending on the Maximum response time difference of the servers present in the server farm which is below L, between L and U or above U respectively. However, the existing works of load balancing in the server farm incorporate fixed time to measure real time response time, which in general are not optimal for all traffic conditions. Therefore, an algorithm based on Proportional Integration and Derivative neural network controller was designed with two thresholds for tuning the timing to probe the server for near optimal performance. The emulation results has shown a significant gain in the performance by tuning the threshold time. In addition to that, tuning algorithm is implemented in conjunction with Load Balancing scheme which does not tune the fixed time slots.     

模糊自适应PID控制器

提出了一种模糊自适应ＰＩＤ（ＦＡＰＩＤ）控制器及其设计方法，并导出了ＦＡＰＩＤ闭环控制系统稳定的充要条件。ＦＡＰＩＤ控制器的设计分为相对独立的两步进行，设计方法简单，便于工程应用。仿真结果表明，与ＰＩＤ控制系统比较，ＦＡＰＩＤ控制系统鲁棒性大为提高，超调量大大减小，动态抗扰能力增强，较好地解决了快速性与小超调之间的矛盾。     

多变量自适应PID型神经网络控制器及其设计方法

提出一种PID型神经网络控制器（PID-like Neural Network Controller，PIDNNC）及其设计方法．基于PID的简单结构和良好性能优势以及神经网络的自调节和自适应的特长，创建一种具有PID结构的多变量自适应的PID型神经网络控制器．该网络控制器的隐含层由带有输出反馈和激活反馈的混合局部连接递归网络组成．通过定义误差函数作为设计目标，采用弹性BP算法，并用变化率以及弹性BP算法中的符号法来处理某些求导关系，获得适于实时在线调整网络权值的修正公式．根据李亚普诺夫稳定性定理推导出确保控制系统稳定的学习速率的取值范围．最后通过实例进一步说明所提出网络控制器的优越性．