RBF网络在线辨识的神经元控制

提出了一种基于RBF网络在线辨识的单神经元PID自适应控制方法。介绍了RBF网络在线辨识、单神经元PID控制器和控制算法。仿真和应用结果表明，该方法比常规PID控制具有调节速度快、超调小等特点。     

水轮机调速系统模糊神经PID控制

提出一种模糊神经PID控制算法,该算法采用RBF网络对被控对象进行在线辨识,利用模糊神经网络在线调整PID控制参数。将该算法应用于水轮机调速系统,仿真结果表明该控制算法优于传统的PID控制算法。     

循环流化床锅炉炉膛负压模糊自适应PID控制

模糊参数自适应PID控制器将模糊控制技术的原理和常规数字PID控制算法相结合,实现数字PID控制器的参数在线动态自调整。在大型循环流化床锅炉试验台上组成负压控制系统对该控制算法进行实现。运行结果表明：相对于常规PID控制器,该控制器能减少系统调节时间60％以上,减少系统最大超调量10％以上,应用于循环流化床锅炉炉膛负压控制系统中能取得良好的控制品质。     

烤房模糊自适应PID控制设计开发

针对烤房控制应用,在嵌入式硬件上实现模糊自适应PID控制算法。该算法利用模糊推理对PID参数进行在线自整定。利用该算法可提高PID控制器性能和控制精度。利用可扩展标记语言存储模糊PID控制参数、模糊推理规则库等,可实现在线数据参数的增删、修改、更新操作。     

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。     

基于神经网络和遗传算法的智能PID控制

提出了一种结合神经网络和遗传算法的智能PID控制算法;该控制器先利用RBF辨识网络在线辨识系统模型,再利用遗传算法在线调整PID三个控制参数,将传统的Ziegler-Nichols方法所得的控制参数作为遗传算法的初始参数范围,缩小了遗传算法的寻优范围;在MATLAB6.5环境下进行仿真和试验研究,结果证明RBF辨识网络的输出能够很好地跟踪对象输出,遗传算法很好地优化了控制参数;二者结合可在线有效地控制较复杂的被控对象.     

网络控制系统Smith Fuzzy PID控制器的设计

针对网络控制系统中普遍存在的时延问题,提出了一种将模糊自适应算法和Smith预估补偿算法与常规PID控制器相结合的智能控制策略。该方法充分利用了Smith预估控制算法对带时延系统的良好控制能力,同时利用模糊推理算法实现对PID参数的在线自整定,进一步改善PID控制器的性能。仿真结果表明,基于该智能控制器的网络控制系统克服了传统PID控制超调量大及常规Smith预估补偿过分依赖于被控对象精确数学模型的缺陷,可以有效降低时延对系统性能的不利影响,使被控对象具有良好的动、静态特性。     

神经元PID控制器在两轮机器人控制中的应用

针对两轮机器人传统PID控制器参数整定困难的问题,设计了一种神经元PID控制器.该控制器利用神经元的自学习和自适应能力,在线实时调整控制器各项参数.建立了两轮机器人的非线性模型,讨论了神经元PID控制系统的结构及其控制算法和各项控制器参数的学习算法.将设计的控制器其应用于两轮机器人的平衡控制中,并且与传统PID控制器进...     

焦炉集气管压力控制的一种新方法

针对焦炉集气管压力系统的特点,提出一种基于神经元的自适应PID控制算法;将神经元与PID结合,在线调整PID参数;对单神经元自适应PID控制器进行了研究,并利用Matlab/Simulink进行了仿真,结果表明单神经元自适应PID控制算法明显优于常规PID控制算法;用本文提出的单神经元自适应PID控制器控制焦炉集气管压力,使集气管压力系统的抗干扰能力得到提高,取得了良好的控制效果。     

基于PCC的神经网络PID控制器设计

提出了一种基于可编程计算机控制器(PCC)的神经网络PID控制器,实现了以新一代PCC为硬件,利用神经网络逼近任意非线性函数的能力,对PID控制算法中的三个参数K_p,K_i,K_d进行在线调整,并利用神经网络模型对被控对象的输出值进行预测,根据预测值对神经网络各层中的加权系数进行在线修正,同时引入了带死区的控制算法;该控制方案具有调节速度快、适应能力强、可靠性高等优点;实验结果表明,该控制器具有强抗扰、响应快、鲁棒性好等特点。     

动态定量称重系统神经网络预测PID控制器研究

采用神经网络预测与PID控制理论相结合,为动态定量称重系统设计了一种神经网络预测PID控制器。该控制器算法简单,通过自学习、记忆功能在线调整PID控制参数KP、Kl、KD。建立了动态定量称重系统的仿真模型,将神经网络预测的PID控制与常规PID进行对比分析,神经网络预测PID控制器具有很好的控制效果。     

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。     

BP神经网络PID控制器在工业控制系统中的研究与仿真

针对实际被控对象的时变性和非线性的特点,本文将基于BP神经网络PID的控制器应用于工业控制系统中,同时设计了三层BP神经网络并对BP神经网络PID控制器的算法进行了分析。仿真结果的分析表明：本文所设计的BP神经网络PID控制器在跟随性能、抗扰性能和鲁棒性能方面表现出了良好的控制效果。     

基于队列长度和速率的拥塞控制神经网络方法

文中研究了网络拥塞控制问题。PID控制器是实现网络拥塞控制非常有效的方法,能够实现对网络的主动队列管理。文中根据队列长度和变化速率,利用神经网络实现传统的比例微分积分器（PID）功能,从而提出了基于队列长度和速率的拥塞控制神经网络方法（RSPID）。该方法利用神经网络的加权动量梯度学习算法,自动调节控制参数,克服了传统PID控制方法由于控制器参数固定带来的适应性和稳定性问题。仿真结果表明,RSPID算法的鲁棒性和队列长度性能要优于PID算法。     

基于RBF神经网络控制的球杆系统位置控制实验研究*

球杆系统是一种典型的高阶非线性不稳定系统,针对PID跟踪控制精度不高及BP神经网络控制训练时间较长的问题,本文提出一种带有低通滤波器的RBF神经网络控制器(RBFC)动态补偿PID控制的球杆控制方法,控制系统由RBF神经网络控制及PID控制器组成。为提高参数辨识速度和避免局部最小值,采用梯度下降法更新隐含层参数,采用带有遗忘因子的最小二乘法更新输出层权值。实验结果表明,该控制方案相比PID控制具有更高的控制精度,比BP神经网络具有更快的学习速度,低通滤波器保证了RBFC的辨识精度和稳定的控制输出,具有良好的动静态特性和控制性能。     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

一种神经形态马赫数PID自适应控制器研究

本文从自适应控制和优化学习算法的角度出发，将传统的PID控制和神经网络BP算法相结合，构造了具有自适应、自学习功能的神经形态PID自适应马赫数控制器(NNCPID)。通过对网络控制模型的训练、学习和系统仿真，验证了该NNCPID控制器在改善马赫数控制性能、提高系统实时性、鲁棒性等方面，具有很大的优越性。     

基于合作粒子群算法的PID神经网络非线性控制系统

PID神经元网络 (PIDNN)模型为一种新型的神经网络模型,兼有PID与神经网络的共同优点,应用于复杂的控制系统.取得优良控制性能,但其后向传播算法 (BP)限制了该模型的应用范围.为实现对非线性多变量系统的有效控制,扩展神经网络的应有范围,本文采用PIDNN神经网络设计了多变量PIDNN神经网络 (MPIDNN)控制器,并用本文作者提出的合作粒子群算法 (CPSO)取代了传统BP后向传播算法,通过比较MPIDNN_CPSO、MPIDNNCRPSO、MPIDNN_PSO和MPIDNN_BP4种控制器的控制性能,仿真结果表明,基于CPSO算法的MPIDNN控制器实现了对非线性多变量不对称系统的有效控制.与传统的BP算法相比,CPSO算法提高了控制系统的稳定性、精确性与鲁棒性.     

基于改进神经网络的PID整定

针对常规PID控制器对于复杂的、动态的和不确定的系统控制还存在着许多不足之处,提出一种基于模糊RBF神经网络的PID自适应控制方法。首先用改进的模糊K一均值聚类算法初始化RBF神经网络的隐层节点中心和基函数宽度,再采用梯度法优化RBF神经网络自适应地整定PID的三个参数。仿真结果表明该学习算法的实用性和有效性。     

基于改进的CMAC神经网络与PID并行控制的研究

提出一种改进的CMAC神经网络控制算法,利用满打满葬单元的先前学习次数作为可信度;将改进的CMAC与PID实现复合控制,由CMAC控制器实现前馈控制,PID控制实现反馈控制;仿真表明,改进算法的响应速度和精度有一定的改善。