基于模糊RBF神经网络的柴油机电液调速控制方法

介绍了电液调速执行器的动态特性,设计了电液调速控制回路,实现了模糊RBF神经网络对柴油机油门执行器位置的控制。将一种基于模糊RBF神经网络的PID控制器应用于柴油机调速控制中,详细说明了模糊RBF神经网络控制器的设计过程,它结合了传统PID以及神经网络和模糊控制的优点,可以在线调整得到一组最优的PID控制参数。仿真结果表明该系统比传统模糊控制的响应速度快、超调小,且适应性强,具有推广价值。     

基于温度系统的模糊自适应PID控制器的设计与仿真

针对温度系统这类非线性、大惯性对象,常规的PID控制难以发挥良好的作用,设计了一种基于模糊控制的自适应PID控制器,根据偏差和偏差变化的需要实时调整PID参数.通过仿真表明,该模糊PID控制器既具有常规PID控制器高精度的优点,又具有模糊控制器快速、适应性强的特点,并可以迅速消除系统余差.     

非线性不确定系统的无撞击切换双重控制

对于具有非线性、时变特性和纯滞后等特点的不确定系统,传统的PID控制和单纯的模糊控制都难以达到所期望的效果.无撞击切换模糊PID双重控制吸取了两者的优点,减少了模型切换时所产生的跳跃,既不依赖于对象精确的数学模型,又具有鲁棒性较强等优点.仿真结果表明,采用无撞击切换模糊PID双重控制保证了系统的快速和稳态性能好.     

基于模糊神经网络的滑模变结构控制方法的研究与实现

针对交流传动不确定非线性复杂系统,结合滑模变结构和模糊神经网的优点,提出了一种模糊神经网络滑模变结构的跟踪控制方法.采用等值控制型切换超平面设计滑模变结构控制系统,使用模糊神经网络系统自适应调节切换增益,得到模糊神经网络滑模变结构模型跟踪控制器.仿真结果表明,所设计的控制器不但能使被控对象较好地跟踪参考模型,而且对系统的不确定性具有不变性,保证了被控系统在整个控制阶段都具有较强的鲁棒性.     

基于柔性神经网络自适应PID的磁轴承径向力控制

针对电机磁轴承径向力控制的严重非线性,提出了利用神经网络自适应整定PID参数,从而直接调节磁轴承径向悬浮绕组电流实现转子径向稳定悬浮的控制方案.在利用BP神经网络结合PID控制实现转子径向稳定悬浮的基础上,为改善径向位移跟踪的动静态性能,提出了基于柔性神经网络的径向力控制,给出了详细的控制算法,并仿真比较了柔性神经网络控制与BP神经网络控制下转子在空载和突加负载时径向悬浮情况,仿真结果表明柔性神经网络控制具有更好的动静态性能,为智能控制的进一步应用研究提供了基础.     

暖通空调系统的新型模糊自调节PID控制

针对暖通空调系统中由于存在高度非线性,外部扰动,多变量等因素而难以控制的现状,提出一种利用模糊控制器的解析表达式实时调节PID控制器各参数的新型模糊PID控制算法。闭环系统中的模糊模型在发挥控制作用的同时,作为调节器实现了对PID控制器各参数的在线自适应调节,并且给出了具体控制算法设计。仿真结果表明与传统PID控制器相比,这一新型模糊PID控制器具有超调量小,调节时间短,鲁棒性强等优良的控制性能。     

一种新的容错控制方法

本文提出了一种新的容错控制方法，故障检测由神经网络构成，而容错控制器则采用模糊逻辑进行设计。该方法对难于精确建模的对象和过程特别适用，且也能在一定程度上适用于非线性对象，仿真结果表明了该方法的有效性。     

基于模糊神经网络的自适应流量控制器研究

针对多容对象的流量控制，提出了一种模糊神经网络控制器，仿真结果表明，该控制器具有优于一般模糊控制器的性能。     

基于神经网络的多变量模糊自整定PID控制器

针对脉冲ＴＩＧ焊动态过程控制提出了一种基于ＢＰ神经网络的多变量模糊自整定ＰＩＤ控制器。该控制器利用神经网络在线学习具有多变量耦合，非线性及不确定性的复杂的焊接动态过程的控制规则，实现ＰＩＤ参数的自动整定。仿真实验结果表明该控制器不仅具有模糊控制的简单，有效的非线性控制作用。还具备了神经网络的学习与适应能力，以及ＰＩＤ控制的普遍适用性。     

����GA¬¬-BP�ĸ��ٹ�·����ѵ�ģ������������о�

鉴于模糊神经网络具有良好的非线性特性、学习能力、自适应能力和抗干扰能力,本文将模糊神经网络技术引入到高速公路入口匝道控制中。提出一种基于GA和BP算法的模糊神经网络控制器,并对控制器进行了详细设计。设计过程主要分为三部分：输入输出参数的选择、模糊神经网络的结构设计以及基于GA-BP的学习算法设计。最后,使用MATLAB软件对其进行了仿真。仿真结果表明,本文提出的方法是有效的,较之基于BP的模糊神经网络控制和ALINEA控制,能更好地稳定主线交通流密度。     

基于神经网络PID的连挤连轧速度控制系统

根据连挤连轧速度控制的特点,将改进BP神经网络与PID控制算法相结合,采用西门子S7-200型PLC实现连挤连轧机的变频调速控制.通过与传统PID和BP神经网络PID算法比较,改进BP神经网络PID控制器具有较短的动态响应时间和良好的跟随性,表明该方法在连挤连轧速度控制中有良好的应用价值.     

一种神经网络自适应PID控制器

采用神经网络与模糊逻辑相结合的方式，构造了一种自适应ＰＩＤ控制器。该控制器用具有改进学习算法的神经网络作ＰＩＤ参数调节器，用模糊神经网络对被控对象进行模型辨识，综合了神经网络，模糊控制和ＰＩＤ控制的优点。结构简单，易于实现，且适应环境能力强。     

道路模拟系统的神经网络自适应控制及其仿真

道路模拟试验是在试验室内再现汽车的主要部件甚至整车在道路上行驶的运行工况,从而研究车辆对道路不平度激励的响应,达到缩短产品的开发周期以及降低开发成本的目的,是加速新车型开发、提高产品质量的有效手段.文中将神经网络与常规的PID控制相结合,设计出一套神经网络自适应系统.并对C级路面不平度进行仿真再现.仿真结果表明,该控制器比常规PID控制器具有更高的控制精度和更好的动态性能,在道路模拟仿真试验中可以达到非常满意的效果.     

基于BP算法的中密度纤维板热压机压力控制研究

在中密度纤维板生产过程中,针对热压压力控制存在的大惯性、纯滞后和非线性问题,提出具体的解决方法.建立中密度纤维板热压机压力模型,运用基于BP(back propagation)神经网络的经典增量式PID控制方式,实现对热压过程的优化控制.通过仿真实验和结果分析得出:BP神经网络优化控制具有稳定性好、超调量少、震荡现象少等优势特点,改善了被控过程的动态性能和稳态性能,在提高系统抗干扰性能及参数时变的鲁棒性等方面优越于常规PID调节器     

两自由度并联机器人的RBF神经网络辨识自适应控制

针对平面两自由度五杆并联机器人的轨迹跟踪问题,提出了一种基于RBF神经网络的自适应PID控制方法.该控制方案利用RBF神经网络自适应学习辨识并联机器人系统的未知非线性动态,可以在线调整PID控制参数以实现高精度控制.仿真结果显示该控制策略可以精确实现对于并联五杆机器人的轨迹跟踪控制,该方法的自适应性和跟踪性能均优于传统的PID控制.     

A study of maneuvering control for an air cushion vehicle based on back propagation neural network

A back propagation (BP) neural network mathematical model was established to investigate the maneuvering control of an air cushion vehicle (ACV). The calculation was based on four-freedom-degree model experiments of hydrodynamics and aerodynamics. It is necessary for the ACV to control the velocity and the yaw rate as well as the velocity angle at the same time. The yaw rate and the velocity angle must be controlled correspondingly because of the whipping, which is a special characteristic for the ACV. The calculation results show that it is an efficient way for the ACV's maneuvering control by using a BP neural network to adjust PID parameters online.     

Comparison of Three Control Methods in Penetration Control of Pulsed Gas Tungsten Arc Welding

An artificial neural network model for backside bead width was established and three control meth-ods——PID. fuzzy and neuron were designed, simulated and tested. The test results of bead-on-plate weld of GTAW indicate that the artificial neural network (ANN) modeling and learning control method have more advan-tages than the conventional method. They show that the ANN modeling and learning control method is an effective approach to real time control of welding dynamics and ideal quality.     

基于神经网络数字化自适应PID控制

介绍了PID调节器的数字化推导过程和采样周期的选择，讨论了一种基于神经网络的自适应PID调节器的设计。