基于自适应PIDNN的船舶航向模型辨识与控制

在研究PID神经网络控制方案的基础上,提出一种基于自适应PID神经网络的船舶航向控制方案,以对其进行辨识和控制.将自适应PID神经网络引入船舶的航向控制系统中,既具有常规PID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力.仿真结果表明,该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪设定航向并进行有效控制,且具有自适应性和一定的鲁棒性,满足实时控制的要求.     

基于RBF神经网络的永磁同步电机矢量控制系统

永磁同步电机(PMSM)数学模型是非线性、强耦合、多变量的。传统的矢量控制采用双闭环控制,转速环和电流环都是采用的传统的PID控制器。针对PID控制方法的不足,提出一种基于径向基函数神经网络的在线辨识的单神经元PID模型参考自适应控制方法,利用神经网络对信息数据的自学习和自适应能力,提高系统对环境改变的稳定性,仿真实验表明,系统很好的实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性。     

基于BP神经网络PID的船用锅炉蒸汽压力控制系统

锅炉蒸汽压力的特性导致常规的PID控制方法不具备自适应能力,难以满足系统要求,因此,设计了基于BP神经网络PID的锅炉蒸汽压力控制系统。以一个二阶含滞后环节的锅炉蒸汽压力数学模型为被控对象,分别用传统PID控制器和基于BP神经网络的PID控制器对锅炉蒸汽压力加以控制,并采用MATLAB软件进行仿真。仿真结果对比显示,在基于BP神经网络的PID控制器控制下,系统无振荡,无超调,过渡时间短,控制效果优于传统PID控制器。     

人工神经网络控制器在水下无人运载器导航中的应用

本文以水下无人运载器（AUV）绕平面圆周航行的速度、位置控制为例，推广到任何轨迹的控制问题。利用神经网络学习AUV运行的内在规律，预测未来一步的运行情况，并用改良的PID方式前馈与后馈相结合控制其执行机构。系统学习、预测及PID各增益量利用GESA（GuidedEvolutionarySimulatedAnnealing）全局优化方法求得。本方法具有自适应性、强非线性及前馈控制等特点，优于其它一般的控制器。     

神经网络在船舶柴油机调速中的应用

分析了柴油机电子调速器的系统组成及调速原理,介绍了经典PID算法和B-P神经网络,仿真和试验结果表明,基于BP神经网络的PID智能控制是一种有效的船舶柴油机调速控制方法.     

基于BP神经网络整定的蒸汽发生器水位PID控制及仿真研究

将神经网络与PID控制结合起来,提出了基于BP神经网络整定的蒸汽发生器水位PID控制方法,采用BP学习算法调整控制器神经网络的连接权值,通过对系统性能的学习实现了控制器参数的在线整定,仿真结果表明,所设计的控制器具有良好的控制性能。     

船舶柴油发电机转速的BP-PID并行控制

针对船舶柴油发电机转速控制问题,结合BP神经网络对非线性系统的高拟合性与经典PID控制的优良性能,形成船舶柴油发电机转速BP-PID并行控制系统。控制系统中BP神经网络控制器与PID控制器相结合,经过神经网络控制器的不断训练学习,控制器获取船舶柴油发电机转速系统的模型,并逐渐地由BP神经网络控制器占主要控制作用,从而达到对系统的实时控制。仿真结果证明了该方法的可行性。     

基于RBF神经网络的TCSC自适应PID控制

针对可控串联补偿(Thyristor Controlled Series Capacitor,TCSC)的传统PID控制器存在鲁棒性差和自学习能力不强的问题,利用径向基函数(Radial Basis Function,RBF)神经网络可以无限逼近非线性系统的特性,提出了一种基于RBF神经网络设计的TCSC自适应PID控制器.该自适应PID控制器不仅具有传统PID控制器结构简单、易于工程实现等特点,而且通过RBF神经网络辨识的被控系统Jacobian信息来在线实时调整PID控制的参数,对被控系统参数和运行状态改变有较强的适应性,克服了常规PID控制器鲁棒性不强的缺点.两机五节点系统和四机两区域系统的仿真结果表明所设计的控制器控制效果明显优于传统PID控制器,具有较好的适应性和鲁棒性,对系统低频振荡的阻尼特性有很大地改善.     

基于BP神经网络的PID船舶自动舵

船舶操纵的模型具有非线性,慢时变特性,传统船舶自动舵的性能不能令人满意。基于传统PID自动舵的基础上,把传统PID与BP神经网络结合起来,利用BP神经网络的自学习能力实现PID控制参数的在线整定,构成一种新型的船舶航向自动舵。分无干扰和在风,流,浪干扰两种情况进行MATLAB仿真,来说明这种船舶航向控制自动舵的优越性。     

改进型PID参数神经网络自学习的船舶操纵控制器

船舶操纵的模型参数具有非线性、慢时变特性。船舶操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用改进型BP神经网络实现PID参数自整定的控制方法。此法能根据船舶动态特性的变化,自动重新整定PID参数,从而改善了操纵性能和鲁棒性,     

蒸汽发生器水位神经自校正控制研究

针对传统的核动力蒸汽发生器水位PID控制方法存在的缺点,将神经网络方法与PID控制的结构结合起来,提出核动力蒸汽发生器水位单神经元自校正PID控制方法,在线调整控制器参数。仿真研究表明,该方法可以提高系统的控制品质。     

CMAC与PID的复合控制在减摇鳍中的应用

提出了CMAC与PID复合控制的算法,并以此用于船舶非线性横摇减摇鳍中。以PID控制为反馈控制来保证控制系统的稳定性且抑制扰动,以CMAC为前馈补偿控制器实现系统的逆动态模型来确保系统的控制精度和响应速度。为了提高CMAC神经网络实时在线学习的快速性和准确性,采用了基于信度分配的CA-CMAC-AMS学习算法。其仿真结果与传统的数字PID控制相比较,表明了该复合控制提高了减摇鳍控制系统的减摇效果,并具有较强的抗干扰能力和鲁棒性。     

网络控制系统诱导时延的自适应补偿研究

在网络控制系统中,网络诱导时延是造成系统性能下降甚至不稳定的基本因素.为了有效地抑制网络时延对网络控制系统性能的影响,提出了一种基于BP神经网络补偿的自适应PID控制方法,在不改变已有PID控制器控制参数的情况下,实现了对网络时延的在线自适应补偿.仿真结果表明,与传统的PID控制器比较,该方法能有效补偿网络时延的影响.     

神经网络在船舶操纵中的应用研究

该文对人工神经网络用于船舶操纵动态特性的在线学习进行了研究,并提出了基于神经网络预报的操舵控制算法。仿真试验的结果表明了该控制算法的有效性。     

模糊神经网络控制在调速系统中的应用研究

针对无刷直流电机(BLDCM)调速系统的特点,在分析BLDCM(Brushless DC Motor)的数学模型的基础上建立了控制系统的仿真模型,设计了一种新的模糊神经网络控制器FNNC(Fuzzy Neural Network Controller),并运用遗传算法优化模糊神经网络结构和改进在线学习算法,将其应用到直流电机调速系统中。仿真试验表明,该方法较传统PID控制有更好的控制效果。     

基于BP神经网络自适应控制系统的改进与优化

本文针对BP(Back Propagation)神经网络在控制系统应用中存在的一些诸如收敛速度慢、局部极小点等不足,提出了附加动量法以及自适应的学习速率法等算法,并对该算法的原理模型以及工作流程进行了研究和设计,同时对该算法在PID自适应控制系统中应用进行了改进和优化.     

船舶主柴油机缸套冷却水出口温度的智能控制

利用传热学的有关理论,对船舶主柴油机缸套冷却水系统的传热机理进行了分析,给出了船舶主柴油机缸套冷却水系统的动态热力数学模型,并将基于神经网络的模糊PID控制引入到缸套冷却水出口温度控制系统中,以实现对对象进行在线控制.仿真结果表明,基于神经网络的模糊PID自适应控制比传统的PID控制的控制性能更好,而且前者具备适应控制环境变化的能力和自学习能力,当主机运行工况发生变化时,仍具有很好的控制性能.     

柔性身管的RBF神经网络PID控制

由于舰炮身管的弯曲振动,传统的利用炮管轴角位移进行反馈控制的方法无法精确控制炮口指向。针对这一缺点,提出了一种利用炮口角位移作为随动系统位置环反馈信息的控制结构。为模拟身管的振动,应用多刚体动力学对舰炮身管进行了柔性体建模。为改进后的控制结构设计了基于RBF神经网络整定PID参数的控制器,并与传统PID控制器的控制效果进行了仿真对比,验证其对于提高随动系统控制精度的有效性。