基于神经网络的船舶航向自适应PID控制

详细分析基于单神经元的自适应ＰＩＤ控制算法,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的以单神经元的自适应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。将控制算法应用到船舶航向控制系统,仿真结果显示了该方法的有效性。     

单神经元PID控制在交流电机软起动中的应用

由于软起动中电机和调压装置参数的变化,经典PID难以实现软起动过程的最优控制。本文将单神经元自适应PID控制算法应用在电机软起动控制中。经过试验表明,该算法控制效果优良。     

基于单神经元自适应PID的矢量控制系统研究

转子磁场定向矢量控制中,转速PI调节器在控制对象参数变化时其鲁棒性能较差,而单神经元具有自学习、自适应能力,为了进一步改善矢量控制系统的性能,文章提出了用单神经元自适应PID控制器代替传统PI调节器。为了提高单神经元PID控制器的学习能力,将无监督的Hebb学习规则与有监督的Delta学习规则相结合,实现单神经元控制器的参数优化与在线自调。仿真结果表明,该系统不仅具有很好的静、动态性能,而且还具有很强的自适应性和鲁棒性。     

水面船航向最优控制与闭环增益成形算法的比较分析

将自适应最优PID控制算法与闭环增益成形算法在频域角度进行理论分析,引入船舶模型进行仿真分析比较,得出闭环增益成形理论的适应式鲁棒PID算法控制效果优于自适应最优PID控制算法理论,为水面船在选择控制算法时提供参考。     

光电跟踪系统的伺服控制研究

通过对光电跟踪系统的伺服控制系统的研究,分析了常用数字PID控制算法在光电跟踪系统中应用的不足,提出了适用于光电跟踪系统的自适应的PID控制算法,试验表明自适应PID控制算法比数字PID控制器超调量小,调节时间短,提高了控制系统实时性和抗干扰能力.     

船舶舵机单神经元自适应PID控制的研究

针对船舶舵机航行中在不同的环境下所受到的负载力矩不同的情况,在实验室条件下,用改进并增加了模拟加载液压系统的船舶舵机作为研究对象,研究单神经元PID控制算法,用LabVIEW8.2作为软件开发实平台,实现船舶舵机的自适应控制.     

一种机械臂的自适应控制方法

针对某二自由度机械臂,被控对象随着机械臂姿态变化而发生非线性变化的特点,提出一种自适应的控制方法。控制器根据机械臂的姿态,实时计算关节的等效转动惯量,在线调整系统增益,并加入重力和摩擦等干扰补偿,对机械臂关节的角位移进行有效控制。仿真结果表明,与常规的PID控制算法相比,该方法具有更强的自适应能力,取得了比较满意的控制效果,可以推广应用到多自由度机械臂的控制系统中。     

基于非参数模型的自适应PID控制系统

通过神经网络技术构造PID控制器,能解决PID参数在线调整的问题;模糊自适应PID(FAPID)控制系统,则可以大大减小超调量,提高抗干扰能力;单神经元自适应PID控制器有结构简单,计算量小的优点;采用参考模型自适应原理,可避免被控对象动态特性计算错误而带来的偏差。     

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。     

基于神经元自适应PID船舶电力推进电机控制系统研究

在船舶电力推进电机控制中,提出了一种基于神经元自适应PID控制的方法,控制算法采用有监督的Hebb学习规则。从仿真结果可知,采用神经元自适应PID控制具有较好的适应能力和抗干扰能力,满足船舶电力推进电机控制的要求。