神经元自适应PID控制的应用--以汽车发动机转速控制为例

在汽车发动机转速控制中,PID控制具有简单,快速的优点,但是参数调整比较困难。因此,在分析了神经元的自学习机理的基础上,设计出基于神经元的自适应PID控制器。通过仿真结果表明,该控制器利用神经元的自适应能力实现了PID参数的在线调整,具有很强的鲁棒性,是发动机转速控制的有效方法之一。     

基于神经网络PID的异步电机转速MRAS辨识

提出了一种基于神经网络PID的异步电机转速MRAS辨识方法。该方法利用Popov超稳定性理论推导的转速估算公式,并采用单神经元PID控制器进行电机转速辨识。在MATLAB∕Simulink环境中,建立了一个基于该方法的无速度传感器异步电机矢量控制系统,并进行了仿真试验,仿真结果表明,该方法提高了电机转速估算的精度和响应速度,从而提升了系统的性能。     

发动机油门PID控制的参数整定

在分析发动机转速控制原理的基础上,研究了采用步进电动机作为执行机构的发动机油门控制,建立了神经网络优化PID控制的离散数学模型.采用LabVIEW软件对发动机油门控制进行了仿真试验.结果表明,发动机油门控制方法具有良好的动态响应与鲁棒性,超调量为0.018,稳态时的输出误差近似为零.     

基于神经网络和智能优化算法的水电机组自适应PID控制

水电是具有灵活调节作用的清洁能源,在维持电力系统稳定性,保证电能质量方面发挥了其他能源难以替代的作用。随着风、光等可再生能源在电网中的比例进一步增加,传统的水电机组控制策略已难以满足应对各种复杂工况的要求。尽管针对水电机组先进控制策略的理论研究已较为成熟,但应用受制于算法本身的复杂性和现实条件。为此,在传统PID控制的基础上,分别利用智能优化算法和神经网络寻找和拟合不同工况下的最优PID控制参数,设计了适应于水电机组工况变化的自适应PID控制器。仿真结果表明,相比传统的定PID控制器,设计的自适应控制器能够根据工况变化自动调节PID参数,实现了在不同工况下均能保持最优控制性能的目标。     

基于模糊PID算法的智能车电机转速控制研究

针对传统PID控制参数难以适应不同曲率半径车道下智能车运行速度变化和RS-540有刷直流伺服电机调速变化的问题,设计了自适应模糊PID算法.首先,建立了电机的数学模型,提高控制精度,在此基础上构建了自适应模糊PID控制器,然后,通过PWM脉冲改变电枢电压的平均值来控制电机转速,再通过低通滤波使速度输出平滑.加入陀螺仪使...     

汽油机转速反馈自适应控制

对汽油机转速反馈自适应点火微机控制进行了研究，对发动机点火采用开环与自适应相结合的控制方法，以发动机的转速变化为反馈信号，将发动机点火提前角控制在最佳值，试验结果表明，转速反馈自适应点火控制是可行的，它能提高控制精度和响应速度，能提高发动机的综合性能。     

耦合神经网络轮胎模型EPS自适应控制

建立了基于神经网络的轮胎模型。同时在EPS工况分类的基础上建立了工况推理准则,满足准确的判断要求,进而根据EPS所处的不同工况更改模糊PID的模糊规则,实现了多种助力特性的自适应切换。建立了整车多体动力学模型,进行了蛇形道路下的SIMPACK/Matlab联合仿真,并与基于dSPACE平台的实车试验进行对比分析。结果表明,基于该模型设计的控制策略可以有效降低驾驶员的操纵转矩和提高车辆的回正性能。     

电控发动机怠速RBF神经网络控制

提出发动机怠速控制的神经网络方法,给出了RBF神经网络模型,并将带遗忘因子的梯度下降法应用于RBF神经网络的参数调整。利用RBF神经网络良好的非线性映射能力,通过对发动机转速及转速变化率映射,得到步进电机相应驱动信号,从而实现怠速控制。实验结果表明,神经网络控制响应快、鲁棒性强,可有效提高发动机怠速品质,改善发动机的性能指标。     

半主动空气悬架神经网络的自适应控制

针对半主动空气悬架这种时变的、非线性复杂系统,提出基于神经网络的自适应控制策略,设计了神经网络辨识器和控制器。仿真计算表明,神经网络自适应控制的半主动空气悬架具有明显的减振效果。为了验证仿真效果,还进行了台架试验,研究结果表明车身振动幅度可下降30％左右。仿真和试验研究均表明,所提控制策略是正确的和有效的。     

人工神经网络在PID控制算法中的应用

根据过程实测的输入输出数据,将实际对象输出的旧值输入BP网络的输入层,从而得到一动态神经网络,作为控制中非线性系统的预测模型。既利用了系统的已知规律,提高了辨识的可靠性,又使得网络结构不必过于庞大,改善了实时性。分析了积分分离PID控制算法,在此基础上,将应用最广泛的PID控制器与具有自学习功能的神经网络相结合。得到了基于BP神经网络的PID控制算法。在已有的控制系统中嵌入了神经网络控制算法,用以调节PID控制器的三个可调参数Kρ,KI,KD。     

基于模糊神经网络的汽油机怠速控制

针对发动机怠速工况的非线性、时变性和精确数学模型难以建立的特点，提出了怠速控制的模糊神经网络方法；利用模糊神经网络的模糊信息处理能力及自学习：叻能进行发动机怠速控制，给出了BP网络模型。实验结果表明：使用神经网络对汽油机进行怠速控制效果良好．鲁棒性强，可有效提高发动机怠速品质，改善发动机的性能指标。     

基于神经网络PID的小麦收割机械式行走装置设计

为了提高联合收割机行进速度控制的响应精度、缩短控制过程的响应时间及提高收割机的作业效率,设计了一种新的小麦收割机械式行走装置。该装置利用新型液压-机械控制方案,结合神经网络PID控制器,提高了行走装置的响应速度和精度,并解决了收割机原地转向及特殊地块通过性较差的问题。行走系统采用双联集成变量柱塞泵和2个定量摆线马达的相互独立闲式液压传动系统,实现了收割机行走系统的无级调速。为了测试装置的有效性和可靠性,对PID控制器的响应精度和响应时间等进行了测试。通过测试发现:PID控制器的调节时间仅为0.02s,响应迅速,超调量低,响应精度较高,为小麦收割机现代化设计提供了较有价值的参考。     

基于BP神经网络PID的移栽机双闭环调速系统

为保证提高移栽机机械手行走速度的同时不失鲁棒性,选用直流电机作为驱动电机,并根据其动作时电流反馈、转速反馈、滤波、整流等多环节的传递函数简化模型设计了基于电流环和转速环的双闭环调速系统模型。引入BP神经网络自学习的控制策略,其中选取BP神经网络PID控制器取代转速环中的PI环节,并在MatLab中采用S函数嵌套控制器模块的方式搭建了基于直流电机双闭环系统仿真模型。结果表明:比较加入BP神经网络算法优化前后的双闭环调速系统响应曲线,优化后的模型超调量由4.3%降为0,过渡时间由2s以上缩短至2s,电机调速系统稳定性和鲁棒性得到提高,整排机械手启动时间更短、速度更快且能准确抓取目标。     

基于BP神经网络PID控制的主动悬架仿真分析

为研究主动悬架的控制算法,采用基于BP神经网络的一种自适应PID控制算法来搭建主动悬架控制系统。以某轿车车型为例,在Simulink软件中建立了以随机路面不平度激励作为系统输入的七自由度整车主动悬架仿真模型。将车身垂向加速度均方根、俯仰角加速度均方根、侧倾角加速度均方根作为主动悬架性能的评价指标进行时域及频域分析。由仿真结果可知,相比于传统的被动悬架,运用该控制算法的主动悬架可显著提升汽车的行驶稳定性与舒适性。     

BP神经网络PID控制仿真在挤压机中的应用

为了减少挤压机运行前的繁杂工作,针对自动供给系统提出了一种基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.采用动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决时变性和严重不确定系统方面的潜能,并改变了运用试凑法调节参数的方法.运用Matlab软件对挤压加料、加水和加酶制剂自动控制系统进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,可以获得满意的控制效果.     

基于MSP430的人工气候箱神经网络PID控制系统

针对人工气候中温湿度控制系统结构复杂、精度不够高以及响应速度慢等问题,提出以TI公司的超低功耗MSP430单片机为主控制器件,采用DS18B2和HM1500测量系统的温湿度,用BP神经网络智能算法自动整定PID控制参数的人工气候箱控制系统,着重介绍了系统控制算法构成及软件设计。实验表明,该控制系统结构简单,具有响应速度快、精度高和鲁棒性好等优点。     

PID神经元网络在水稻秧棚控制系统中的应用研究

育秧对水稻的生产起着至关重要的作用,为水稻秧苗提供适宜生长的环境条件就成为水稻生产中极为重要的一环。水稻育秧棚控制系统具有多变量、大惯性、非线性、强耦合及时滞等特点,采用传统PID控制不能获得满意的控制效果。为此,本文将常规的PID控制和BP神经元网络控制相结合,设计了水稻育秧棚温、湿度解耦自动控制系统,并利用仿真软件(MatLab/SIMULINK)对秧棚内PID神经元网络控制系统进行了仿真及分析。结果表明:基于PID神经元网络控制与传统PID控制相比,响应速度快、超调量小、无静差,大大提高了秧棚内控制系统的性能,达到了预期的控制效果。