模拟复合正交神经网络在轴向磁轴承中的控制研究

在数字复合正交神经网络(NN)的基础上提出一种模拟复合正交神经网络,并用于轴向磁轴承的控制中.控制器采用模拟复合正交神经网络与PID的并行控制方法,对带有负载干扰的轴向磁轴承控制系统作了PID控制与NN PID控制的仿真实验.仿真结果表明,相对于常规PID控制器,该并行控制法具有非常好的抗干扰与自适应能力,获得了满意的控制效果.     

一种复合控制器在直流调速系统中的应用

提出一种复合正交神经网络控制与传统PID控制相结合的复合控制器,仿真结果表明,相对于常规PID控制器,该复合控制器具有自学习和自适应功能,速度跟踪获得了满意的控制效果.     

一种复合控制器在直流调速系统中的应用

提出一种复合正交神经网络控制与传统PID控制相结合的复合控制器，仿真结果表明，相对于常规PID控制器，该复合控制器具有自学习和自适应功能，速度跟踪获得了满意的控制效果．     

基于复合正交神经网络的广义通用模型自适应控制

在自适应逆控制中应用复合正交神经网络具有算法简单、学习收敛速度快等优点,将复合正交神经网络与广义通用模型控制器策略相结合,提出了一种基于神经网络的广义通用模型自适应控制方法。该控制方法中的参考轨迹为一条典型的二阶曲线,控制器参数具有明显的物理意义,参数整定方便。仿真实验验证了该控制策略的有效性。     

机床静压导轨流量控制系统设计与分析

以开式液体静压导轨为研究对象,建立了开式液体静压导轨流量控制系统的数学模型,并对控制系统的稳定性进行分析.将PID控制、极点配置和神经网络智能算法用于导轨流量控制系统中,运用Matlab/Simulink软件对流量控制系统的性能进行仿真,并通过实验验证静压导轨流量控制系统的节能调速效果.结果表明,神经网络PID控制器与极点配置PID控制器和传统PID控制器相比,具有更好的动态响应性能和更高的控制精度,更能满足机床静压导轨流量控制的要求.变频调速具有很好的节能调速作用.     

基于神经网络的PID控制器研究

本文应用人工神经网络的原理,提出一种新的神经网络的智能PID控制器. 仿真结果表明,此NNPID控制器对线性、弱非线性时不变系统比传统的PID有好 的控制效果;对中等非线性系统和含有噪声扰动的线性知非线性系统有单纯PID 不能达到的控制效果.     

非线性系统的复合正交神经网络自适应控制

提出非线性系统的复合正交神经网络自适应控制方法.在非线性系统控制中,这种网络自适应控制不需要辨识系统模型与Jacobian矩阵信息,网络学习算法与被控对象模型无关.仿真结果表明,复合正交神经网络实现的非线性系统控制具有较强的自适应控制能力,证明了控制系统具有良好的跟踪控制性能,为解决非线性系统的控制问题提供了一种方法.     

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。     

CONN在无梭织机动态张力控制中的应用

经纱动态张力的精确控制对实现国内无梭织机的平稳运行、纺织过程的优质高产有重要意义.针对无梭织机技术优化问题,提出将复合正交神经网络(Compound Orthogonal Neural Network,CONN)用于动态张力的建模和控制,简化了张力和驱动脉冲之间的映射关系,设计了一类基于CONN自适应调整参数的张力控制器.仿真结果表明该张力控制器是有效和精确的,具有响应速度快、实时性好等特点.     

PID神经网络多变量控制系统的研究与改进

PID神经网络(PIDNN)是将神经网络和PID控制规律融合一起的新型神经网络.本文分析了多变量控制系统—MPIDNN控制存在的局限性,采用一种新的函数替换原MPIDNN控制的激励函数,并对改进后的MPIDNN系统进行仿真,仿真结果显示改进后的MPIDNN系统性能得到了明显改善.