四旋翼飞行器的神经网络PID控制算法研究

针对四旋翼飞行器的强耦合、欠驱动、非线性且无法精确建模等问题,设计一种能够自主调节飞行器控制参数,且在工程实践中易于实现的径向基神经网络PID控制算法。该算法以高斯激活函数为主体,采用梯度下降法训练网络的中心矢量及权值参数,得出网络输入/输出之间的非线性关系,最后用于修正位置环PID的控制参数。搭建四旋翼飞行器实物平台,通过实验研究算法的控制性能。实验结果表明,神经网络PID控制算法控制效果优良,不依赖系统的精确建立且具有较强的鲁棒性及自适应能力。     

基于积分滑模和ESO的四旋翼无人机容错控制

针对四旋翼无人机桨叶损伤故障的位置和姿态控制问题,设计一种基于积分滑模法和扩张状态观测器(ESO)的四旋翼无人机主动容错控制系统.建立了执行机构损伤故障下的无人机非线性模型,采用抗干扰能力较强的滑模控制法(SMC)设计姿态内环和位置外环基本控制器;为减小系统的稳态误差,引入积分环节,构造出积分滑模控制器;通过采用边界层...     

基于ESO的NLPID神经网络控制器的设计

针对传统PID控制自适应和抗扰能力欠佳的问题,提出了一种具有强抗扰动能力的NLPID神经网络控制方法。该方法通过扩张状态观测器对系统建模中不确定性因素以及系统的外部扰动实时观测进行前馈补偿,并与非线性PID神经网络控制相结合,实现对非线性、时变、不确定性、受未知外扰系统的最优PID自适应抗扰控制。通过Matlab仿真结果与传统PID控制对比分析,表明该方法具有优良的动态品质和静态性能,在非线性系统控制领域拥具有重要的应用价值。     

四旋翼飞行器建模与PID控制器设计

为了实现对四旋翼飞行器的稳定飞行控制,对四旋翼飞行器建立了动力学数学模型,并采用准LPV法将非线性模型线性化,在建立的动力学模型基础上,对飞行器垂直速率、俯仰速率、横滚速率、偏航速率四个独立通道上分别设计了PID控制器.并通过Matlab/Simulink软件进行控制系统仿真,并对仿真结果进行分析,仿真结果验证了PID算法的有效性.     

高精度PID温度控制器

介绍一种高精度的、采用 PID控制原理的温度控制器 ,给出了实验结果。这种控制器适用于小功率半导体器件的工作温度控制 ,其控制精度可达± 0 .0 5℃。     

四旋翼PIDNN控制器设计

针对传统四旋翼PID控制器参数整定困难和控制效果难以达到最优的问题,综合了传统PID控制器工程意义明确、参数整定简便以及神经网络的非线性映射和自学习的优点,构造了四旋翼神经网络PID(PIDNN)控制器。以神经网络的非线性映射特点和自学习能力优化了传统PID控制器的控制效果,借助PID控制器的构造特点,解决了神经网络层数、节点数和连接权重初值选取困难的问题。最后,通过仿真实验验证了算法的合理性和有效性。     

四旋翼无人机基于图像的抗干扰视觉伺服控制

针对四旋翼无人机视觉伺服过程中易受到干扰的问题,利用积分反步滑模控制方法设计基于图像的四旋翼无人机视觉伺服抗干扰的非线性控制器。选择图像矩作为特征,利用虚拟相机平面改进存在模型不确定和外部干扰的动力学模型。针对难以直接测量的虚拟平面的线速度,通过反步法设计线速度估计器,提高了控制的准确性。通过Lyapunov理论证明了所提出的全局积分反步滑模控制器的稳定性。仿真实验结果证明了设计的控制器的有效性和鲁棒性。     

基于RBF神经网络的自适应均衡器研究

在研究基于径向基函数(ＲＢＦ)神经网络的均衡器结构以及传统自适应均衡算法的基础上,提出了两种新的基于ＲＢＦ神经网络的自适应均衡器,并给出了相应的自适应均衡算法。新的均衡器是将判决反馈引入到ＲＢＦ神经网络中以及将Ａｄａｌｉｎｅ网络与ＲＢＦ网络有机的结合而分别构成的,仿真结果表明这两种新算法比基于ＲＢＦ神经网络的自适应均衡算法都具有更好的收敛性能。     

RBF网络在发电机状态监测中的应用研究

为提高发电机状态异常判别和故障诊断的能力，研究一种状态监测的智能判别方法。设计了一种基于径向基函数神经网络的模型，阐述其网络结构，训练算法及综合决策方法，该模型不仅能利用故障样本及专家经验知识进行状态判别，而且可以不断学习新的样本获取新的知识。经过训练的网络能很好地判别电机状态，仿真结果表明，该网络及决策方法有效，并具有良好的实用价值。     

一种改进的RBF整定PID及其仿真实现

文中在分析RBF神经网络整定PID算法优缺点的基础上,给出了一种采用遗传模拟退火算法来优化网络结构和权值参数的RBF神经网络,将改进的RBF神经网络用于整定PID控制,并给出了相应的仿真测试例子。仿真实验结果表明,与采用梯度法优化网络权值等参数的RBF神经网络相比,给出的优化算法能更好地辨识控制系统,具有通用性好、调节精度高、在抑制超调量能力强等优点。     

基于动态神经网络在线辨识的PID控制

针对工业控制领域中复杂非线性时变系统和传统RBF神经网络辨识PID控制的不足,提出了一种基于聚类结合算法的动态RBF神经网络在线辨识PID自适应控制方法.通过优化的动态RBF辨识神经网络更好地描述了控制对象的动态行为,获得PID参数在线调整信息,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比该方法具有较高的控制精度,较快的系统响应,较强的适应性和鲁棒性.     

基于Smith预估补偿与RBF神经网络的改进PID控制

由于工业界普遍存在且难以很好地解决恒温控制的大滞后和非线性问题,特提出了将Smith预估补偿和RBF神经网络与PID控制相结合的改进PID控制算法。该算法利用Smith预估补偿对温度滞后问题进行处理,利用RBF网络在线学习能力进行PID参数的动态调整处理非线性问题,进而保证恒温控制使系统处于最佳状态。     

基于BP神经网络的PID控制器的设计及模拟研究

本文首先对BP神经网络进行概述,然后对基于BP神经网络的PID控制器的设计进行分析,最后进行模拟仿真研究,得出基于BP神经网络的PID控制器与传统PID控制器具有适应性强、精度高等明显优势的结论.     

基于BP神经网络的温度模糊PID控制器设计

根据BP神经网络对温度控制的要求设计出一种模糊PID控制器,采用误差和误差变化率作为模糊PID控制器的输入,PID参数作为模糊PID控制器的输出,使用一组模糊规则实现对PID参数的在线优化调节。采用Simulink图形化工具平台对模糊PID控制器和传统的PID控制器进行建模和仿真,结果表明和传统PID控制器相比,模糊PID控制器性能优良,使系统响应速度加快,超调减小。     

改进粒子群算法在四旋翼PID参数优化中的应用

采用试凑方式对四旋翼飞行器PID控制参数人工进行调整工作量大、费时且难以达到较好的控制效果。为了解决控制参数优化问题,提出基于带交叉因子的粒子群算法(PSO)的PID参数优化策略。将带交叉因子的粒子群算法能快速准确找到最优参数解的特点与PID控制结合起来,在控制过程中将PID参数作为粒子群中的粒子,用遗传算法对粒子进行选择、保优、交叉,以ITAE准则作为误差性能指标,用粒子群算法调整PID参数,得出最优的粒子作为四旋翼飞行器的PID控制器参数。仿真结果显示,该方法具有更强的灵活性、适应性和鲁棒性,并能提高控制系统的精度,具有很好的工程应用价值。     

神经网络PID控制及其Matlab仿真

讨论了基于神经网络的PID控制，并将其作用于工业控制，利用神经网络的自学习能力进行在线参数整定，并利用Matlab软件进行仿真。仿真结果表明，神经网络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。     

基于模糊神经网络的PID控制器研究

工业控制经常会用到一些经典的PID控制,PID控制有很多优点比如应用范围广、参数较易整定、鲁棒性好等.但是随着科技的发展,工业控制对控制对象的要求越来越高,PID控制有时候很难满足控制要求.因此文章在原有的PID控制器的基础上,加入模糊控制、神经网络控制,优化其控制系统.模糊神经网络PID控制器通过实验证明控制效果有很大的提升.模糊控制、神经网络控制结合一起起到互补的效果,比单独的PID控制系统性能更好.