UAV智能自适应控制器设计

无人机姿态控制性能的好坏对其实现精确的自主飞行至关重要,为了更精确、更快速、更平稳的控制无人机的飞行姿态,本文设计的智能自适应控制器,其具有随误差大小变化而不断的自适应调参能力,通过仿真比较,得出智能自适应控制器大大改善了常规PID收敛速度慢、抗干扰能力弱等缺点。     

一种基于加速BP神经网络的PID控制器参数调节方法

PID控制是一种根据系统的误差,使用比例、积分、微分计算出控制量调节系统误差的控制方法 ,PID控制器由于不需要建立精确的系统数学模型而广泛应用于工业控制的各个领域。但是经典的PID控制方法的三个参数值通常是人工赋值,而人工赋值往往依赖于经验,因此控制效率较低。BP神经网络具有很强的泛化能力,可以逼近任意的非线性函数,本文使用BP神经网络调节PID控制器的参数。但是经典BP神经网络需要不断地调节权值,因此收敛速度很慢,本文利用动量常数加速神经网络的训练。仿真试验验证了本文提出的使用加速BP神经网络调节PID控制器参数的方法具有更快的收敛能力,能够实现系统的快速逼近功能。     

基于遗传算法和神经网络的调参控制律设计

飞控系统的设计一般采用调参控制器，针对目前广泛使用的调参控制律增益设计，提出了采用遗传算法计算，然后应用神经网络逼近调参曲线的方法，该方法可以克服传统方法中试凑和插值带来的缺点，对工程应用有一定的参考价值。     

航空发动机PID神经网络解耦控制

对航空发动机的双变量解耦控制方法进行了研究,提出了一种基于遗传算法的PID神经网络解耦控制算法。该算法将遗传算法用于多层前向神经网络的连接权系数的学习,克服了BP算法易陷入局部权值的缺点,并具有PID神经网络控制器结构简单规范、动态和静态性能良好等优点。     

基于功率反馈的涡轴发动机神经网络PID控制研究

通过对功率平衡关系进行分析,提出了利用功率反馈设计智能神经网络PID控制器的方法。基于BP（Back Propagation）神经网络,将功率信号作为神经网络的输入层信号,并改进了网络权值的学习规则。通过在线整定PID参数,控制器能够根据功率误差信号的变化实时调整控制参数,从而使系统自主寻找到功率平衡点,具有良好的稳态和动态响应特性。仿真结果表明：该方法可以使涡轴发动机在全包线范围内具有理想的控制性能。     

航空活塞式发动机空燃比实时控制算法

采用比例-积分-微分神经网络(PIDNN)的控制算法,集合了传统PID控制及神经网络各自的优点,控制发动机在不同工况下的空燃比,实现发动机在不同工况间切换时,能够快速地控制空燃比至目标值.在AMESim软件中建立发动机模型,在MATLAB软件中建立PIDNN控制算法,进行模型在环仿真,仿真结果表明:在不同海拔高度下,PIDNN控制算法都能够准确地把空燃比控制在目标值,当发动机在不同工况间切换时,PIDNN能够在0.5s内把发动机空燃比控制至目标值,并且保证过量空气系数超调量在0.2之内,改善了发动机的动力性、经济性,提高了发动机的响应能力.     

神经网络PID在电机调速中的应用

针对传统PID控制器参数不能随直流电机转速变化而适时整定的缺点,将常规PID控制器与具有自学习功能的神经网络相结合,提出了基于BP神经网络的PID控制算法。通过工控机与PLC之间的通信,实现用户自行开发的神经网络对PID参数的适时整定,其控制效果已经通过实验进行了充分验证,较传统参数固定式PID调速器具有更快的调节速度和更高的调节精度。     

基于小波神经网络辨识的PID神经MRAC研究

提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。     

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。     

某于功率反馈的涡轴发动机神经网络PID控制研究

通过对功率平衡关系进行分析,提出了利用功率反馈设计智能神经网络PIO控制器的方法。基于BP(Back Propagation)神经网络,将功率信号作为神经网络的输入层信号,并改进了网络权值的学习规则。通过在线整定PID参数,控制器能够根据功率误差信号的变化实时调整控制参数,从而使系统自主寻找到功率平衡点,具有良好的稳态和动态响应特性。仿真结果表明：该方法可以使涡轴发动机在全包线范围内具有理想的控制性能。     

导弹发射装置随动系统模糊神经PID控制器

在有些系统性能指标要求很高的导弹发射装置的随动系统中,传统的PID控制往往难以满足要求。文章以某型导弹发射装置的随动系统为模型,结合了模糊控制、神经网络及PID等控制算法,设计了模糊神经PID控制器。通过与传统的PID控制器仿真实验对比,可以看出应用模糊神经PID控制器能够有效地提高该随动系统的动态性能和鲁棒稳定性。     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

Algorithms of constructing a neural network model for a dynamic object of control and adjustment of PID controller parameters

The paper presents an algorithm for constructing a neural network model for a dynamic object of control based on the data sample obtained as a result of the object operation. The algorithm being considered applies a neural network approach and a genetic algorithm. An algorithm is presented for determining a domain of possible values for a proportional-integral-derivative controller (PID controller) based on application created neural network model of the controlled object.     

基于新型神经网络的航空发动机多变量控制

根据PID控制结构提出了一种新型神经网络控制器,对其基本结构和学习算法等进行了分析。结合某型航空涡喷发动机双变量控制需求,利用2个结构相同、相互联系的神经网络,实现了发动机双变量控制和接耦。在不同飞行条件、不同发动机工作状态下的仿真表明,控制器具有良好的控制性能     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

飞机航向神经网络PID参数自整定控制器研究

飞机航向操纵的模型参数具有非线性、慢时变特性。飞机航向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BP神经网络实现PID参数自整定的控制方法。此法能根据飞机动态特性的变化，自动重新整定PID参数，从而改善了飞机航向的操纵性能和鲁棒性。