导读:本文包含了神经网络自整定论文开题报告文献综述及选题提纲参考文献，主要关键词:电液调速,RBF神经网络,自整定PID,响应特性
神经网络自整定论文文献综述
周正,贺易,陈家璘,詹鹏,汤弋[1]（2019）在《基于RBF神经网络船舶传动电液恒功率调速自整定PID控制》一文中研究指出船舶传动电液调速系统对保证船舶安全运行具有重要的作用,论文在分析恒功率自动调速的电液控制系统原理的基础上,基于RBF神经网络自整定的PID控制策略,建立了基于RBF神经网络自整定的PID控制的数学模型。通过在Matlab/GUI仿真平台上计算得到系统的实际输出和模型输出的误差不超过5%,设计的RBF神经网络的电液恒功率调速自整定PID控制制具有更高的跟踪精度和响应特性,完全可以实现系统的高精度与快速的调速控制。(本文来源于《舰船电子工程》期刊2019年10期）
杜度[2]（2019）在《基于RBF神经网络参数自整定的AUV深度控制》一文中研究指出为了保证自主水下航行器(AUV)能够精确潜入固定深度海域,AUV垂平面控制技术非常重要。在基于比例-积分-微分(PID)控制设计控制器的过程中,为保证控制器能够较好地控制AUV跟踪指定轨迹,需要对PID参数进行调整,但参数设定需要反复尝试,不仅耗费大量时间,而且不能保障其最优效果。为解决这一问题,提出了一种基于径向基函数(RBF)神经网络的参数自整定PID控制方法。首先建立AUV垂平面运动模型,然后设计RBF神经网络结构,基于梯度下降方法给出了RBF参数以及PID参数的迭代公式,并设计离散式PID控制器,最后通过数值仿真验证了所提方法的有效性。仿真结果说明,AUV可以在较短时间内达到指定深度,且PID各参数均能完成自整定。(本文来源于《水下无人系统学报》期刊2019年03期）
许笑梅,赵东亚,曹磊[3]（2019）在《基于RBF神经网络的PID控制整定》一文中研究指出基于RBF神经网络的PID控制整定分析,通过MATLAB构建CSTR对象模型,综合生产环境与各种干扰性因素,利用整定PID参数的方式进行控制分析,效果显着。基于此,文章主要对基于RBF神经网络的PID控制整定的相关内容进行了简单的分析论述。(本文来源于《科技创新与应用》期刊2019年13期）
李月,丁辉,程凯[4]（2019）在《基于BP神经网络参数整定的快刀伺服控制系统研究》一文中研究指出为了实现光学自由曲面的高效精密加工,开发了一种基于音圈电机驱动的快刀伺服机构。为降低面形误差,对快刀伺服控制系统展开了研究。建立快刀伺服和音圈电机的数学模型和分析PMAC控制器和驱动器的控制算法,从而建立了快刀控制系统的仿真模型。为了减小快刀控制系统的跟踪误差,提高控制性能,提出了BP神经网络整定控制参数的方法。并对参数整定后的控制系统进行仿真和实验验证,跟踪误差为2.8μm,有效提高了快刀伺服控制系统的性能,使得满足加工的精度要求。(本文来源于《航空精密制造技术》期刊2019年02期）
胡宗镇,赵延立[5]（2019）在《基于改进型BP神经网络自整定的PID控制》一文中研究指出文章针对传统BP神经网络学习存在收敛速度慢的问题,提出了一种改进BP学习算法的PID参数整定方法。通过结合附加动量项与自调整学习速率两种方法,解决了学习过程中误差曲面剧烈变化的振荡大和脱离误差曲面平坦区慢的问题。利用Simulink对传统和改进后的BP神经网络在电机PID控制系统参数整定上进行了系统仿真对比,结果表明改进后的BP神经网络较传统BP算法的具有更优的收敛性能和收敛速度。(本文来源于《电脑与信息技术》期刊2019年01期）
马淑可,麦云飞[6]（2018）在《基于遗传神经网络PID整定的电液位置伺服系统》一文中研究指出以EPS机电一体化测试台为实验背景,针对其电液位置伺服系统的非线性以及存在外干扰等不利影响进行分析并建立数学模型。采用MATLAB/Simulink软件建立传递函数仿真模型,之后分别采用遗传算法和基于遗传算法优化的BP神经网络算法对PID进行整定。结果表明,基于遗传算法优化的BP神经网络PID整定的电液位置伺服系统稳定性强,精度更高,具有更强的鲁棒性。(本文来源于《农业装备与车辆工程》期刊2018年09期）
刘冰艳,朱武,张佳民[7]（2018）在《基于BP神经网络自整定PID恒温控制系统研究》一文中研究指出针对传统PID热导传感器(TCD)系统控制参数不能在线实时调整的问题,设计了一种基于BP神经网络自整定PID的热导传感器恒温控制系统。该系统硬件上以C8051F060微控制器为主控制器,辅以热导信号的采集、放大、滤波以及温度闭环控制等外部电路,软件上以BP神经网络PID控制算法为核心,搭建了一个完整的热导传感器恒温控制系统。另外,该系统以热导传感器温度为直接控制对象对系统进行仿真分析与实验。实验结果表明,该系统提高了热导传感器温度控制精度,最终温度控制误差在±0.1℃的范围内,增强了系统稳定性及可靠性。(本文来源于《仪表技术与传感器》期刊2018年08期）
王晓天,边思宇[8]（2018）在《基于遗传算法和神经网络的PID参数自整定》一文中研究指出针对在传统PID(比例-积分-微分)控制器中调整3个参数时不易推导出被控对象的传递函数,且这些参数不易手动调整的问题,提出一种新算法用于调整PID控制器参数.该算法将神经网络和遗传算法相结合,先利用神经网络的模拟功能协助遗传算法计算适应度,训练出一个神经网络模拟被控对象;然后在遗传算法进化中不断地优化PID控制的3个参数.与传统的参数凑试法进行对比仿真实验的结果表明,该算法具有较强的鲁棒性及较快的响应速度.(本文来源于《吉林大学学报(理学版)》期刊2018年04期）
张玉,周睿,张烈平[9]（2018）在《基于神经网络的PID自整定光伏并网逆变器仿真》一文中研究指出固定PI参数控制算法的逆变器在确定参数时需要建立准确的系统模型,针对带非线性可变负载情况下电压波动性大且动态响应速度迟缓的问题,设计具有3层BP神经网络的控制器,在输出误差的反向传播阶段,根据PID模型,利用梯度下降法找到最合适的PID参数,并进行PID调节;通过在线学习的方式,应对负载变化带来的不利影响,加快系统响应。使用Matlab进行仿真实验,将该算法与PI控制进行对比,稳态误差以及突加负载误差均小于后者。实验结果表明,该控制器在变化负载的情况下具有良好的适应性,有较好的稳定性,并且具有无需调试PID参数的优点,可以满足光伏并网的需要。(本文来源于《桂林理工大学学报》期刊2018年02期）
叶海平[10]（2018）在《基于改进BP神经网络PID自整定的研究》一文中研究指出随着数控技术的发展,传统的PID整定方式已经不能满足伺服系统的控制要求.利用改进共轭梯度法对BP神经网络算法进行优化.将改进BP神经网络算法应用到PID的整定中,构建改进BP神经网络自整定PID控制器.将设计好的BP神经网路PID控制器应用到伺服系统的控制结构图中.与BP神经网络自整定PID控制器,在Matalab的simulink里面进行建模仿真比较.仿真结果表明改进BP神经网络自整定PID控制器具有较好的快速响应能力、系统稳定性和抗干扰能力.(本文来源于《云南民族大学学报(自然科学版)》期刊2018年02期）
神经网络自整定论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了保证自主水下航行器(AUV)能够精确潜入固定深度海域,AUV垂平面控制技术非常重要。在基于比例-积分-微分(PID)控制设计控制器的过程中,为保证控制器能够较好地控制AUV跟踪指定轨迹,需要对PID参数进行调整,但参数设定需要反复尝试,不仅耗费大量时间,而且不能保障其最优效果。为解决这一问题,提出了一种基于径向基函数(RBF)神经网络的参数自整定PID控制方法。首先建立AUV垂平面运动模型,然后设计RBF神经网络结构,基于梯度下降方法给出了RBF参数以及PID参数的迭代公式,并设计离散式PID控制器,最后通过数值仿真验证了所提方法的有效性。仿真结果说明,AUV可以在较短时间内达到指定深度,且PID各参数均能完成自整定。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经网络自整定论文参考文献
[1].周正,贺易,陈家璘,詹鹏,汤弋.基于RBF神经网络船舶传动电液恒功率调速自整定PID控制[J].舰船电子工程.2019
[2].杜度.基于RBF神经网络参数自整定的AUV深度控制[J].水下无人系统学报.2019
[3].许笑梅,赵东亚,曹磊.基于RBF神经网络的PID控制整定[J].科技创新与应用.2019
[4].李月,丁辉,程凯.基于BP神经网络参数整定的快刀伺服控制系统研究[J].航空精密制造技术.2019
[5].胡宗镇,赵延立.基于改进型BP神经网络自整定的PID控制[J].电脑与信息技术.2019
[6].马淑可,麦云飞.基于遗传神经网络PID整定的电液位置伺服系统[J].农业装备与车辆工程.2018
[7].刘冰艳,朱武,张佳民.基于BP神经网络自整定PID恒温控制系统研究[J].仪表技术与传感器.2018
[8].王晓天,边思宇.基于遗传算法和神经网络的PID参数自整定[J].吉林大学学报(理学版).2018
[9].张玉,周睿,张烈平.基于神经网络的PID自整定光伏并网逆变器仿真[J].桂林理工大学学报.2018
[10].叶海平.基于改进BP神经网络PID自整定的研究[J].云南民族大学学报(自然科学版).2018