PID控制神经网络外文资料

1、/Power Engineering Society General Meeting, 2007. IEEE. IEEE, 2007: 1-7. 毕业设计（论文）外文文献翻译 毕业设计（论文）题目 翻译题目 与神经网络相关的动态电压恢复器用于控制电压干扰检测和实时数字电压控制 学院 专业 光信息科学与技术专业 姓名 班级 1 与神经网络相关的动态电压恢复器用于控制电压干扰检测和实时数字电压控制 Y.H. Chung, H.J. Kim, G.H. Kwon, T.B. Park, S.H Kim, K.S. Kim and J.W. Choe 摘要 ： 本文介绍了大功率的 DVR（动态电压恢复器）与新 的电压扰动检测方法以及实时数字 PWM 电压控制。
新的电压扰动检测采用神经网络的变量增量规则。
通过提出的方法，我们可以及时跟踪在电压条件严重不平衡情况下的各相位电压下的峰值。
相比传统的同步参考帧的方法，提出一个通过显示最小延迟时间确定电压凹陷或电压涌浪事件的实例。
另外采用实时数字 PWM 控制技术，在逆变器输出滤波电容的电压，对滤波电抗器电流。

2、神经网路 PI 单元作为 LIM 的辅助驱动效果，驱动控制的数学模型的有效性通过模拟实验被证实。
关键字：线性鼠笼电机（ LIM） ,磁场定向控制，终端效应 前 言 线性鼠笼电机 是在低速磁浮系统中作为耐热系统，来驱动车辆。
LIM之所以有终端效应取决于它独特的装置。
由动力学终端效应产生的涡流动力导致了线性电机的额外损失，从而减少了推动力。
当矢量控制策略应用于 LIM 时，就必须考虑终端效应的影响，并且建立更精确的数学模型来完善控制系统的整体性能。
在本文中，讨论了在考虑终端效应很大时 LIM 的电路方程，推导出了 LIM 的计算模型。
智能控制方法被用来解决人力所难以操作的问题。
而单神经 PI 控制单元之所以能被用于 LIM 的辅助驱动是由于它简单的构造。
模拟实验已经证实了这些模型在改善整体性能上的有效性 和可靠性。
- 2 - 考虑了终端效应的 LIM 的电路方程 在一个长的二级类型的 LIM 中，和一级不同的是在二级类型中连续更换了新材料，这种新材料倾向于抵制渗透通量的。

3、lt;stronghttp:/www.bisheziliao.com/p-134478.html 中文2527字/stron。

4、lt;span style=font-size:18px;color:#ff0000;http:/www.bisheziliao.com/p-138011.html中文 2653 字  外文翻译    外文资料名称： 汽车主动悬架系统的神经网络控     制运算法则的研究                 &。

5、RBF 神经网络有很强的非线性映射能力 ,一个好的插值性能 ,价值和更高的训练速度。
因此本文提出了一种两级 RBF 神经网络。
将测量值与预测值 ,两级 RBF 神经网络用于在线预测最优控制的冷藏 温度。
新方法的应用效果显示一个巨大的成功。
关键词 :RBF 神经网络、冷藏、在线预测最优控制。
介绍 冷库温度的预测最优控制找到了广泛应用在农业工程 ,特别是冷藏的水果和蔬菜保鲜的。
所有的 currently-used 温度控制单元面临如何选择最适温度为控制对象的问题 ， 如何进行冷藏库温度的变化 ， 和如何实现最优控制。
大量的工作研究了前面的方法是基于泰勒级数理论和 PID 控制算法 1, 后 来 ,毛皮商的转换方法 ,切比雪夫的理论 和一些基础知识 的系统 我们得到了并且使用了 更好的结论 (2、 3)。
近年来 ,英国石油公司 将 神经网络用 于冷库温度的最优控制。
BP 神经网络具有良好的非线性映射的性能 ,但它有太多的地方 并不是那么理想 ,通常 是 其训练速度太慢 了 (2、 5)。
因此它不能方便 地 用于在线控。

6、http:/www.bisheziliao.com/p-134420.html中文3730span style=font-size:24px;font-family:仿宋_gb。

7、整定的 PID控制器设计及仿真 基于 RBF 神经网络整定的 PID 控制器设计及仿真 摘 要 目前，因为 PID 控制具有简单的控制结构，可通过调节比例积分和微分取得基本满意的控制性能，在实际应用中又较易于整定，所以广泛应用于过程控制和运动控制中，尤其在可建立精确模型的确定性控制系统中应用比较多。
然而随着现代工业过程的日益复杂，对控制要求的逐步增高（如稳定性、准确性、快速性等），经典控制理论面临着严重的挑战。
对工业控制领域中非线性系统，采用传统 PID 控制不能获得满意的控制效果。
采用基于梯度下降算法优化 RBF 神经网络，它将神经网络和 PID 控制技术融为一体，既具有常规 PID 控制器结构简单、物理意义明确的优点，同时又具有神经网络自学习、自适应的功能。
因此，本文通过对 RBF 神经网络的结构和计算方法的学习，设计一个基于 RBF 神经网络整定的 PID 控制器，构建其模型，进而编写 M 语言程序。
运用 MATLAB 软件对所设计的 RBF 神经网络整定的 PID 控制算法进行仿真研究。
然。

8、数学模型的控制理论和方法的局限性日益明显。
无 模型控制能有效地提高系统的实用性和鲁棒性。
因此，走向无模型控制是自动控 制发展的另一个重要方向。
在 1943 年，麦卡洛克和皮茨首次提出了脑模型，其最初动机在于模仿生物 的神经系统。
随着超大规模的集成电路（VISI） ，光电子学和计算机技术的发展， 人工神经网络（ANN）已引起更为广泛的注意。
近年来，给予神经控制的理论和 机理的进一步开发和应用。
尽管基于神经元多分控制能力比较有限，但由于神经 网络控制器具有学习能力、记忆能力、概括能力、并行处理能力和容错能力等重 要特性，仍然有许多神经网络控制器被设计出来，这类控制器具有并行处理、执 行速度快、鲁棒性好、自适应性强和适于应用等特点，广泛应用在控制领域。
神经网络控制是一种基本上不依赖于模型的控制方法， 他比较适用于那些具 有不确定性或高度非线性的控制对象，并且较强的适应性和学习能力，他是智能 控制的一个重要分支， 对于自动控制来说， 神经网络具有自适应功能， 泛化功能， 非线性映射功能，高度并行处理功能等几方面优势，这使得神经网络成为当今一 个非常热门的交叉学科，广泛应用在电力、化工、机械。