PID神经元网络及其控制系统PDF电子书下载

第1章　绪论 1

1.1　传统控制理论的局限性 1

1.2　人工神经元网络控制系统的特点和弱点 2

1.3　PID控制的特点及其和神经元网络的结合 3

1.3.1　传统PID控制的特点 4

1.3.2　神经元网络和PID控制相结合的研究现状 4

1.4　PID神经元网络（PIDNN）的特点和结构形式 6

1.4.1　PIDNN的特点 6

1.4.2　PIDNN的结构形式 7

1.5　对PIDNN所做的主要工作和创新点 8

2.1　生物神经元的特性及PID机能 10

第2章　比例、积分、微分（PID）神经元 10

2.2　PID神经元的结构形式和计算方法 13

2.2.1 神经元的基本模型结构形式 13

2.2.2　PID神经元的计算方法 15

2.3　小结 20

第3章　PID神经元网络 21

3.1　引言 21

3.2　一般前向神经元网络的特性和缺陷 21

3.3　PIDNN的基本形式——SPIDNN 23

3.3.1　SPIDNN的结构形式 23

3.3.2　SPIDNN的前向算法 23

3.3.3　SPIDNN的反传算法 25

3.4.1　MPIDNN的结构形式 28

3.4　多输出PIDNN——MPIDNN 28

3.4.2　MPIDNN前向算法 29

3.4.3　MPIDNN的反传算法 31

3.5　PIDNN连接权重初值的选取和等价系统 34

3.5.1 神经元网络连接权重初值选取的重要性 34

3.5.2　SPIDNN的连接权重初值选取和等价系统 35

3.5.3　MPIDNN的连接权重初值选取和等价系统 36

3.6　小结 38

第4章　基于PID神经元网络的非线性系统辨识 39

4.1 引言 39

4.2　PIDNN进行系统辨识的理论基础 39

4.3　PIDNN进行系统辨识的结构分析 43

4.5.1 单变量非线性动态系统辨识 45

4.4　PIDNN的系统辨识程序 45

4.5　PIDNN进行非线性动态系统辨识实例 45

4.5.2 多变量非线性动态系统辨识 48

4.6　小结 50

第5章　PID神经元网络单变量控制系统 52

5.1 引言 52

5.2　SPIDNN控制系统的结构和算法 52

5.2.1　SPIDNN控制系统的结构 52

5.2.2　SPIDNN控制器的前向计算方法 52

5.2.3　SPIDNN控制器的反传学习计算方法 54

5.3　SPIDNN单变量控制系统的稳定性分析 57

5.4　SPIDNN单变量控制系统仿真结果 63

5.4.1 线性单变量系统的控制 63

5.4.2　带时延单变量系统的控制 66

5.4.3 非线性时变单变量系统的控制 68

5.5　小结 72

第6章　PID神经元网络多变量控制系统理论 73

6.1　多变量系统控制的特点和问题 73

6.2　PIDNN多变量控制系统的结构和算法 76

6.2.1　PIDNN多变量控制系统的结构 76

6.2.2　PIDNN多变量控制系统的前向计算方法 77

6.2.3　PIDNN多变量控制系统的反传计算方法 78

6.3　PIDNN多变量控制系统的收敛性和稳定性分析 82

6.4　小结 86

7.1　线性多变量控制系统的控制 87

7.1.1 线性强耦合二变量一阶系统的控制 87

第7章　PID神经元网络多变量控制系统仿真 87

7.1.2　线性强耦合三变量一阶系统的控制 92

7.2　带时延强耦合多变量系统的控制 94

7.2.1 大时延多变量线性系统的控制 94

7.2.2　大时延多变量复杂结构系统的控制 97

7.3　非线性强耦合多变量系统的控制 98

7.3.1 非线性二变量系统1的控制 99

7.3.2　非线性多变量系统2的控制 100

7.3.3　非线性时变多变量系统的控制 101

7.4　时变强耦合多变量系统的控制 102

7.4.1 线性多变量时变系统的控制 103

7.4.2　非线性时变多变量系统的控制 105

7.5　输入—输出非对称多变量系统的控制 107

7.6　小结 109

8.1　基于VB的PIDNN控制系统仿真程序 111

8.1.1　程序结构 111

第8章　常用软件平台上的PIDNN程序设计 111

8.1.2　主要程序 113

8.2　基于虚拟仪器LABVIW的PIDNN程序设计 116

8.2.1 虚拟仪器LABVIW简介 116

8.2.2　PIDNN算法在LABVIEW中的模块化结构 117

8.2.3　程序界面的设计 118

8.2.4　LABVIEW中功能模块的编程 120

8.3　基于MCGS组态软件的PIDNN控制 126

8.3.1　MCGS组态软件简介 126

8.3.2　PIDNN算法的实现 127

9.1　基于以太网的PIDNN及其对加热炉的控制 133

第9章　PID神经元网络控制系统的应用 133

9.2　船用柴油机PIDNN控制系统 135

9.3　采用双输出PIDNN控制的变风量空调系统 136

9.4　采用四输出PIDNN控制的变风量空调系统 138

9.5　基于PIDNN的冷连轧板形板厚多变量系统的控制 140

9.6　PIDNN对小车倒立摆的控制 142

9.7　注塑机料筒多段温度PIDNN解耦控制系统 143

9.8　小结 146

第10章　总结与展望 147

10.1　总结 147

10.2　展望 149

参考文献 150