СЪДЪРЖАНИЕ
- М. Хаджийски. Интелигентно управление с поощряващо обучение в индустриалната автоматика
- изкуствен интелект
С. Йорданов, Г. Михалев, К. Орманджиев, Х. Стойчева, С. Иванов. Приложение на адаптивен невро-ПИД регулатор при управление на електрохидравлична система - В. Акиванов. Методи и средства за дистанционно измерване и съхраняване на данни от първични източници
- Заслужено признание Акад. Васил Сгурев с почетното звание „Доктор хонорис кауза“ на Русенски университет „Ангел Кънчев“
- 26-а международна конференция „Компютърни системи и технологии“ CompSysTech’25, 27-28 юни 2025 г., Русе
- Дни на Джон Атанасов 2025
- IEEE International Conference Automatics and Informatics’2025 (ICAI’25), 9-11 октомври 2025 г., Варна
- 9th IEEE International Conference “Big Data, Knowledge and Control System Engineering” BdKCSE’2025, 6-7 ноември 2025 г., Банкя
- 33-и международен симпозиум „Управление на енергийни, екологични и индустриални системи“, 11-12 ноември 2025 г., София
- Клуб САИ през 2025 г.
- Първи награди за млади представители на САИ „Джон Атанасов“
- Инж. Михаил Марков Кринков (1930-2025)
Key Words: Neural PID control; adaptive control; electro-hydraulic system; nonlinear systems; MATLAB/Simulink; robustness.
Abstract. This article presents an adaptive Neural PID Optimizer for control of a nonlinear electro-hydraulic servo system. Conventional PID controllers with fixed parameters ensure satisfactory performance only in a limited operating range and exhibit degraded behavior at low rotational speeds due to dead-zone effects and at high speeds due to actuator saturation. To address these limitations, a neural network is employed to adapt the PID gains Kp, Ki, and Kd in real time based on the system state. Simulation studies conducted in MATLAB/Simulink for different operating regimes and load variations demonstrate that the proposed adaptive controller improves dynamic performance, reduces settling time, eliminates steady-state error, and enhances robustness to disturbances. The time evolution of the controller parameters confirms the effective operation of the neural adaptation mechanism. The results validate the suitability of the proposed approach for control of nonlinear electrohydraulic systems with variable operating conditions.
