基于递归模糊神经网络的污水处理控制方法

针对污水处理过程具有非线性、大时变等问题,提出了一种基于递归模糊神经网络的多变量控制方法。该方法通过递归模糊神经网络控制器自适应地获得对操作变量的控制精度,控制器在常规BP学习算法的基础上采用学习率自适应学习算法且引入了动量项来训练网络参数,避免网络陷入局部最优,提高了网络对系统的控制精度。最后,基于仿真基准模型(BSM1)平台对第五分区中的溶解氧和第二分区中的硝态氮控制进行动态仿真实验,结果表明,与PID、前馈神经网络和常规递归神经网络相比,该方法能有效提高系统的自适应控制精度。     

应用自适应模糊-PI复合算法的塑料薄膜厚度控制研究

塑料挤出机工业系统中塑料薄膜厚度存在非线性及时变性问题,对塑料产品质量造成很大影响。针对这一问题,引入了模糊-PI复合控制算法解决塑料薄膜厚度的复杂系统控制。为了增加控制器的自适应性,加入自适应因子构成自适应模糊-PI复合控制。仿真实验与传统PID控制器对比结果表明:相比于传统PID控制器,自适应模糊-PI控制器产生更小的超调量及更快的系统响应速度;且当控制器达到稳定后,自适应模糊-PI控制器产生的平均绝对误差远小于传统PID控制器,具有更高的薄膜厚度控制精度。     

基于模糊神经网络PID的塑料薄膜厚度自适应控制

针对塑料薄膜控制系统存在非线性强、大时滞性、薄膜厚度控制精度低等问题,设计了一种模糊控制规则、神经网络与传统PID相结合的塑料薄膜厚度自适应控制系统。首先介绍了塑料薄膜吹膜机工艺,并分析了塑料薄膜厚度检测以及控制原理。设计了模糊神经网络PID的控制系统,利用模糊控制规则及神经网络的自学习能力,实现了传统PID控制参数的在线自适应调整。仿真结果表明,模糊神经网络PID控制器具有良好的动态响应特性,能够使系统在很短时间内达到稳定状态,将薄膜厚度误差控制在3μm以内。当系统被控对象发生变化时,模糊神经网络PID控制器超调量能够控制在10%以内,响应时间不超过100 s。     

基于神经网络和多模型的非线性自适应PID控制及应用

针对一类未知的单输入单输出离散非线性系统,提出了基于神经网络和多模型的非线性自适应PID控制方法。该方法由线性自适应PID控制器、神经网络非线性自适应PID控制器以及切换机构组成。采用线性自适应PID控制器可保证闭环系统所有信号有界;采用神经网络非线性自适应PID控制器可改善系统性能;通过引入合理的切换机制,能够在保证闭环系统稳定的同时,提高系统性能。理论分析表明,该方法能够保证闭环系统所有信号有界,如果适当地选择神经网络的结构和参数,系统的跟踪误差将收敛于任意给定的紧集。将所提出的方法应用于连续搅拌反应釜,仿真结果验证了所提出方法的有效性。由于该方法基于增量式数字PID控制器,在工业过程中有着广阔的应用前景。     

基于过程神经网络的BOD在线检测仪研究

为了实现污水处理过程中BOD的在线检测,提出了具有权函数动量项和自适应学习速率权值的新的过程神经网络改进算法,并利用该算法建立了BOD软测量模型,设计了基于ATMEGA1280单片机的系统主控制器,采用模块化软件设计理念,利用AVR Studio开发环境,编程实现数据采集、软测量、液晶显示、数据存储、打印驱动等功能。此仪表已在工业现场得到应用,平均相对预测误差小于4.1%。     

基于模糊逻辑算法的大型煤化工系统联合控制

为了提高煤化工系统运行经济性和可靠性,提出基于模糊逻辑算法的大型煤化工系统联合控制方法。在煤化工主要控制系统解析基础上,引入模糊逻辑算法。依据模糊化主要作用为将测量值转成模糊量,且控制作用为推理结果,构成模糊集合,再利用解模糊将模糊集转换成清晰值,以一种反馈控制形式实现煤化工系统联合控制的基本理念,结合模糊控制器及神经元网络,构建模糊神经网络,通过模糊控制先验知识实现神经网络学习能力的简化及确定,对参数进行自适应修正,高效联合控制煤化工系统运行。实验结果显示,该方法能够有效减少工作量,并节省投资成本,经济效益良好,具有可信性。     

典型大时变时滞系统神经网络模糊PID控制及应用

针对典型大时变时滞系统,设计了一种基于神经网络的模糊PID控制器.该控制器综合模糊逻辑、神经网络与PID调节的各自优点,既具有模糊控制简单和有效的非线性控制作用,又具有神经网络的学习和适应能力,同时还具备PID控制的广泛适应性.该控制器能实现系统参数大范围失配情况下的闭环鲁棒稳定,并使闭环系统达到设定值无静差跟踪及满意的动态性能.     

基于模糊神经网络的位置控制器设计

针对传统HD控制方法的不足,提出了一种TSK型模糊神经网络控制器的设计方法,并用于永磁直流无刷电机伺服控制系统的位置控制.该方法中使用了一种TSI(型递归模糊神经网络,可同时动态在线进行结构学习和参数学习,以提高位置控制静态精度和动态跟踪性能,仿真结果表明,所设计的TSK型模糊神经网络位置控制器响应速度快,跟踪性能好,输出精度高,动、静态特性优于传统PID.     

基于神经网络的非线性时变对象自适应控制方法研究

针对工业控制中的非线性、时变和滞后被控对象,将神经网络辨识器和PID控制技术有机结合,构建自适应PID控制器,并引入知识先导学习算法,提高时间效率。仿真分析表明:该自适应PID控制器能够自动辨识被控对象模型、自整定控制参数,在辨识误差、响应时间及超调量等指标上均有良好表现。     

地表水质分析及方法比较

在水质评价过程中,水环境质量等级之间存在非线性关系,这给水质评价工作带来难度。针对此,以某地地表水质作为研究对象,对单因子分析法、离散Hopfield神经网络模型和T-S模糊神经网络模型3种水质评价方法进行分析比较。仿真结果表明:模糊神经网络算法结合了神经网络系统和模糊系统的优势,集学习、联想、识别与信息处理于一体,评价结果稳定、合理,优于离散Hopfield神经网络模型,非常适合对于此类问题的研究;而单因子分析法存在一定的局限性。