柴油机BP神经网络调速快速控制原型研究

设计了BP神经网络整定PID参数的柴油机调速控制器.把该控制器下载代码到dSPACE/Mi-croAutoBox控制器内,利用快速控制原型的原理进行了起动和负荷突变工况的功能验证,并与传统PID调速控制器快速控制原型结果进行对比,结果表明,BP神经网络具有自学习能力和逼近任意函数的能力,可进行PID参数的在线整定和优化;BP整定PID调速控制器工作正常,调速精度较传统的PID控制器有较大改善;快速控制原型的研究使控制器从功能设计到产品的转化奠定了坚实的基础.     

改进的神经网络PID火电厂主汽温控制研究

针对传统神经网络PID控制系统存在的问题和不足,提出了改进措施.对于网络的结构,通过加入一层单连接的网络层,来干预网络输出所对应的PID控制器的参数.对于网络连接权值的学习策略,选择了一个实时监测系统误差的参数指标,在每个控制周期内,首先根据误差指标决定网络是否需要学习,如果不需要学习,直接采用上一控制周期的PID参数进行控制.通过对火电厂主汽温模型的仿真实验表明,改进后的神经网络PID控制系统,不论是动态性能还是静态性能都明显优于传统神经网络PID,而且网络的训练次数由改进前的7000次减少到1732次,减少了70％以上.此外,改进后的控制系统的鲁棒性也没有受到影响.     

基于改进型GA优化FNNC的SG水位控制系统仿真研究

蒸汽发生器水位直接影响到整个核电站的安全及稳定运行,但蒸汽发生器本身由于所具有的高度复杂性、非线性性、时变性等特性,导致传统的串级PID控制等方法难以取得好的控制效果.本研究在串级控制的基础上,采用模糊神经网络来对蒸汽发生器水位进行控制,该控制算法能够充分发挥模糊控制及神经网络的优点.另外,为了减小模糊神经网络参数初值的选择对控制器的性能影响,将一种改进型遗传算法用于模糊神经网络控制器的参数优化.仿真结果表明,设计的控制方法无论是抗干扰能力还是在鲁棒性方面与传统的串级PID控制及常规的模糊神经网络控制相比较都有了很大的提高.     

基于BP-PID算法的柴油机调速复合控制策略的应用研究

随着电子控制技术的不断发展,在柴油机电子调速过程当中,其被控系统逐渐趋向于复杂化和非线性化,进而导致了传统PID控制表现出一定的不适应性。我们提出了一种误差反向传播算法(BP神经网络)与传统PID结合的复合控制策略,利用BP神经网络的自适应能力和自学习能力,对PID控制器的三个参数进行在线实时整定。并以D6114柴油机为控制对象,基于dSPACE半实物仿真平台,分别对传统PID与BP-PID控制进行了仿真和配机试验。通过结果的对比性分析,验证了BP-PID复合控制策略在非线性、时变性复杂工况下,能够有效地降低负载变化对转速的影响,其抗干扰性、稳态性能更好,可以用于实际柴油机转速控制系统研究开发。     

基于模糊神经网络的水轮机调速器PID控制

针对水轮机调节系统参数时变、运行工况多变以及包含复杂非线性环节的特点,传统的PID控制策略难以满足系统各项运行指标。根据水轮机调速系统的数学模型,结合模糊控制的推理能力和神经网络的自学能力,提出基于模糊神经网络的水轮机调速器PID参数控制策略。仿真结果表明,相比于传统PID控制和模糊控制,所提控制策略的系统响应拥有更小的超调量和更短的调节时间。     

基于RBF神经网络自适应PID的预焙阳极焙烧炉温度控制

针对工况变化频繁的焙烧炉焙烧过程,提出了一种基于径向基函数(RBF)神经网络自适应PID的控制策略,该方法是通过神经网络的自学习能力在线调整PID控制器的参数,因而,其兼顾神经网络和传统PID控制的特点,能根据被控对象当前特征迅速地做出相应决策、克服实际控制过程稳态性和准确性之间的矛盾。将其应用于预焙阳极焙烧炉温度过程控制中,实验结果表明:它具有很强的自适应能力和鲁棒性,达到了满意的控制效果。     

BP神经网络在水轮机调节过程中的应用

由于水轮机调节系统的大惯性、"水锤"效应等特点及其结构复杂等问题,采用传统的常规PID控制已很难满足控制要求,控制品质也难以改善,控制过程中易发生超调量大、震荡频次多、收敛时间过长等问题。对此,在常规PID控制基础上设计了基于BP神经网络自适应PID控制,并在Matlab软件中完成相关程序的编写及仿真试验。仿真结果表明,基于BP神经网络自适应PID控制是一种有效的水轮机调速器参数整定方法,相较于常规PID控制能获得更好的动态性能。     

单元机组协调系统的神经网络解耦控制仿真研究

神经网络控制是一种新颖的智能控制方法。应用神经网络技术,对难以精确建模的复杂非线性对象进行神经网络模型辨识作为控制器,提高了响应的快速性和准确性,可满足工业过程所提出的安全性、可靠性与易实现性的要求。大型火力发电单元机组协调控制系统是一个相对复杂的多变量控制系统,控制对象具有大时滞、时变、非线性、强耦合的特点,传统的PID控制算法很难实现对过程参数的良好跟踪和理想的控制效果。针对单元机组协调控制系统的特点将神经网络解耦控制应用于单元机组协调控制系统中,仿真实验表明,神经网络解耦控制具有较强的适应性和较高的控制精度,提高了负荷的响应速率,控制效果优于传统的PID控制算法。     

基于混沌理论的预测PID控制器参数优化研究

现实工业过程时常受到外部干扰并且往往具有慢时变特性,导致传统PID控制难以及时跟踪系统变化克服噪音干扰.对混沌优化理论在控制过程中的应用进行了研究:将预测控制和PID控制器结合运用于再热汽温系统的控制当中,并采用神经网络作为系统预测模型,通过混沌优化算法对PID参数实行在线优化.计算机仿真试验验证了该算法的有效性,同传统PID控制相比较,基于混沌理论的PID预测控制能够及时跟踪系统变化克服外界扰动,取得了良好的控制效果,展现出了很强的鲁棒性能.     

电站锅炉汽包水位的CMAC神经网络与PID复合控制

提出了电站锅炉汽包水位系统的CMAC神经网络与PID的复合控制策略。将蒸汽流量信号引入到CMAC神经网络中，考虑负荷变化对汽包水位的影响，使其具有前馈补偿能力，以消除“虚假水位”现象。总的控制输出由CMAC神经网络的输出和一个常规PID控制器的输出通过变参数加权综合后作用于被控对象，这样保证在控制初期以及对象特性变化的情况下系统仍然具有良好的调节品质。仿真试验结果表明了该控制策略的有效性和实用性。图6参6     

神经网络自适应PID控制在柴油机齿条位置控制中的应用

提出了基于BP神经网络的PID控制算法在柴油机齿条位置控制系统中的应用，把传统的PID控制和BP(误差反向传播)神经网络控制相结合，采用“先离线学习，后在线控制”的思想实现了齿条位置闭环的自适应控制。初步实验结果表明，该控制算法能满足齿条位移控制的性能指标，且其稳态特性较好，克服静摩擦的效果令人满意。     

基于改进共轭梯度优化BP神经网络的风电机组变桨距控制

根据共轭梯度算法和传统BP神经网络的变桨距控制器的原理,针对兆瓦级风电机组变桨距控制设计了一种改进共轭梯度优化BP神经网络的变桨距PID参数自整定控制器,此控制器采用改进共轭梯度法修正BP神经网络的权值和阈值,实现BP神经网络变桨距PID控制器的在线整定。在Matlab/Simulink中仿真,仿真结果表明,采用此变桨距控制器可以在额定风速之上快速响应,在相同风速状况下使发电机桨距角调节命令更加准确,风轮转速更加平稳,输出功率维持在额定功率附近,取得了很好的变桨距控制效果。     

基于模糊神经网络的农业电气PID控制参数优化

摘要： 提出一种基于改进模糊神经网络PID控制的农业电气设备控制参数优化方法。设计了农业电气设备的系统结构模型,对农业电气设备的控制参量进行约束模型构建,得到控制目标函数,设计三层前向变结构PID神经网络,对农业电气PID控制参数进行自适应优化调节,设计了变结构的模糊神经网络PID控制器,实现对农业电气PID优化控制。仿真结果表明,采用该算法进行农业电气设备控制,其输出电压和电流等参数的稳定性和自整定性较好,功率增益较高,收敛性好,控制误差较少,提高了电气系统的稳定性和可靠性。     

用RBF网络整定的火电厂主汽温PID串级控制系统

火电厂主汽温具有大惯性、大迟延等特性，其动态特性随负荷而变化，采用常规的按照典型工况整定的固定参数PID串级控制难以获得满意的控制效果。为此，提出一种用RBF网络整定的PID串级主汽温控制策略，将RBF神经网络和常规PID串级控制相结合构成的智能PID控制器不仅具有常规PID控制器的特性，而且具有智能控制器的自学习能力，增强了系统对不确定因素的适应性。仿真研究结果表明：系统动态品质明显优于通常的PID串级控制，能适应对象参数的变化。具有较强的鲁棒性和自适应能力。     

智能控制算法对加热炉温度控制研究

针对当前加热炉温度控制存在的超调量大、震荡频率大等问题,基于智能控制理论的发展,将智能控制理论中的专家控制、模糊控制和神经网络控制与PID控制相结合,设计了智能PID控制算法,分别对这几种控制算法进行了数值模拟和实验研究.结果表明,智能PID控制算法的调节效果要明显优于传统的PID控制算法,其中,模糊自整定PID控制算法和模糊免疫PID控制算法在加热炉温度控制的应用上较为可行,神经网络PID控制算法也具有很好的发展和应用潜力.     

基于DRNN网络的强排式燃气热水器自整定PID控制

强排式燃气热水器是一个耦合的两输入两输出系统,随机负荷的变化又表现出参数快时变的特性。固定参数PID控制难以适应此系统控制要求,因此,提出一种基于回归神经网络(DRNN)的两输入两输出PID控制器结构,给出了DRNN神经网络参数学习算法和PID控制器参数自整定算法。计算机仿真结果验证了该控制策略可行性,这为以后进一步研究奠定了基础。     

基于忆阻神经网络的光伏面板清扫机器人PID控制器研究

机器人清扫是光伏面板高效、便捷的清扫方式。文章研究了光伏面板清扫机器人的PID控制器的优化策略。文章基于忆阻器独特的纳米级电路特性,设计了一种新型的突触电路;然后,基于新型的突触电路,构建对应的神经元和神经网络电路,并将忆阻神经网络和光伏面板清扫机器人中的PID控制器相结合,提出一种新型PID控制方法,该方法在一定程度上解决了传统PID控制器体积大、功耗高和相关参数不可调的问题;最后,基于仿真结果验证了文章提出方案的可行性和有效性。     

基于对角递归神经网络整定的PID解耦单元机组负荷控制系统

针对火电厂单元机组具有多变量强耦合、非线性及参数时变的受控对象，提出了基于对角递归神经网络整定的PID解耦控制方法，其主要特点是能够提供一个对角递归神经网络来辩识系统模型，进而对PID控制器参数进行整定，实现多变量解耦控制。通过对火电机组负荷控制系统的设计和仿真研究，表明系统达到了动态近似解耦、静态完全解耦和无静差跟踪，并具有响应速度快，鲁棒性好等特点。图5参6     

神经网络自适应控制在电加热炉中的应用

将Bang-Bang控制与神经网络自适应控制相结合，利用神经元的学习功能构成了PID控制，仿真试验和应用结果表明，这类神经网络自适应控制器可用于电加热炉系统的控制。     

模糊神经网络在汽包水位中的控制作用

汽包水位是影响电厂安全运行的一个重要参数,具有非线性,时变性的特征。传统的控制方法PID控制方式因其控制参数的固定性,适时调整效果不佳。将基于模糊神经网络构建的模糊控制器与常规控制器通过变参数加权综合后作用于被控对象能使控制系统具有良好的调节品质。