基于BP神经网络的改进增量式PID暖通控制器设计

为了克服传统PID控制在暖通空调系统应用中超调量大、控制精度低的缺陷,提出了一种基于BP神经网络的PID控制器设计方法.利用BP神经网络具有很强的学习能力、任意逼近非线性能力、自适应性和鲁棒性等特点,将BP神经网络与PID控制结合,实现了PID的3个控制参数的在线自整定.仿真结果表明,该方法可以显著改善系统的动态性能和控制精度,实现了PID控制参数的在线动态调整,避免了由于系统模型和结构参数变化导致的控制效果不稳定.     

三容系统的解耦神经网络PID控制

三容水箱是常见的非线性强耦合系统,利用一种非线性动态解耦的方法对其进行解耦(其特点是能利用非线性补偿的方式将该类系统各回路输入与输出之间完全解耦),然后采用基于BP神经网络的PID控制策略对其进行控制,并利用MATLAB进行仿真。仿真结果证明解耦的有效性,表明了BP神经网络的PID算法比传统的数字PID具有更强的抗扰动性。     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

基于GA-BP-AdaBoost 强预测模型的大坝变形应用

基于大坝变形量与多影响因素复杂非线性关系问题,提出了基于遗传算法优化BP 神经网络的AdaBoost 强预测模型( GA-BP-AdaBoost) 。算例分析表明,该强预测模型融合了遗传算法全局优化和BP 神经网络的局部寻优的特点,同时AdaBoost 强预测器通过给弱预测器的预测序列赋予不同的权重,综合不同预测序列的精度优势,实现了AdaBoost 强预测器“优中选优”的目的,最大限度地提高了预测精度,验证了本文基于遗传算法优化BP 神经网络的AdaBoost 强预测模型在大坝变形监测中的可行性和实用性。     

基于BP神经网络PID参数整定的空燃比控制策略研究

采用BP神经网络实现在过渡工况下发动机空燃比的PID控制系统的参数整定,建立了发动机燃烧及燃油供给系AMESim仿真模型,利用MATLAB／Simulink设计了改进空燃比BP神经网络PID控制仿真模型,在AMESim环境下进行了动态仿真．仿真试验表明：基于BP神经网络PID参数整定的空燃比控制策略具有良好的自适应性能,与经典PID控制相比,改善了过渡工况下燃油的供给,实现了空燃比的精确控制．     

基于BP网络横向磁场永磁电机调速系统的设计

文章针对横向磁场永磁电机非线性、强耦合的特点以及传统PI调节器存在超调和控制参数无法自适应的缺陷,提出一种基于BP神经网络的横向磁场永磁电机PI控制方案.该方案在分析电机矢量控制的基础上,建立了四相横向磁场永磁电机的数学模型,利用BP神经网络对PI调节器参数进行在线整定,通过自调整学习速率改进BP神经网络学习能力,实现电机跟踪性能和抗负载扰动性能的提高.实验结果表明,所采用的控制策略可行,在参数突变和突加负载时,均能够达到跟踪额定转速的效果,使系统具有良好的鲁棒性.     

基于BP神经网络的多变量PID解耦控制

基于神经网络实现智能PID控制的策略,它以经典的PID控制为基础,通过神经网络参数整定实现,进而进行自学习,用于多变量系统的解耦控制.论文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真.通过计算机仿真证明了基于神经网络的PID控制器网络结构简单规范具有良好的自学习和自适应解耦控制能力.系统易于实现,融解耦器与控制器于一体,适用于非线性多变量系统的解耦控制.能够使解耦后的系统具有良好的动态和静态性能,特别是依据BP控制规律来确定网络连接权的初值,还具有参数快速收敛的优点.     

BP神经网络PID控制器研究

分析了常规PID控制在工业控制中的特点,引入一种基于BP神经网络的PID控制器,介绍其基本工作原理,阐述了应用BP算法,通过自学习功能,能够逼近任意连续有界非线性函数特性,解决非线性系统的鲁棒性和动态性能.     

舰载机着舰纵向时变风险权值矩阵预测控制

为实现舰载机纵向自动着舰,提出时变风险权值矩阵的预测控制方法来构建舰载机纵向自动着舰引导律。首先,建立基于偏差形式的舰载机纵向着舰非线性模型,根据航母实时运动状态动态求解飞机着舰过程平衡点,并获得线性模型的动态系统矩阵;其次,提出纵向着舰高维风险建模理论,并通过BP神经网络训练样本数据建立风险模型,根据高维风险模型构建预测控制的时变权值矩阵,给出并证明求解最优控制量的若干定理,推导出相应线性矩阵不等式,并设计状态观测器来观测当前无法直接测量的着舰状态。最后,在半物理仿真平台上验证建立的着舰引导律,通过仿真曲线证明了算法的可行性和有效性。     

基于BP神经网络的入口匝道控制算法

针对现有的入口匝道控制方案不能有效缓解高速公路交通拥挤及堵塞问题,提出了一种使用BP神经网络的非线性方法设计感应匝道控制的算法。首先建立了高速公路交通流动态模型,在此基础上,结合BP神经网络设计了非线性反馈匝道控制算法。在MATLAB环境下,比较了无控制、ALINEA控制和BP神经网络控制3种不同控制方法的有效性。结果表明,BP神经网络方法在抑制交通流密度波动方面优于ALINEA控制,且能使高速公路主线交通流密度保持在期望值附近。此外,该算法具有自学习功能,可以在线调节神经网络的连接权值以适应不同的交通流模式。     

一类隐含控制输入非线性系统的自适应控制

针对一类隐含控制输入的非线性系统,引用中值定理并利用径向基神经网络的逼近能力,提出了一种稳定自适应神经网络控制方案,以实现对一类隐含控制输入未确定非线性系统的控制。通过采用2个不同的鲁棒控制项,保证了系统中所有信号都是有界的,利用Lyapunov稳定性理论,证明了系统是稳定的,跟踪误差将收敛到零点的某个邻域内。仿真结果验证了该算法的有效性。     

Matlab环境下基于OPC技术实现动态矩阵控制

针对FF现场总线中监控软件实现DMC算法的困难,提出利用Matlab7.0 OPC工具包与OPC服务器间进行通讯并实现DMC控制的方案,充分发挥了矩阵计算语言简洁、高效的优势。仿真结果表明,该方案能在很大程度上缩短监控程序的开发周期,并达到了预期的控制效果。     

Transient Air-Fuel Ratio Control in a CNG Engine Using Fuzzy Neural Networks

The fuzzy neural networks has been used as means of precisely controlling the air-fuel ratio of a leanburn compressed natural gas (CNG) engine. A control algorithm, without based on engine model, has been utilized to construct a feedforward/feedback control scheme to regulate the air-fuel ratio. Using fuzzy neural networks, a fuzzy neural hybrid controller is obtained based on PI controller. The new controller, which can adjust parameters online, has been tested in transient air-fuel ratio control of a CNG engine.     

基于神经网络PID控制器的混沌系统控制与同步

提出了一种基于神经网络参数自整定PID控制器的混沌控制方法。该方法由神经网络辨识器和神经网络控制器组成,神经网络学习算法均采用Davidon最小二乘法。考虑到混沌系统的动力学特性,施加单个控制量可实现模型未知混沌系统的平衡点镇定和自同步,仿真结果证实了该方法的有效性。     

集散控制与现场控制的比较及对FCS技术的展望

近年来,由于计算机技术及计算机网络技术的进步,测控技术领域也因此发生了巨大变革,第五代过程控制体系结构ＦＣＳ已随着现场总线技术的发展而逐步形成。探讨过程控制体系结构从ＰＣＳ到ＦＣＳ的发展情况,并对ＦＣＳ技术与现场总线技术产生与发展作详细阐述。     

神经网络在水泥窑优化控制系统中的应用

提出了基于RBF神经网络的水泥窑优化控制系统方案,采用“定值控制回路＋RBF神经网络”两层控制结构,并通过接口外挂于水泥窑集散控制系统的高速数据通道上,实现窑的综合优化控制。仿真实验表明：该优化控制方案有很大的参考价值和实际意义。     

神经网络自适应控制技术在空调系统中的应用

目的采用神经网络自适应控制方法，来解决中央空调系统大惯性、大时滞问题，提高控制效果．方法利用两个BP神经网络NNC和NNI，分别做控制器和辨识器，神经网络辨识器通过采集相关的输出量，监控系统的工作状态，并通过实时调整神经网络控制器参数．结果实现中央空调智能控制，仿真结果验证有良好的动态性能和稳态性能．结论神经网络自适应控制器优于常规控制器．调节速度快，超调小，具有良好的控制性能．     

采用一种新型神经网络的动态系统辨识与控制

目的研究动态系统的神经网络辨识与控制问题.方法为了减小网络的固有逼近误差,提出一种新型的神经网络模型,利用动态误差反馈来修正网络输入.结果得到了由新型网络和稳定滤波器构成的神经网络辨识模型及基于该网络模型的自适应控制方案.结论理论和仿真结果都证明了该神经网络模型能够有效地应用于一类非线性系统的控制.     

ATM网络中的流量控制

研究了基于 CIMS系统下 ATM网络中的流量控制和拥塞控制 ,对 CAC控制采用了 p RAM神经网络的方法 ,具有很好的控制作用 ;并分别对不同业务类型 ABR、UBR产生拥塞控制时所采取的方法进行了研究 ,从而在满足 Qo S参数的同时保证较好的流量控制和 TCP连接