BP神经网络模糊PID控制在加热炉煤气流量控制中的应用

钢厂中加热炉是一个复杂的受控对象,存在着非线性、时变性、纯滞后因素和不确定随机干扰等因素.从对其燃烧状况的分析来看,加热炉温度的调节主要是靠对煤气流量的控制来完成的,因而确立一种合理的煤气流量控制方案是实现加热炉燃烧智能化控制的关键.本文提出将模糊控制、PID控制和神经网络三种技术相结合,应用于煤气流量进行控制.仿真研究表明这种BP神经网络模糊PID控制在克服对象的大惯性、抗干扰性、非线性和纯滞后上,大大改善控制品质.     

基于神经网络的模糊控制在炼钢加热炉温度控制中的应用

钢厂加热炉是一个复杂的受控对象,存在着非线性、时变性、纯滞后因素和不确定随机干扰等因素.从对其燃烧状况的分析来看,加热炉温度的调节主要是靠对煤气流量的控制来完成的,因而确立一种合理的煤气流量控制方案是实现加热炉燃烧智能化控制的关键.提出了将模糊控制、PID控制和神经网络3种技术相结合,共同控制煤气流量.仿真研究结果表明,这种BP神经网络模糊PID控制在克服对象的大惯性、抗干扰性、非线性和纯滞后方面,大大改善了控制品质.     

加热炉自适应模糊神经网络智能温度控制系统设计

针对加热炉出口温度控制过程属于时变性、滞后性、具有分布参数等非线性过程，其数学模型难以精确建立，在传统控制中，出口温度往往又会受到多种干扰变量实时变化而缺乏控制能力。基于此，将模糊控制鲁棒性强、用语言模糊规则描述过程及无需建立数模等优点和神经网络自适应、自学习以及容错性强等优点相结合构成一种新型智能控制系统即自适应模糊神经网络控制系统对加热炉出口温度进行控制，同时对模糊控制和神经控制算法进行改进。经试验仿真证明，该控制对加热炉出口温度具有较好的动态性能，控制品质得到了提高。     

基于RBF在线辨识的神经网络PID控制及其应用

讨论了RBF辨识网络的控制算法,并提出了一种新型PID控制器,该控制器利用神经元自适应PID的在线参数调整,采用RBF网络对被控对象在线辨识。仿真结果表明该控制器的控制效果优于传统的PID控制算法和模糊自适应PID控制算法。     

基于预测PI的加热炉温度控制

在加热炉的炉温控制系统中存在大量干扰,其中的处理对象温度具有非线性,大惯性,大滞后和时变等特性。传统的PID控制算法在控制具有大滞后过程的加热炉系统中时常会有超调和振荡等现象,并且抗干扰能力不强。对比传统的PID控制,将预测PI算法结合到此过程对象中进行研究和仿真,仿真结果表明基于预测PI的控制算法具有良好的鲁棒性和快速性,可以很好地抑制住大滞后、时变等的影响,非常具有实际应用价值。     

神经网络预测控制在水源热泵空调中的应用

针对水源热泵空调中具有大惯性和大滞后等特性的温度控制系统,提出一种神经网络预测控制算法.仿真研究结果表明,该神经网络预测控制算法是切实可行的,这一控制方案比原PID控制在控制质量上有较大提高.     

基于BP神经网络PID控制及其仿真

对BP神经网络算法进行了改进,克服了直接使用神经网络算法进行PID控制的不足之处.仿真表明,设计了附加动量项的BP神经网络,能有效地提高算法的收敛速度.实验结果表明控制效果优于传统的PID控制算法的仿真结果.     

模糊PID在电加热炉温控系统中的应用

介绍了模糊PID控制器结构,以及模糊控制规则的生成方法。设计了模糊PID控制器,并用于控制电加热炉炉温。用MATLAB语言对该控制方案进行数字仿真。     

采用广义模糊加权的金属连杆自适应控制算法设计

金属连杆的优化控制在汽车轴承控制、机器人控制等领域都具有较好的应用价值。提出一种基于广义模糊加权的金属连杆自适应控制算法。构建金属连杆的运动数学模型,进行被控对象建模和控制约束参量分析,采用广义模糊加权自适应神经网络控制方法,实现控制算法改进。仿真实验分析表明,该控制算法的精度较高,控制品质较好,误差收敛到最小。     

粒子群优化算法优化BP神经网络联合PID模型的烧结自动加水控制

针对烧结混合料自动加水控制的难点,尤其是在烧结配料过程中自动加水系统的大滞后、非线性、低稳定性问题进行了加水控制算法研究。采用内环和外环方案分别控制两级混合机加水,设计基于粒子群优化(particle swarm optimization, PSO)算法优化BP(back propagation)神经网络联合模糊PID控制模型以解决时变、非线性系统的局限性问题。通过PSO算法对BP神经网络进行训练优化以获得最优控制参数,将预测的烧结料水分加入模型参与下一步控制。考虑系统存在较大延时,Simulink仿真中同步加入延时环节。仿真结果表明,相比BP神经网络模型,PSO-BP预测模型的拟合性能更加优越;相比PID、BP-PID控制算法,PSO-BP-PID控制算法在超调量、响应时间以及震荡周期等指标上均有显著提高。经梅钢4号烧结机实际应用数据表明,相比传统PID控制,PSO-BP-PID控制平均误差下降约45.75%,控制标准差下降约62.72%,可以明显提高混合料水分控制的精准度、稳定性、敏捷性,提高烧结过程的稳定性。     

模糊预测控制在工业窑炉温度控制系统中的应用

针对工业窑炉的容量大、滞后量大、非线性等特点,提出了一种将模糊控制与预测控制相结合的控制算法,增强了算法的跟踪与抗干扰能力.仿真结果表明,与传统的PID控制相比,该方法有着较高的稳态精度和动态特性.     

Application of Improved Fuzzy Immune PID Controller to Bending Control System

 Based on the hydraulic bending control system, the electrohydraulic servo pressure control simulation model is built. Taking into account of the inadequacy of P-type immune feedback controller, an improved fuzzy immune PID controller is put forward. Drawing on immune feedback principle of biological immune system, the P-type immune feedback controller is connected with conventional PID controller in series and then in parallel with design fuzzy immune PID controller. The controller parameters can be adjusted on line by the rules of immune feedback controller and fuzzy controller. In order to gain the optimal parameters of the controller, the parameters of the controller are off-line optimized by the best multiple optimal model PSO algorithm. The simulation results indicate that the method has characteristics of small overshoot, short adjusting time and strong anti-interference ability and robustness. The quality of the strip shape can be further improved.     

基于模糊神经元PID解耦的精馏塔温度控制

针对精馏塔温度控制这个非线性耦合对象,提出了一种模糊神经元解耦智能控制器。该控制器避免了精馏塔精确数学模型的推导和严格计算解耦算式的麻烦,是模糊逻辑控制与神经元PID控制器的结合。同时,分析了控制器的结构及其学习算法。通过仿真试验,得到了较为理想的控制效果。     

Thickness and Shape Synthetical Adjustment for DC Mill Based on Dynamic Nerve-Fuzzy Control

Due to the complexity of thickness and shape synthetical adjustment system and the difficulties to build a mathematical model, a thickness and shape synthetical adjustment scheme on DC mill based on dynamic nerve-fuzzy control was put forward, and a self-organizing fuzzy control model was established. The structure of the network can be optimized dynamically. In the course of studying, the network can automatically adjust its structure based on the specific questions and make its structure the optimal. The input and output of the network are fuzzy sets, and the trained network can complete the composite relation, the fuzzy inference. For decreasing the off-line training time of BP network, the fuzzy sets are encoded. The simulation results indicate that the self-organizing fuzzy control based on dynamic neural network is better than traditional decoupling PID control.     

环形加热炉自动控制系统

介绍了鲁宝钢管厂环形炉自动控制系统的结构和功能 ,阐述了模糊控制和常规PID控制相结合应用于加热炉过程控制的特点 ,并针对炉膛压力控制提出了一种全新的控制方法“等等看看”。实时控制结果表明 :该系统是可行的 ,取得了满意的控制效果。     

EFPT过程控制装置模糊自整定控制器的设计

通过对EFPT过程装置的硬件部分进行了介绍,阐述了现在装置控制中存在某些问题并对温度PID控制器进行了改进,利用模糊自整定的方法将PID参数进行预估,使系统的温度控制达到良好的效果.     

基于智能方法的铁矿石烧结过程建模

针对铁矿石烧结过程控制复杂性问题,提出了一种将其分解为烧结矿化学成分控制和烧结终点控制的方案。根据不同模型的控制目标差异,分别采用人工神经网络,模糊控制算法建立控制模型。工业现场应用表明,这种方法切实可行,是解决烧结过程控制复杂性问题的一条有效途径。     

Cloud Neural Fuzzy PID Hybrid Integrated Algorithm of Flatness Control

In connection with the characteristics of multi-disturbance and nonlinearity of a system for flatness control in cold rolling process, a new intelligent PID control algorithm was proposed based on a cloud model, neural network and fuzzy integration. By indeterminacy artificial intelligence, the problem of fixing the membership functions of input variables and fuzzy rules was solved in an actual fuzzy system and the nonlinear mapping between variables was implemented by neural network. The algorithm has the adaptive learning ability of neural network and the indetermi- nacy of a cloud model in processing knowledge, which makes the fuzzy system have more persuasion in the process of knowledge inference, realizing the online adaptive regulation of PID parameters and avoiding the defects of the traditional PID controller. Simulation results show that the algorithm is simple, fast and robust with good control performance and application value.     

模糊控制在跳汰选矿中的应用

针对目前跳汰机运行过程中风量与水量的比值控制存在的主要问题,提出模糊控制与PID控制相结合的方案,介绍了跳汰过程与模糊控制的基本原理,并结合实际提出了风量与水量的比值设定值的控制算法和控制规则。