注塑机料筒；模糊变系数比例-积分-微分（PID）控制；矩阵实验室

注塑机料筒温度是注塑工艺的重要参数,对料筒温度进行有效地控制是保证塑料制品成型质量的重要环节。料筒温度系统是一个多变量、离散、间歇工作、大滞后、非线性、强耦合且需要人工参与的复杂系统。采用模糊变系数比例一积分微分（PID）控制,用模糊规则对模糊变系数PID算法中的系数进行在线修正。结果表明该算法提高了温度控制系统的鲁棒性,超调减小,提高了注塑机料筒温度控制的精度。     

多变量PID型神经元网络控制系统在再热蒸汽温度控制上的仿真

融合解耦控制理论与神经元网络控制原理,给出了一种多变量的PID型神经网络控制方法。应用所给出的控制算法,对火电厂再热蒸汽温度、低温过热器出口蒸汽温度控制进行了仿真。仿真结果表明,控制算法对再热蒸汽温度控制具有良好的解耦性能和自学习控制特性,当被控对象参数变化时系统具有较强的鲁棒性。     

改进PID算法下的电网温度控制过程仿真

针对电网温度控制具有非线性、多扰动特点,对敏感电子元件的工作温度要求较高,导致控制不准确的问题。提出基于改进的PID神经网络变结构控制的电网温度控制算法,构建电网温度控制系统的总体结构模型,对电网温度控制系统进行控制指标设计和流程分析,采用3层前向变结构PID神经网络控制算法对温度控制算法进行改进,设计电网温度控制的硬件模块和软件模块,对电网温度控制系统进行硬件配装和调试。仿真结果表明,采用该方法进行电网温度控制具有较好的温度控制跟踪性能,控制过程的收敛性能较好,减少了温度的波动和振荡,提高了对电网温度控制的精度。     

钢球磨煤机制粉系统DRNN神经网络解耦控制研究

通过将对角回归神经网络技术和PID技术相结合,提出一种可用于强耦合多输入多输出系统的比例、积分和微分参数在线自整定神经网络PID解耦方案。将这种方法应用于球磨机制粉系统控制,对耦合强烈的磨煤机出口温度、入口负压、负荷三维传递函数矩阵进行解耦控制。仿真研究表明,该方案解耦效果良好,并且可以有效克服钢球磨机对象的大滞后和非线性,获得良好的控制品质。     

单神经元PID在单元机组协调控制系统中的应用

基于神经网络PID控制和协调系统强耦合的特点,应用一种针对多输人、多输出解耦系统的单神经元PID解耦控制算法和结构,并在算法中增加了自适应学习速率,更好地实现对单元机组的解耦控制。仿真结果表明,这种单神经元PID解耦控制算法实现的控制与常规的PID控制比较,不仅具有较好的动态性能和稳态性能,而且还具有很强的自学习功能和自适应解耦能力。     

电机温度时滞耦合自抗扰优化控制仿真研究

传统的PID电机温度控制算法在控制过程中,存在抗扰能力差,控制误差大的问题.降低了对电机温度的控制精度,导致能耗大,电机过热.提出一种改进的电机温度控制方法,通过遗传算法改进PID控制过程.利用Matlab平台模拟实验环境,与传统的PID控制算法进行了仿真实验对比.仿真结果表明,自抗扰控制算法能够有效的对电机温度进行解耦控制,实现了对电机温度的精确控制.     

基于对角递归网络的时变系统解耦控制

提出一种基于DRNN在线辨识的PID解耦控制方案，给出了网络的结构和算法，并对真空炉时变耦合系统进行了仿真。仿真结果表明，DRNN神经网络对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性。     

多功能分析仪温度控制系统设计

多功能生化分析仪温度控制的精确度和稳定性将影响生化、血凝、特定蛋白测试的准确性。本文设计的温度控制系统，在硬件上采用Cortex M3控制器，结合温度采集、A/D转换、按键设置、显示屏等外围电路；在软件上，利用常规PID算法实现对温育槽的温度控制。针对常规PID算法不能适应外界环境变化的缺点，基于BP神经网络的PID控制器完成对温度的智能化控制。通过温度测试实验表明，所涉及的基于BP神经网络的PID控制器实现仪器在不同地域、国家环境下，可自动调整PID算法相关参数的功能，达到自整定控温目的，在设定目标处实现±0.1℃的重复性指标。     

新型神经网络在钢球磨煤机制粉系统控制中的应用研究

采用新型对角回归神经网络来辩识系统模型,可对PID控制器参数进行整定,实现多变量解耦控制。应用该方法对火电厂钢球磨煤机出口温度和入口负压控制系统进行设计和仿真研究,仿真结果表明,控制系统无须专门解耦就能达到解耦目的,其控制稳定性高,鲁棒性强,调节响应速度快,动态偏差小,无静态偏差。     

球磨机混合优化前向神经网络PID解耦控制系统

针对球磨机制粉系统的多变量、强耦合、非线性和时变性等特点,提出球磨机的混沌PSO与BP混合优化前向神经网络PID解耦控制系统.在这种控制器中,PID控制器的控制参数采用神经网络进行自适应整定,神经网络的权值采用混合优化算法进行调整.仿真结果表明该控制方法跟踪快、鲁棒性强、解耦好,控制品质优于传统PID解耦控制方法,较好地解决了球磨机的时变性、耦合性等问题.     

基于PSO算法的多变量PID型神经元网络在球磨机控制上应用

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,基于PID控制的简单结构和良好性能优势以及神经元网络的自调节和自适应的特长,设计了具有PID结构的多变量自适应的PID型神经元网络控制器。给出了这种控制系统的结构和算式,其为一种3层前向神经网络,其隐层单元分别为比例(P)、积分(I)和微分单元(D),各层神经元个数、连接方式、连接权值的初值是按PID控制规律确定的。神经元网络参数采用了粒子群优化(PSO)学习算法,并给出了相关算式。分析了球磨机制粉控制系统的特点,并应用提出的控制方法对其进行了仿真研究,比较了文中控制方法与传统的PID控制方法的控制效果。仿真结果表明了所提方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。     

同步发电机励磁控制方法的发展与展望

励磁控制方法的发展经历了线性单变量控制、线性多变量控制、非线性多变量控制及智能控制几个发展阶段,其中线性多变量控制可分为强力式、PID+PSS、线性最优等励磁控制方法;非线性多变量控制可分为鲁棒、变结构、自适应、内模、预测、灰色、自抗扰、Lyapunov、反步、无源、Hamilton、反馈线性化等励磁控制;智能控制可分为模糊、神经网络、支持向量机、专家、学习、遗传、模糊神经等励磁控制。全面地概括了励磁控制方法的发展历史与现状,并按控制理论发展规律对这些方法进行分类,分析这些方法的原理及优缺点,说明励磁控制与其他控制之间的协调方式,指出存在的主要问题及今后的发展方向。     

协调控制系统神经网络PID优化控制与仿真研究

针对火电单元机组协调控制系统具有多变量、强耦合、非线性及参数时变的特点，将对角递归神经网络与PID控制方法相结合，并利用提出的改进型变尺度混沌优化策略对神经网络的权值参数和PID控制器参数进行整定，从而实现多变量系统的优化控制。此方法不仅保持了传统PID控制器结构简单、算法实用等特点，而且算法稳定性好，寻优效率高，避免了控制器参数陷入局部极小等问题。仿真结果表明，对于100%和70%不同负荷时的工况，即使对象的传递函数发生了较大的改变，系统仍具有响应速度快、鲁棒性好、自适应性好等特点。     

BP神经网络PID控制器在热油锅炉温控中的应用

介绍了基于BP神经网络PID控制算法,结合多模态控制理论,提出将BP神经网络PID控制器应用于热油锅炉温控中,并将其与普通PID控制进行比较。结果表明,该方法具有超调量小、过渡时间短、鲁棒性好等特点,弥补了常规PID在锅炉控温中参数难以整定等缺点。将此控制策略应用于热油锅炉温控中,构建了锅炉的自控系统,使锅炉处于最佳的燃烧状态,保证锅炉的安全经济运行。     

BP-PID Control Applied in Evaporator of Organic Rankine Cycle System

According to the problem that the selection of traditional PID control parameters is too complicated in evaporator of Organic Rankine Cycle system (ORC), an evaporator PID controller based on BP neural network optimization is designed. Based on the control theory, the model of ORC evaporator is set up. The BP algorithm is used to control the , and parameters of the evaporator PID controller, so that the evaporator temperature can reach the optimal state quickly and steadily. The MATLAB software is used to simulate the traditional PID controller and the BP neural network PID controller. The experimental results show that the , and parameters of the BP neural network PID controller are 0.5677, 0.2970, and 0.1353, respectively. Therefore, the evaporator PID controller based on BP neural network optimization not only satisfies the requirements of the system performance, but also has better control parameters than the traditional PID controller.     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

Multivariable self-tuning temperature control for plastic injectionmolding process

This paper develops a multivariable self-tuning predictive control for improving set-point tracking performance, disturbance rejection, and robustness of a temperature control system for an extruder barrel in a plastic injection molding process. The stochastic discrete-time multivariable mathematical model is built and its unknown system parameters are identified by using the recursive least-squares estimation method. The multivariable predictive control is derived based on the minimization of a generalized predictive performance criterion. A real-time self-tuning control algorithm is proposed and then implemented by using a digital signal processor (DSP) TMS320C31 from Texas Instruments. Experimental results are used to show the feasibility and effectiveness of the proposed method     

基于RBF神经网络整定的PID控制器在汽温控制中的应用

通过将RBF神经网络和常规PID控制器结合，提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用于主汽温控制，可以有效克服过热汽温对象的大滞后和大惯性，并能够克服对象在运行中参数变化的影响，获得良好的控制品质。仿真试验表明：所设计的系统在控制品质、鲁棒性方面明显优于常规PID控制系统。     

基于BP网络PID算法的恒压供水系统研究

采用神经网络控制理论与PID（比例、积分、微分）控制算法,设计一个基于SIMATIC CPU226 PLC的BP神经网络PID控制器。恒压控制系统由BP神经网络PID控制器、丹佛斯VLT2900变频器和水泵机组组成。解决了传统PID控制算法难以保证系统在任何工况条件下始终具有最佳控制性能的难题。试验结果表明：系统可以在线自整定PID参数,具有较好的自适应能力,控制效果比较理想。