主动磁悬浮轴承的神经网络自适应稳定性控制

针对主动磁悬浮轴承本质非线性和开环不稳定的系统特征,设计了一种BP神经网络自适应PID控制器。该控制器采用改进的BP神经网络PID控制算法,通过BP神经网络的自学习和权值调整寻找最优的PID参数,克服了常规PID控制参数整定困难的缺陷,实现了系统的自适应控制。通过MATLAB/Simulink环境和S-Function模块建立了主动磁悬浮轴承控制系统模型,并进行了系统仿真实验,结果表明,BP神经网络自适应PID控制系统响应速度更快,具有更好的动态性能和稳态性能。     

基于BP神经网络的贴片机运动精度控制

将BP神经网络PID控制方法应用于贴片机运动精度控制器设计;针对传统PID控制器参数难以整定等问题,提出了BP神经网络和PID控制器相结合的方法,该方法既有常规PID控制器结构简单的特点,又有BP神经网络自适应、自学习以及逼近任意函数的能力;首先根据伺服电动机的工作原理建立了电枢控制伺服电动机模型传递函数,在此基础上建立了贴片机单关节轴位置控制器模型传递函数;其次描述了BP神经网络和PID控制器相结合的控制模型,并对具体的控制算法进行了定义;最后利用MATLAB仿真工具对贴片机单关节位置控制进行了仿真;仿真结果表明,结合BP神经网络的PID控制系统提高了系统的稳定性、快速性和动态性能并获得很好的控制效果。     

刨花板热压控制系统BP神经网络整定PID控制

针对刨花板热压控制系统中热压控制存在的非线性、纯滞后和时变性等现象,根据BP神经网络PID和常规PID控制的控制思想,提出了BP神经网络PID的控制策略,实现了对PID参数的在线自整定,完善了PID控制器的性能,提高了系统的控制精度.仿真结果表明,与常规PID控制器相比,该控制器明显提高了热压控制系统的动态性能和稳定性...     

一种神经网络分数阶PID控制器的实现

为解决分数阶PID控制器参数难于整定的问题,设计了一种基于神经网络的分数阶PID控制器。通过采用反向传播（ BP）神经网络的参数调节策略,可以实现一种五维参数自学习的PID控制器。将分数阶PID控制器数字化,通过BP算法调节神经网络突触权值,经过调整的神经网络输出作为分数阶PID控制器的参数。经过仿真验证,神经网络分数阶PID控制器比传统PID控制器精度提高6倍且控制更加稳定。     

基于PID的张力计校准装置张力稳定性控制研究

针对传统张力计校准装置存在张力控制精度较低,导致张力稳定性控制效果不佳的问题,结合BP模糊神经网络的特点,设计一个基于PID控制方法的张力计校准装置张力稳定性控制系统。首先,对软式传动系统钢索张力调节器的工作原理进行分析;然后基于BP神经网络和PID控制器,搭建一个牵引绞车数学模型;最后基于构建模型实现牵引绞车准确控制。仿真结果表明,对传统的PID控制、模糊PID控制器和提出的BP模糊神经网络PID控制器分别从第2 s开始每4 s施加500 N的干扰力后,BP模糊神经网络PID控制器的反应速度最快,所用时间最短,说明该控制器的反应速度和稳定性能更强,可实现张力计校准装置张力稳定性有效控制,具备一定的可行性。     

基于神经网络控制的直流调速系统仿真与分析

在直流电动机性能优化问题的研究中,针对传统PID控制的双闭环直流调速系统参数难以整定、自适应性差等问题,在对系统数学建模的基础上,确定了系统的控制策略,设计了一个BP神经网络的PID控制器.首先确定BP网络的结构,然后计算网络各层的输入和输出,再根据增量式PID控制算法计算控制器的输出,利用BP网络的自学习能力对PID控制器的参数实时在线调整,获得最佳的PID控制参数,从而实现直流电机转速的调节.仿真结果表明,采用神经网络控制的直流电动机调速系统具有良好的动静态性能、抗扰性能和鲁棒性能,说明了控制策略的有效性和先进件.     

基于合作粒子群算法的PID神经网络非线性控制系统

PID神经元网络 (PIDNN)模型为一种新型的神经网络模型,兼有PID与神经网络的共同优点,应用于复杂的控制系统.取得优良控制性能,但其后向传播算法 (BP)限制了该模型的应用范围.为实现对非线性多变量系统的有效控制,扩展神经网络的应有范围,本文采用PIDNN神经网络设计了多变量PIDNN神经网络 (MPIDNN)控制器,并用本文作者提出的合作粒子群算法 (CPSO)取代了传统BP后向传播算法,通过比较MPIDNN_CPSO、MPIDNNCRPSO、MPIDNN_PSO和MPIDNN_BP4种控制器的控制性能,仿真结果表明,基于CPSO算法的MPIDNN控制器实现了对非线性多变量不对称系统的有效控制.与传统的BP算法相比,CPSO算法提高了控制系统的稳定性、精确性与鲁棒性.     

船舶减摇非线性系统神经网络控制研究

本文针对船舶横摇运动的非线性模型，基于BP神经网络设计了一种船舶横摇减摇 自适应PID控制器．该控制结构由两个BP神经网络组成,实现了对被控对象输出的预测及PID控制器参数的自整定．仿真表明该控制器对减摇系统的非线性模型有很好的减摇效果．     

阴极炭块自动组装神经网络控制器的设计与实现

在经典控制器的基础上,本文设计了基于BP神经网络的PID控制器,采用BP神经网络训练方法,针对阴极炭块自动组装过程中工作台拖动的模型,用MATLAB软件工具进行了仿真,仿真结果证明了方案的可行性。     

基于BP神经网络的汽包建模及其控制器设计

针对锅炉汽包系统的强耦合性和非线性及传统的PID控制方法存在控制精度低、调节时间长等问题,提出了利用基于数据的建模方法,对汽包系统进行误差反向传播(BP)神经网络建模,并对神经网络模型进行泛化能力测试,然后利用基于BP神经网络的PID控制方法设计汽包液位优化控制器.实验仿真结果表明,基于BP神经网络建立的汽包模型具有较好的泛化能力,神经网络PID优化控制器在控制精度高、收敛速度快和鲁棒性强等方面都优于传统PID控制器.     

挖掘机提升系统神经网络PID控制的研究

建立了280-B挖掘机提升系统的数学模型;针对该系统动态特性的非线性和时变性因素,提出了一种基于BP神经网络的PID控制器的设计方案,该控制器既有经典PID控制算法的特点,又有神经网络良好的自适应和抗干扰能力。Matlab仿真结果表明,基于BP神经网络的PID控制器具有较高的精度和较强的适应性,可以获得满意的控制效果。     

神经网络PID在温度控制系统中的研究与仿真

本文提出一种基于BP神经网络的新型智能PID控制方法和一些BP神经网络的基本概念。同传统的PID控制相比较．神经网络智能PID控制有许多优点。把BP神经网络的PID控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。     

基于改进BP神经网络的PID控制方法研究

针对最速下降法收敛速度慢和易陷入局部极小的缺点,提出一种新型的基于改进BP神经网络的PID控制方法,该方法将神经网络和PID控制策略相结合,既具有神经网络自学习、自适应及逼近任意函数的能力。又具有常规PID控制器结构简单的特点。该控制器的算法采用Fletcher—Reeves共轭梯度法,它可以避免网络陷入局部极小点,同时加快网络的训练速度。并用这种改进的共轭梯度法对神经网络PID控制器参数实现在线修正。最后给出了在Matlab平台上的实现算法。仿真结果表明该控制方法是有效的。     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的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，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

神经元PID控制在变风量空调室温控制中的应用研究

针对变风量空调系统的延迟,非线性和模型不确定性,本文提出将神经元P I D控制器应用于变风量空调系统中。该控制器综合了神经网络和P I D调节各自的有点,具有神经网络的学习和适应能力,同时具备P I D控制的广泛的适应性。仿真实验表明该控制器控制结果优于传统的P I D控制器。     

深空环境下三星库仑编队重构控制研究

本文研究了深空环境下三星库仑编队构型重构控制问题.首先考虑外界环境干扰作用(主要以太阳光压为主)和德拜效应影响,推导出精确的三星库仑编队动力学方程.针对库仑编队动力学特性和太阳光压对于编队任务控制精度的影响,设计基于BP神经网络的PID控制方法.PID控制结构简单,稳定性好,BP神经网络具有超强的自主学习和非线性逼近干扰能力,二者有机结合,通过BP神经网络输出最优的PID控制参数组合,改变卫星所带电荷从而改变卫星之间库仑力大小,使编队渐近稳定并按期望距离和构型飞行.仿真结果表明基于BP神经网络PID控制性能明显优于传统PID控制,大大提高了编队控制精度和系统对于外界干扰的鲁棒性.     

基于RBF神经网络控制的球杆系统位置控制实验研究*

球杆系统是一种典型的高阶非线性不稳定系统,针对PID跟踪控制精度不高及BP神经网络控制训练时间较长的问题,本文提出一种带有低通滤波器的RBF神经网络控制器(RBFC)动态补偿PID控制的球杆控制方法,控制系统由RBF神经网络控制及PID控制器组成。为提高参数辨识速度和避免局部最小值,采用梯度下降法更新隐含层参数,采用带有遗忘因子的最小二乘法更新输出层权值。实验结果表明,该控制方案相比PID控制具有更高的控制精度,比BP神经网络具有更快的学习速度,低通滤波器保证了RBFC的辨识精度和稳定的控制输出,具有良好的动静态特性和控制性能。     

BP神经网络在永磁同步电机中的应用

永磁同步电机是一个多变量、非线性、强耦合的系统,传统PID速度控制效果不理想.在分析永磁同步电机数学模型的基础上,采用改进型BP神经网络与传统PID控制相结合作为速度控制器,应用于永磁同步电机调速系统中.在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制,实现了电机速度的自适应控制.仿真结果表明:应用这种新型控制方式的永磁同步电机调速系统具有良好的动态性能和稳态精度.     

火电厂锅炉主汽温控制策略的比较研究

锅炉的主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统,常用的汽温控制系统有串级PID控制和基于BP神经网络的PID控制。串级PID控制一般能将主汽温控制在允许的范围内;基于BP神经网络的PID控制将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合,能实现对非线性、大时滞系统模型的控制。对这两种策略在不同负荷下进行了实验仿真,该结果对当前电厂的经济性和安全性有一定参考价值。