共查询到18条相似文献,搜索用时 390 毫秒
1.
模糊PID参数自整定在炉温控制系统中的应用 总被引:1,自引:0,他引:1
炉温控制系统是一个复杂系统,针对一次性整定的PID参数难以保证系统控制效果始终处于优化状态,提出采用参数自整定方法,实时改变PID参数,以保证控制系统的优良品质.借助PID参数的在线模糊自整定后,自动切换到正常工作状态,在系统性能发生改变时自动启动PID参数的整定过程,重新整定的PID参数可以使系统达到更好的控制品质. 相似文献
2.
本文简述了模糊自适应PID控制器的结构和原理。介绍了其在压延玻璃退火窑温度控制系统中的运用。模糊自适应PID控制器运用模糊控制原理来对PID参数进行在线最佳调整,使被控对象具有良好的动静态性能。仿真和工程实践证明其控制性能优于常规PID控制器。 相似文献
3.
本文讨论基于BP神经网络的PID控制,利用神经网络的自学习能力进行PID控制参数的在线整定、并使用Matlab软件进行了仿真研究。BP神经网络是一种前向神经元网络,具有学习速率快、振荡小、精度高的优点。仿真结果表明,神经网络PID控制器参数调整简单,具有很高的精度和很强的适应性,可以获得满意的控制效果。 相似文献
4.
5.
基于改进BP神经网络PID的无刷直流电动机速度控制的研究 总被引:1,自引:0,他引:1
引进模糊归一化控制策略,在线实时地调整与收敛速度密切相关的学习速率和动量系数,克服了BP网络收敛慢和容易陷入局部最小的缺点,并将改进的BP神经网络PID算法成功应用于无刷直流电动机速度控制中。仿真结果表明,改进BP神经网络PID使收敛变得更快,而且系统具有较强的鲁棒性和自适应能力。 相似文献
6.
7.
基于RBF在线辨识的PID整定 总被引:1,自引:0,他引:1
针对非线性系统,提出一种新型的径向基函数(RBF)辨识网络的控制算法,根据RBF网络在线辨识被控对象的离散模型,得到被控对象Jacobian信息,利用BP网络在线自适应整定PID参数.通过RBF网络对系统在线辨识,克服不确定性对系统性能的不利影响,从而解决传统PID控制鲁棒性差及受精确数学模型限制的问题.通过实际算例验证,并与常规PID控制作对比,仿真结果表明,该控制算法有较强的自适应性和鲁棒性,其抗干扰和适应参数变化的能力都优于常规PID控制. 相似文献
8.
9.
10.
11.
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. 相似文献
12.
基于神经网络的水轮机调节系统的自适应PID控制 总被引:2,自引:0,他引:2
基于有功功率反馈参与控制的水轮机调节系统,以几个典型工况下的最优PID系数作为训练样本,训练了一个三层BP神经网络,设计了一个用BP神经网络实现变参数的PID控制器;并构造了一个目标函数,设计了一个自适应神经元,利用神经元的自学习功能,在线优化控制器的输出,以期达到最优控制的目的。对简单电力系统的仿真结果表明,这种控制器可以达到较常规的变参数PID较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。 相似文献
13.
14.
模糊神经网络实现的PID参数自调整控制及应用研究 总被引:3,自引:0,他引:3
模糊控制学习功能差,神经网络推理功能差,把二者结合可以起到互补作用,保证推理和学习功能的实现。本文用多层BP神经网络实现了一类模糊推理过程,该网络通过学习记忆PID参数调整的基本规则,实现了PID控制器参数的在线调整。通过对考虑非线性因素的伺服系统控制对象的仿真,说明了该方法的有效性。 相似文献
15.
以光伏并网逆变器为研究对象,为解决非线性可变负载并网时动态响应慢、电压波动大等问题,基于BP神经网络提出了一种逆变器控制方法。详细论述了光伏并网逆变器主电路结构以及数学模型。针对并网电流内环控制,设计了一种BP神经网络的控制器。在保证输出误差最小的前提下,采用梯度下降法寻找PID参数最优值,实现PID参数的实时调整。通过调整网络权值和学习率消除负载变化造成的不利影响,加快系统响应。仿真结果表明:在BP-PID控制策略下,并网电流跟踪速度更快、效果更好,可基本确保电流误差稳定在零附近,较好地完成了并网电流跟踪,验证了该控制策略的可靠性。 相似文献
16.
针对饲料加工行业中锤片式粉碎机控制系统存在启动时间长、响应速度慢及负载变化时出现的稳定性差等问题,提出了一种基于BP神经网络算法PID控制方法。首先,建立变频器和饲料粉碎机驱动电机组合系统传递函数的参考模型,并对其进行稳定性分析。然后在分析常规PID和模糊PID控制算法的基础上,将自适应神经网络算法PID应用到饲料粉碎机驱动系统的控制过程当中。通过搭建饲料粉碎机控制电机的仿真模型,利用MATLAB软件中的Simulink图形化编程功能对其进行仿真分析,并基于LABVIEW软件搭建了粉碎机测控系统试验平台进行实验测试分析。结果表明:对于饲料粉碎系统所给定的速度参考模型,设计的BP神经网络PID控制器能够实现较好的自适应追踪,对阶跃信号的响应更加迅速、超调更小,抗干扰能力更强。设计的自适应控制器能够根据工况变化自动调节PID参数,吨料电耗平均降低5.16%、生产率平均提高2.08%,对粉碎机主轴转速的控制更加精确,误差更小,兼具了较高的控制精度和较强的鲁棒性,满足饲料粉碎机驱动系统的自适应控制要求。 相似文献
17.