基于微粒群改进BP算法的非线性方程PID参数整定研究

文章从微粒群算法和BP神经网络基本原理出发,研究了将其用于PID控制的可行性,实现参数的在线自整定。仿真结果表明。基于微粒群优化BP神经网络的非线性PID参数自整定取得了良好的控制效果。     

基于遗传算法BP神经网络的恒压供水系统的研究

针对恒压供水系统普遍存在的非线性、大滞后和不确定的特点,设计了一种基于遗传算法BP神经网络的PID控制器,该控制器先通过遗传算法优化BP神经网络的初始权值,再利用BP神经网络的自学习和自适应能力,自动调整PID控制器的参数,达到自适应控制目的,解决了传统PID控制算法难以控制未知复杂系统的问题。软件仿真表明,本系统的恒压性能和动态性能有较大的提高,控制效果比较理想。     

基于神经网络的PID控制及其仿真

提出基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.这里采用三层前向网络、动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的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潜能.最后用Matlab软件对一个实例进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,它可以获得满意的控制效果.     

DVD光学头的BP神经网络自适应PID控制器设计

搭建了一套基于DVD聚焦循道伺服技术和双光子吸收三维光存储技术的双光头三维光盘存储系统.针对DVD光学读取头传递函数,采用BP神经网络自适应PID控制算法,构建PID控制系统仿真模型,通过BP神经网络的超强自学习和非线性逼近能力在线调整PID控制器参数,并进行计算机Matlab仿真.仿真结果表明,BP神经网络自适应PID控制算法提升了系统的响应速度,减小了系统的超调量.     

基于神经网络的IMC-PID超声波电机控制

由于常规PID控制器无法有效地控制超声波电机非线性的运行特性,提出了一种基于神经网络的可变增益型内模PID控制(IMC-PID),构建IMC-PID简化PID控制器的参数整定,只需调节其中一个参数,为弥补超声波电机的非线性问题,引入神经网络到控制器中来调节参数。实验基于超声波电机伺服系统,利用该控制系统对行波超声波电机进行控制,得到了控制输入和输出的响应关系,并得出了较小的稳态误差,实验证明对超声波电机特性变化及负载扰动适应能力强。     

PM2.5测量系统中改进神经网络控制算法优化补偿

针对现阶段PM2.5测量系统的测量精度较低的问题,提出了改进的BP神经网络PID控制算法对其进行优化补偿。通过对粒子群优化算法的速度公式进行了改进,采用优化的粒子群算法优化了BP神经网络,将其用于PID的在线参数调节,以PM2.5测量系统作为研究对象,将改进的BP神经网络PID控制算法与传统PID分别作了仿真研究。研究结果表明,基于改进的粒子群优化算法改进的BP神经网络PID控制算法与传统的PID控制相比,提高了测量精度,在一定程度上减少了误差。     

BP神经网络PID的气动位置控制系统的研究

本文提出了一种将常规PID控制与BP神经网络相结合的自适应PID控制器,该控制器运用神经网络和BP算法实现了对PID参数的在线调整,利用变步长法和引入动量项来改进BP神经网络学习算法,有效减小了学习过程的振荡趋势,改善了收敛性,避免了学习过程陷入某些局部最小值,并将其用于在线调整气动位置伺服控制系统的PID参数,实现具有最佳组合的PID控制。MATLAB仿真表明,本文控制算法的静态特性、动态品质良好,鲁棒性强。     

神经网络在无人机自动飞行控制系统中的应用

采用神经网络与PID控制相结合的方法，提出了一种基于BP神经网络Kp、Kl、KD参数自学习的PID控制器，较好地解决了传统控制方式对于对象模型过于依赖、参数在线整定困难等问题。同时对BP算法进行了深入分析，引入了神经网络的自适应学习速率和带死区控制，进一步提高了算法的收敛性。利用本文所提出的算法对某型无人机进行控制设计仿真实验，仿真结果表明：该算法在跟踪速率、控制精度上明显优于传统的PID控制器，对无人机具有良好的控制效果。     

基于BP神经网络的模糊PID控制器的设计

工业过程控制中广泛采用PID控制,但传统PID控制因其控制参数的固定,在线整定难等问题。为此本文研究了一种新的自适应模糊PID控制方法,为了解决模糊推理没有学习能力的问题,本文又提出了一种基于BP神经网络的自适应模糊控制方法。此方法是模糊控制、神经网络和PID控制的有效结合。仿真实验表明,这种基于BP神经网络的模糊PID控制算法具有良好的控制效果。     

基于BP神经网络自整定的PID温度控制系统的设计

摘要：针对于传统PID温度控制系统的参数不能在线实时调整的缺陷,提出了一种基于BP神经网络自整定的PID温度控制系统,该控制系统在硬件上以Cortex-M3内核处理器为控制核心加上数据采集,信号放大,开关控制,液晶显示等外围电路构成,在软件上以BP神经网络PID算法为核心最终形成了一个完整的温度控制系统。在基于新型烟熏治疗仪开发的背景下成功的设计了一个误差不超过±0.5℃的BP神经网络温度控制系统。     

基于改进神经网络算法控制开关电源的研究

针对数字开关电源的控制策略问题,提出一种改 进共轭梯度算法的BP神经网络PID 控制系统。以BUCK变换器为研究对象,在BP神经网络PID算法的基础上,通过改进共轭梯 度算法优化控制系统的调节时间和恢复速度,以提高数字开关电源系统的控制性能和输出性 能。基于MATLAB软件完成系统建模进行仿真研究。结果表明:改进后的控制系统比改进前 的调节时间提高0.03 s,超调量降低10%,恢 复时间缩短0.03 s。从理论上验证了改进共轭 梯度算法的BP神经网络PID控制系统在响应时间上更短,超调量更低,抗干扰能力更强。     

一种基于BP神经网络算法PID控制器的研究与仿真

文中将BP神经网络的原理应用于参数辨识过程,结合传统的PID控制算法,形成一种改进型BP神经网络PID控制算法。该算法利用BP神经网络建立系统参数模型,能够跟踪被控对象的变化,取得较高的辨识精度。针对BP神经网络对权系初始值敏感的缺点,优化BP神经网络的初始权系数。通过BP算法修正BP网络自身权系数,实现PID参数的在线调整。仿真结果显示了该算法收敛速度快、精度高、鲁棒性强、稳定性好,表明了该算法的可行性与有效性。     

粒子群优化BP-PID的矿井提升机调速系统

传统PID控制器在矿井提升机变频调速系统应用中,由于控制参数固定且不易整定,导致电机转速超调大、电磁转矩和转子磁链脉动大,进而出现矿井提升机调速系统控制效果差的问题。针对这一问题,文中提出一种改进粒子群优化BP神经网络PID控制器的算法。由于BP神经网络算法存在收敛速度慢和极易陷入局部最优的缺点,现将粒子群算法收敛速度快和全局最优特性与神经网络结合,并通过设计神经网络收敛系数进一步加快收敛速度。仿真结果表明,粒子群优化的神经网络控制效果比神经网络好,且效果明显优于传统PID控制器;相较于神经网络PID控制器,矿井提升机转速调节系统稳速调节速度明显提高;与传统PID控制器相比,电机电磁转矩和转子磁链脉动明显降低,具有较强的稳定性和鲁棒性。     

智能PID控制算法研究及Matlab实现

针对滞后大、非线性等复杂的系统,常规PID控制算法已无法满足控制任务要求。为解决此类问题,文中提出从智能PID控制中的模糊PID控制、BP神经网络PID控制着手,仿真比较智能PID控制与常规PID控制的控制结果。实验表明,智能PID控制的超调量可达到0,稳定时间也大幅缩短,使系统整体的动静态特性得到了有效地改善。     

基于改进PID神经元网络的多变量系统控制算法

PID神经元网络具有动态特性,在系统控制应用中相比于传统的PID控制方法可取得更优的效果,但其学习算法为梯度学习算法,初始权值随机取得,为了提高其控制量逼近控制目标的速度和系统响应时间,引入粒子群算法对初始权值进行优化,最后应用Matlab软件对改进后的PID神经元网络算法进行仿真。仿真结果表明,该方法具有较好的控制性能。     

基于BP神经网络的PID控制器的设计及模拟研究

本文首先对BP神经网络进行概述,然后对基于BP神经网络的PID控制器的设计进行分析,最后进行模拟仿真研究,得出基于BP神经网络的PID控制器与传统PID控制器具有适应性强、精度高等明显优势的结论.     

基于神经网络补偿的永磁同步电机控制

当永磁同步电机采用矢量控制策略时,为了在改善系统跟踪性能的同时兼顾系统的抗干扰性能,可以将速度环控制由一自由度PID控制改为二自由度PID控制,改善系统的跟踪性能和抗干扰性能,此外由于PID控制参数不可调,为减小系统误差,可以引入BP神经网络算法对系统补偿,仿真结果表明,系统的跟踪特性和抗干扰性能都得到改善。