基于单神经元PID控制器在渠道自动控制中的应用

将基于单神经元自适应PID控制器引入到渠道系统自动控制中,它实现了PID控制中参数整定不依赖于渠道数学模型,且能在线依据渠道系统的动态信息调整PID参数,以满足适时控制的要求.通过Matlab软件的仿真,结果表明:采用基于单神经元自适应PID控制器,渠道运行响应加快,水位超调变小,适应性增强,且有更好的动态和稳态性能.     

基于神经网络的水轮机调节控制器

对神经网络控制在水轮机调节中的应用做了理论上的分析，将基于BP神经网络的PID控制器应用于水轮机频率扰动和负荷扰动仿真实验中，结果表明其具有较好的动静态特性和较强的鲁棒性，为神经网络控制在水轮机调节中的应用打下良好的理论基础。     

基于GA的BP神经网络智能PID控制在水力发电机组中的应用

水力发电机组是一个非线性、时变系统,常规PID控制不能达到较好的控制效果。提出了一种基于GA遗传算法、BP神经网络和RBF神经网络的智能PID控制方法。分别讨论了智能控制系统的结构,如GA,BP,RBF以及水电机组的数学模型;对水电机组采用智能PID控制器和常规PID控制器的动态特性进行分析。结果表明,采用智能PID控制器的水电机组具有更好的控制精度和动态特性。     

基于RBF神经网络的PID控制器

水位控制是工业锅炉控制系统中一个重要的环节,其控制质量的优劣直接影响到锅炉的安全和经济效益.将一种基于RBF神经网络的PID控制器应用于工业锅炉水位的控制当中,它结合了传统PID和神经网络的优点,可以在线调整得到一组最优的PID控制参数.仿真结果表明,这种控制器具有较好的适应性,控制效果得到明显改善.     

BP网络模糊PID控制在水轮机调速器中的应用

为了改善水轮发电机组的动态调节品质,对神经网络控制在水轮机调节中的应用进行理论分析,将基于BP神经网络的模糊PID控制器应用于水轮机调速系统.仿真和实验结果表明,该控制器具有良好的调节品质,其控制作用对改善水电机组的动静态特性和对参数时变的适应能力等方面均优于常规PID调节器,为神经网络控制在水轮机调节系统中的应用打下了良好的理论基础.     

神经网络智能PID控制及其在水轮机调速器中的应用

对神经网络控制在水轮机调节中的应用进行理论分析,将基于BP神经网络的PID控制器和模型辨识神经网络应用于水轮机频率扰动仿真试验中,结果表明具有较好的动、静态特性和较强的鲁棒性,为神经网络在水轮机调速器中的应用打下理论基础。     

基于OPC的智能PID控制应用研究

Lab VIEW和Matlab被广泛应用于仿真、过程处理和控制领域,而未能很好地直接应用于实际控制系统中。采用OPC通讯技术,建立该智能控制系统与过程数据库链接,完成神经网络在线辨识系统模型,利用遗传算法在线调整PID的3个控制参数。仿真和研究表明,该方法可在线有效地控制较复杂的被控对象。     

GA-BP神经网络PID控制器在无刷直流电动机调速系统中的应用

从无刷直流电机的基本原理出发,介绍了基于遗传算法的BP神经网络控制器,将其方法应用于无刷直流电机转速闭环控制系统。利用MATLAB/Simlink工具箱建立了改进的系统模型同时对其进行辅助设计与仿真试验,同时建立基于TMS320F2812的无刷直流电机控制系统,该系统控制跟踪精度高、鲁棒性强。     

BP神经网络在地下水水质评价中的应用

地下水污染是当前较为严峻的现实问题,地下水水质评价是开发和保护地下水资源的前提,将BP神经网络应用到地下水水质评价中,解决了以往评价方法人为性较大和隶属函数构建不合理等问题。应用实例表明,BP神经网络法训练速度快、精度高,能如实地评价地下水质情况。     

BP神经网络在岩爆预测中的应用

综合考虑围岩产生岩爆的内外在因素,采用地应力大小、岩石抗压和抗拉强度、岩石弹性能量指数等参数作为指标,建立了BP人工神经网络岩爆预测模型.将国内外具有代表性的工程实例作为样本,以提高网络的泛化能力;采用Levenberg-Marquardt算法来训练BP神经网络,以提高效率.实例表明,采用本文所给出的BP神经网络模型预测结果与实际情况相符,说明了此模型的有效性.     

长距离渠系融冰期自动化控制模式研究

开河前,冰盖糙率增加造成渠道水位上涨,有武开河的可能,易形成冰坝;开河时的水力半径和综合糙率突变造成渠道水位陡降,存在渠道衬砌破坏的危险。本文通过分析渠系融冰期的水力响应特性,从渠系运行安全(水位波动幅度和波动速率较小)角度提出渠系融冰期安全输水模式——适时适量的调节各分水口取水量,基于冰情预报建立了渠系融冰期自动化控制管理模型。该模型在渠系安全高效运行的基础上可加快渠系由冰期输水转为正常输水的过程,增大了渠系的输水效益。融冰期的冰盖糙率变化过程是影响渠系水位波动和流量调节量的重要因素,需要通过不同气象条件和流量下的详细原型观测进行分析。     

改进BP神经网络在地下水环境质量评价中的应用

以LM算法和步长自适应法对BP神经网络进行改进,并将输入数据采用压缩系数法进行处理, 用改进后的BP神经网络对黄河流域某地区地下水环境质量进行评价,并和内梅罗指数法、灰色聚类法评价结果相比较,结果表明改进后的BP神经网络计算速度快、评价精度高、结果客观准确。     

小波神经网络模型在河道流量水位预测中的应用

鉴于BP神经网络学习收敛速度慢、参数选择困难、易陷入局部极值等缺点,提出小波神经网络河道流量水位预测模型,以盘龙河天保站流量水位预测为例进行分析。采用循环算法确定最佳BP神经网络结构,并在相同网络结构及期望误差等条件下,运用GA优化BP神经网络初始权值和阈值,构建传统BP、GA-BP神经网络河道流量水位预测模型作为对比预测模型。结果表明:小波神经网络结合了神经网络与小波分解在函数逼近上的优点,其预测精度高于传统BP和GA-BP网络模型,表明小波神经网络用于河道流量水位预测是合理可行和有效的,可为水文预测预报提供新的途径和方法。且小波神经网络模型具有计算简便、逼近能力强、收敛速度快,能有效避免局部极值等特点,有着广阔的应用前景。     

遗传算法改进神经网络模型在太子河流域径流预报中的应用

本文对用遗传算法(GA)改进的神经网络的算法进行了分析,建立了用GA寻求权重的前馈网络模型(简称模型I)和用GA优化初始权重的前馈网络模型(简称模型Ⅱ)。对太子河流域的5个计算单元前35年年径流量进行了模拟和用后10年资料对模型进行了检验,并与传统的BP神经网络模型进行了比较。结果表明:模型I对历史样本拟合较差,但其预报效果优于模型II和传统的网络模型。模型II和未改进的网络模型效果相似,精度有所提高。     

基于MATLAB的神经网络在湖泊富营养化评价中的应用

以MATLAB为工具,建立评价湖泊水体富营养化状态的BP神经网络模型,应用此模型对我国9个湖泊富营养化程度进行评价。将此评价结果与用分级评分法、模糊数学法、Fuzzy Grey决策法的评价结果进行比较分析,得出较一致的结论。同时表明用MATLAB构建神经网络简洁、高效,具有更好的通用性和实用性。     

基于MATLAB下BP网络在河流污染物浓度预报中的应用

文中简介了MATLAB语言和BP神经网络，并运用于河流污染物浓度的预报中，取得了良好的效果，说明运用BP神经网络进行河流污染物浓度预报是可行的．人工神经网络用于解决河流污染物传播扩散的复杂非线性问题，具有其独特优势．运用MATLAB神经网络工具箱，免去了繁琐的编程工作，值得进一步的研究和实践。