智能PID在变频器控制系统中的应用研究

PID控制是风机和水泵变频调速系统控制中应用最广泛的控制方法。但在实际应用中,由于实际系统数学模型的非线性,参数整定未得到很好的解决,使得系统响应慢、精度差低、稳定性差。针对这一问题建立了基于神经网络的智能PID控制系统,利用神经网络可以逼近任意非线性函数的特性,设计一种神经网络自整定PID控制器。仿真结果表明,该控制器具有控制精度高、响应快、运行平稳、节能效果好等特点。     

基于神经网络PID炉温控制系统设计

将BP神经网络控制策略引入炉温控制系统,通过神经网络模拟实现PID控制器参数在线调整。在电阻炉炉温控制系统模型的基础上,详细介绍了神经网络PID控制器的算法,并对经典PID参数选取进行了分析。最后将神经网络PID与经典PID控制效果进行了仿真比较。     

基于神经网络PID炉温控制系统设计

将 BP 神经网络控制策略引入炉温控制系统,通过神经网络模拟实现 PID 控制器参数在线调整.在电阻炉炉温控制系统模型的基础上,详细介绍了神经网络 PID 控制器的算法,并对经典 PID 参数选取进行了分析.最后将神经网络 PID 与经典 PID 控制效果进行了仿真比较.     

神经网络PID参数自整定的应用研究

PID控制是工业控制中应用最为广泛的控制方法,但在实际应用中,其参数整定仍未得到较好的解决.本文把神经网络技术应用在PID控制中,采用BP网络对被控对象在线辨识,利用神经元自适应PID在线调整参数,构造神经网络PID自整定控制器.通过在实际交流变频调速系统上的实验表明,当突然加、减负载时,神经网络PID控制与传统PID控制相比,具有恢复时间短、超调量小等特点.     

基于参数模糊自整定PID控制的交流变频调速系统

常规PID变频调速控制容易实现,但难以达到理想的性能.模糊控制器具有不依赖对象数学模型、便于利用经验知识等诸多优点,能克服交流调速系统中不确定因素给系统性能带来的不利影响.根据实际需要,设计了一种基于参数模糊自整定PID控制器控制策略,以80C196KC单片机为控制核心构成闭环变频调速系统的方法.经过测试,系统安全可靠,控制性能优良.     

基于二级模糊控制的网络交流变频调速系统

利用校园网和交流变频调速系统构成了一个网络交流变频调速系统，设计了一个二级模糊控制器作为变频器的控制算法来实现系统的闭环控制。对此控制算法作了仿真试验，结果证明：二级模糊控制系统的输出特性优于常规模糊控制系统。将设计的二级模糊控制器用于所建的网络交流变频调速系统，实验结果说明，系统的动态和静态特性得到了进一步改善。     

空压机用无刷直流电机的模糊控制及仿真

为了快速适应电动汽车在不同路况时的功率需求,必须对驱动空压机高速旋转的无刷直流电机（BLDCM）的转速进行实时控制.在BLDCM的双闭环调速控制系统中,外环转速采用模糊控制器取代常规PID控制器,以克服BLDCM的非线性影响,它与内环电流的PI控制相结合,提高了BLDCM控制系统的动态响应速度.仿真结果表明：BLDCM调速控制系统采用模糊控制器比采用常规的PID控制器具有较好的控制性能,可满足电动汽车的工作需求.     

带预测模型的神经网络PID控制器

在研究PID控制和神经网络的基础上提出了一种带预测模型的神经网络PID控制器,该控制器是一种3层前向神经网络,它适用于工业过程中觉的慢时变大时滞控制系统以及控制对象具体模型难以确定的控制系统,该系统能在调整PID控制器的3个参数Kp,Kd,Ki,再经PID调节器产生最优的控制作用于被控对象,采用该控制器对模型参数缓变的系统进行仿真,结果表明该器具有良好的自学能力,能获得较好的控制效果。     

自适应模糊PID控制器的设计及基于MATLAB的计算机仿真

将模糊控制器和PID控制器结合在一起,利用模糊逻辑控制实现了PID控制器参数在线自调速,进一步完善了PID控制器的性能,提高了系统的控制精度,并把MATLAB中的Fuzzy Toolbox和SIMULINK有机结合起来,方便的实现了该自适应模糊PID控制系统的计算机仿真,拓宽了Fuzzy Toolbox和SIMULINK的应用范围。     

AMT换挡电机调速系统模糊PID控制

针对传统的控制技术难以满足换挡电机调速系统快速性和稳定性的要求,引入模糊比例、积分和微分(PID)参数自适应控制器到换挡电机的控制系统中,根据系统输入误差和误差变化率在线整定PID参数,丰富了PID控制器的功能.仿真结果说明,模糊PID控制器与传统PID控制器相比,在动态响应上更快,在超调上更小.     

机载稳定平台的神经网络PID控制

控制机载稳定平台使机载相机保持相对稳定保证航拍质量。基于机载稳定平台控制系统的非线性时变控制特点,针对PID控制在非线性时变系统中的不足,利用神经网络的非线性映射能力和自学习自适应能力,提出将三层神经网络和PID控制相结合的神经网络PID控制,并对机载稳定平台进行控制及MATLAB仿真。仿真结果表明机载稳定平台采用神经网络PID控制比传统PID控制具有更高的控制精度。     

神经网络模糊PID控制器在直接矩控制中的应用

介绍了一种模糊自整定PID参数控制器的设计方法,并提出利用神经网络训练PID参数的基值。对常规PID控制和神经网络模糊PID控制系统作了对比研究,仿真实验结果表明新方法既保证了系统的稳态精度,又保证了系统的快速响应和坚韧性。将该方法用于直接转矩控制系统中,取得了远远优于常规PID调节器的控制效果。     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络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能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

神经网络补偿的PID控制在电液力矩伺服系统中的应用

船舶减摇水舱试验台架是研究和设计减摇水舱的重要试验设备,能否准确的模拟船舶在海浪中的运动是设计试验台架的关键．设计了用于驱动船舶减摇水舱试验台架的电液力矩伺服控制系统,引入神经网络结构补偿的PID方法来实现PID的参数整定,仿真结果表明神经网络补偿的PID控制效果明显优于普通PID系统     

水轮机调节系统的神经网络控制

设计了一个三层ＢＰ神经网络,对有功功率反馈参与控制的水轮机调节系统,以其典型工况下的最优ＰＩＤ系数作为训练样本,对所设计的ＢＰ神经网络进行离线训练,进而构成一个基于ＢＰ神经网络的变参数ＰＩＤ控制器;利用ＢＰ神经网络的函数逼近能力来实现ＰＩＤ控制器在线调整,以达到优化控制的目的。对简单电力系统的仿真结果表明,这种控制器与常规ＰＩＤ控制器相比可以取得较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。     

基于模糊RBF神经网络的双电机驱动伺服系统研究

双电机驱动伺服系统中存在齿隙和摩擦等非线性,常规PID控制不能满足其控制要求.针对常规PID控制器参数固定而导致在控制中效果差的缺陷,提出一种基于模糊RBF神经网络整定的PID控制方法.该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,可以在线调整得到一组适合于控制对象的PID控制参数.最后在双电机驱动伺服系统中进行仿真试验结果表明所提出的控制策略是有效的.     

基于BP神经网络的模糊PID风量控制

针对煤矿主风机通风系统多变量、非线性、时变滞后性等问题,提出一种基于BP神经网络的模糊PID算法。该算法综合神经网络、模糊控制与PID调节的各自优点,既具有神经网络的自学习和自适应能力,又具有模糊控制的非线性控制作用,同时兼备PID调节的广泛性。仿真结果表明,该算法的响应速度、稳态精度均优于传统的PID调节,取得比较理想的控制效果。     

交流伺服系统神经网络PID控制

提出了采用神经网络的自适应PID控制系统,将BP神经网络引入交流伺服系统中代替PID控制器,实现对被控电机的自适应控制;并在此基础上,简化神经网络的结构,把它与传统的PID控制结合起来,实现对交流伺服系统的复合控制。仿真结果表明,所提算法切实可行,系统具有较强的鲁棒性。     

定量称重包装系统RBF神经网络PID控制研究

针对定量称重包装系统具有惯性、滞后、非线性时变且无法建立精确模型等特点,分析物料动态称量响应过程的动态特性及影响定量称重包装精度的相关因素和误差来源,提出1种基于RBF神经网络PID的定量称重包装控制策略。利用具有任意非线性表达能力及较强自学习能力的RBF神经网络寻求最佳的PID参数,并通过Matlab仿真验证控制策略的有效性。结果表明,与传统的PID控制相比,RBF神经网络PID控制策略具有较强的抗干扰能力,可显著改善定量称重包装系统的控制效果。