基于改进粒子群算法的PIDNN解耦控制研究

对于具有非线性、强耦合、大迟滞特点的多输入多输出的非线性系统,传统的控制方法无法对其进行精确解耦,导致控制精度较低。提出一种基于免疫机制的改进粒子群算法,并用此方法对PID神经网络权值进行优化,形成新型PID神经网络控制器。利用两个PID神经网络控制器对双输入双输出耦合系统进行控制以减弱系统的耦合影响。通过仿真结果表明：相对于传统PID解耦控制,该算法具有更好的动态和静态特性。可为控制领域中的解耦问题提供一定的参考。     

改进型再加热炉燃烧控制系统

针对天津钢管公司轧管厂再加热炉加热段炉温控制经常失灵的问题 ,对燃烧双交叉限幅控制系统进行了改进。从而可将空燃比控制在较理想的范围内 ,获得了良好的调节特性和加热效果     

基于改进粒子群算法的PIDNN解耦控制研究（英文）

对于具有非线性、强耦合、大迟滞特点的多输入多输出的非线性系统,传统的控制方法无法对其进行精确解耦,导致控制精度较低。提出一种基于免疫机制的改进粒子群算法,并用此方法对PID神经网络权值进行优化,形成新型PID神经网络控制器。利用两个PID神经网络控制器对双输入双输出耦合系统进行控制以减弱系统的耦合影响。通过仿真结果表明:相对于传统PID解耦控制,该算法具有更好的动态和静态特性。可为控制领域中的解耦问题提供一定的参考。     

基于改进PID控制的电液伺服系统执行器运动轨迹仿真

电液伺服系统执行器运动轨迹跟踪容易受到外界干扰，导致控制系统不稳定。为解决此问题，设计小波神经网络PID控制系统，并对控制效果进行仿真验证。建立电液伺服阀简图模型，创建阀芯运动的动力学模型，分别推导出控制阀、液压执行器和比例溢流阀动力学方程式。采用小波神经网络对传统增量式PID控制器进行改进，利用MATLAB软件对改进后的控制系统进行仿真；对比分析改进前、改进后系统液压执行器的跟踪轨迹。结果表明：液压执行器在没有受到外界波形突然干扰情况下，2种控制方法都能较好地实现轨迹跟踪；在受到外界波形突然干扰情况下，采用增量式PID控制的液压执行器运动轨迹与期望轨迹存在较大误差，采用小波神经网络PID控制的液压执行器运动轨迹与期望轨迹存在较小误差。所设计的控制系统响应速度较快，能够自适应在线调整控制参数，有效地抑制外界环境对控制系统的干扰，从而提高液压执行器运动轨迹跟踪精度     

基于改进果蝇神经网络的数控工作台PID控制

传统数控机床工作台速度控制多采用PID控制,传统PID控制存在响应慢、超调大、动态性差、抗干扰能力差等问题。提出了一种变步长果蝇神经网络PID控制方法,将变步长果蝇算法与神经网络联合使用。在线寻找控制器最优控制参数,实现电机速度的智能化控制。通过Simulink仿真,对数控工作台速度控制内环转速跟踪性能进行分析。实验结果证明,改进果蝇神经网络的PID控制比传统PID控制方案响应更快,抗干扰性能和鲁棒性能更好。     

采用电动液压执行机构对机床进行主动隔振研究

地面振动容易使机床超过允许的加工或测量偏差,从而影响机床的加工质量。提出一种新型电液执行机构对机床进行振动隔离,构建机床主动隔振系统,采用神经网络PID控制器实现机床主动隔振系统的有效控制,并对控制效果进行仿真验证。分析机床主动隔振系统的结构,建立机床主动隔振系统中电液执行机构以及机床的动力学模型,将执行机构的数学模型耦合到机床的虚拟模型。基于神经网络与PID控制器,开发神经网络PID控制器。采用MATLAB对机床主动隔振系统进行仿真,同时与传统PID控制器的计算结果进行对比和分析。结果显示:神经网络PID控制器控制下的工作台以及工具中心点位移振幅相比传统PID控制器减少30%～82%,采用神经网络PID控制器控制后,控制精度更高,隔振效果也更好。采用神经网络PID控制器的电液执行机构能够有效地衰减并隔离地面运动。     

infi90控制系统在钢管加热炉上的应用

介绍了用于钢管加热炉双交叉限幅燃烧控制的ｉｎｆｉ９０控制系统的构成和通讯网络，基本控制模件ＣＬＣ０４指令回路控制器的硬件结构，软件功能等。     

基于小波神经网络PID控制的主动夹具铣削颤振研究

为了抑制铣削过程中产生的颤振,提高铣削加工过程中零部件表面质量。设计了小波神经网络PID控制方法,并对控制效果进行仿真。采用时域数值法对动态铣削过程中离散时间进行求解,利用小波神经网络PID控制方法对铣削过程进行控制。通过仿真和实验对铣削金属表面粗糙度进行测量,并且与增量式PID控制系统进行比较和分析。结果显示,采用增量式PID控制方法,铣削力和铣削深度实际值与理论值存在较大误差;采用小波神经网络PID控制方法,铣削力和铣削深度实际值与理论值存在较小误差。采用小波神经网络PID控制方法,可以提高铣削参数控制精度,减少铣削过程中对颤振的影响,提高铣削零部件表面质量。     

基于切削颤振抑制系统的BP神经网络PID控制研究

从颤振的发生机制及集中质量系统的颤振运动微分方程出发,以镗削颤振抑制问题为背景,建立了具有连续分布质量的压电智能切削颤振抑制系统动力学模型,重点研究了BP神经网络与经典PID控制相结合的智能控制策略,为切削颤振的智能控制提供了新的方法。继而在Simulink中分别利用经典PID和BP神经网络PID对切削颤振抑制系统进行控制仿真。仿真结果表明:和经典的PID控制相比,BP神经网络PID控制自适应能力更强。     

球墨铸铁管连续式退火炉温度控制

针对基于蓄热式燃烧系统的球墨铸铁管连续式退火炉,结合工程实践,介绍了集双交叉限幅控制、温度-流量串级控制、三通阀换向控制及排烟温度控制于一体的退火炉温度控制系统.该系统可有效提高燃烧效率,保证动态条件下空燃比及空气过剩系数稳定,有着广阔的应用前景.     

神经网络在烘干炉内带材垂度控制中的应用

传统的烘干炉内带材垂度控制方法大多采用垂度检测元件反馈信号做闭环PID控制,由于烘干炉内带材垂度系统具有较大的时间滞后性,使得带材在烘干炉内有可能发生划伤时,纠正信号的到来往往为时已晚,影响机组正常生产。用神经网络对烘干炉内带材垂度进行控制,可以使炉内垂度的控制特性接近线性,使控制更加容易,而且控制过程具有良好的动态性能。该控制方法在宜昌某彩图机组烘干炉垂度控制系统中已成功应用,系统具有很强的鲁棒性、可控性和预控能力。     

基于单神经元PID的真空炉自适应温度控制

根据真空热处理系统的特点,将单神经元PID控制算法应用到真空热处理系统的温度控制上。根据神经网络的非线性逼近能力和自学习自适应的特点,将单神经元网络与PID控制结合实现对真空炉温度的控制,以达到提高真空炉温度控制品质的目的。并通过计算机仿真软件进行仿真试验,仿真结果表明单神经元PID控制系统可以对控制参数自整定,其对温度控制更加稳健,具有更强的抗干扰能力和鲁棒性。经过搭建真空炉温度控制系统试验平台验证后发现,应用单神经元PID控制的真空炉系统的温升过程表现出了良好的稳定性,但是温度控制的响应速度和保温的精度略有下降。要想进一步提高温控品质,需要就单神经元PID控制方法在响应速度和控制精度上做进一步改进。     

基于改进蚁群算法的加热炉温度控制研究

加热炉温度控制系统具有非线性、时变性、滞后性等缺陷，导致系统控制过程中响应速度慢、抗干扰能力差，传统的控制方法无法对其进行精确控制。将免疫算法引入蚁群算法中，根据免疫算法中的亲和力原理，增加蚁群的多样性，并对蚁群的初始信息素规则进行改进。利用改进的蚁群算法来调节PID神经网络（PIDNN）的权值，提出一种新型PIDNN控制方法，并采用计算机仿真软件对其进行实验。仿真实验结果表明，与传统的PIDNN控制方法相比，当采用改进蚁群算法的PIDNN控制器对加热炉进行控制时，系统达到稳态所需时间缩短了约34%；当加入扰动后，系统恢复到稳态所需时间减少了约26%，振动幅度明显降低，加热炉控制系统的抗干扰能力增强。     

基于改进遗传算法优化的双步进电机伺服阀控制研究

针对当前电液伺服阀控制系统响应速度慢、输出误差较大的问题,采用改进遗传算法优化控制系统,并对控制效果进行仿真验证。设计了新型电液伺服阀结构,建立了电液伺服系统动力学模型,推导了液压缸流量运动方程式。采用改进遗传算法优化RBF神经网络结构,通过MATLAB软件对双步进电机伺服阀改进的控制系统进行仿真验证,并且与传统PID控制效果进行对比。结果显示:在无干扰环境中,采用传统PID控制和改进RBF神经网络控制方法都能较好地提高活塞杆运动位移输出精度;在有干扰环境中,采用传统PID控制方法,活塞杆运动位移输出的误差较大,而采用改进RBF神经网络控制方法,活塞杆运动位移输出的误差较小。采用改进RBF神经网络控制方法,能够抑制外界的干扰,从而提高双步电机伺服阀控制系统的响应速度和输出精度。     

基于模糊神经PID的重载机械臂变幅系统仿真研究

针对重载机械臂变幅机构控制系统的功能要求,设计一种可以实现变幅机构位移同步控制的液压系统。结合重载机械臂位移同步控制方法与策略,提出采用能满足系统稳定性和鲁棒性要求的模糊神经PID控制策略对其进行位移同步控制。运用AMESim和Simulink对变幅控制液压系统进行建模仿真,对比分析了模糊神经PID与常规PID对液压缸运动控制的动态效果,得到了该液压系统中液压缸活塞杆位移曲线。仿真结果表明:模糊神经PID控制器具有较强的抗干扰能力和较好的鲁棒性,验证了所设计的变幅机构位移同步控制液压系统具有良好的工作性能。     

真空退火炉智能变结构控制方法的研究与应用

从工程实际应用的角度出发,针对金属材料真空退火过程中系统的非线性、工艺参数的不确定性和对外部干扰的不灵敏性等特点,结合非线性不确定系统理论研究,采用神经网络建立系统的模型,利用自适应免疫遗传算法(AIGA)对滑模面和控制器的参数及神经网络的权值、阈值进行优化,得出了一种真空退火炉工件温度精确控制的智能变结构控制策略。实验表明,这种方法控制温差在±4℃,优于基于单一模型的模型参考自适应控制或PID策略的控制方式,具有较好的动态特性和耐久性。     

MPCVD设备样品台温控系统的设计

由于传统MPCVD设备样品台温度控制需要使用手动调节样品台距等离子源的距离,且调节精度差,为此设计一种样品台温控系统,同时设计了样品台温控系统硬件控制器。该控制器以STM32F407单片机为核心,步进电机、丝杠、金属波纹管为执行机构,通过控制样品台在腔体内距等离子源的距离,实现温度控制。并提出一种将改进鲸鱼算法(WOA)与神经网络PID控制算法结合的控制方法,实现PID参数的自适应调整。仿真和实验结果表明：相对于传统PID算法,使用该温控系统进行温度控制时,超调量更小,控制精度更高,控制效果有很大提升。     

改进的RBF神经网络PID算法在电液伺服系统中应用

为克服传统PID控制电液伺服系统时存在参数整定不良,动态响应特性欠佳的问题,采用RBF神经网络PID对系统进行控制,并针对控制中存在的问题对控制算法进行改进,仿真和实验研究表明,改进的RBF-PID控制算法较RBFPID和传统PID具有较快的响应速度和较好的鲁棒性。