共查询到20条相似文献,搜索用时 74 毫秒
1.
针对在PCT-Ⅱ型过程控制实验装置上进行液位控制时,常规PID控制参数不易整定,调节时间偏长,而采用BP神经网络PID控制时,网络对初始赋值敏感,容易陷入局部最优,收敛速度慢.基于微粒群(PSO)算法的全局寻优特性,该文将PSO算法用于BP神经网络初始赋值的优化,设计一种基于微粒群的BP神经网络PID智能控制算法,并在实际液位装置上运行调试.结果表明:本文所提出的控制方案与传统PID控制方法相比,响应速度快,调节时间短,具有很好的鲁棒性,达到了更优的控制质量. 相似文献
2.
称重配料系统的微机控制 总被引:2,自引:0,他引:2
一、引言 在配合饲料的生产过程中,一个重要环节是把多种原料按一定的比例进行混合,而各种原料配比是否准确将直接影响配合饲料的质量,早期完成这一工作大多采用定位控制、定时顺序控制、多秤杆切换,甚至人工称量方法。这些方法都存在配比控制精度差、生产效率低、工人劳动强度大等缺点。研制的微机配料控制系统,采用8031单片机作为控制器,通过称重传感器直接采集称重信号,自动控制配料,操作人员通过键盘与CRT显示器可以进行配方的输入,调换及修改,控制系统的启停,监视配料的生产过程。打印机可以及时地打印配料结果和生产报表,这不仅使配料的精度大大提高,而且提高了劳动生产率,实现生产 相似文献
3.
4.
5.
针对烧结配料系统中的非线性、复杂性和相关性,基于BP神经网络建立烧结配料的预测模型,并采用粒子群算法对预测模型参数进行优化.为了克服粒子群算法的局部收敛性,在迭代过程中,根据迭代次数对惯性权重进行动态非线性调整,从而提高算法的搜索能力.仿真结果表明,所提出的改进粒子群算法与传统的粒子群算法比较,收敛速度快、迭代次数少、... 相似文献
6.
7.
为避免模糊PID控制中参数选取的经验性及参数不变性,应用粒子群算法优化隶属函数分布,增强控制器自适应能力,并提高其控制精度,充分体现了算法的智能性.将粒子群优化的模糊PID控制应用于配料控制系统中,通过仿真并与模糊PID以及传统PID控制方法相比较,结果表明,粒子群算法收敛快,找到最优点时间短,优化后的模糊PID控制具有静态误差小、调节时间短、无超调、抗干扰能力强等优点,能很好地满足控制过程的动态特性,并具有较强的鲁棒性及适应性. 相似文献
8.
介绍以8031为核心的称重配科系统.它可对投料、放料、搅拌器定时等进行自动控制并有多种报警工能.该系统具有相当的静、动态精度,可以满足生产要求. 相似文献
9.
10.
针对70t LF钢包精炼炉,设计了基于WinAC电极计算机控制系统,并引入一种基于RBF神经网络实时在线辨识和神经网络解耦的模糊自适应控制算法对三相电极进行实时控制,应用结果证实了此控制方案较强的可靠性和鲁棒性。 相似文献
11.
12.
针对工业生产中电阻炉温度控制系统所存在的大惯性、大滞后等问题,提出一种应用于电阻炉炉温的基于改进粒子群(PSO,particle swarm optimization)算法的模糊RBF-PID控制策略.在该控制系统中,采用引入惯性权重因子和遗传变异算子的改进粒子群算法对模糊RBF(径向基函数)隶属度函数的初始值进行优化,再用BP(误差反向传播)算法进行细调,并结合模糊推理和RBF学习能力在线调整PID控制参数,从而达到最优的PID控制效果.仿真结果表明,该算法跟踪快、超调小、不易陷入局部极小值,同时鲁棒性和抗干扰性优于传统PID控制. 相似文献
13.
针对传统的解耦方法对实际工业生产过程中的多变量、非线性、强耦合系统解耦效果不理想的问题,提出了改进的简化粒子群(isPSO)算法与PID神经网络(PIDNN)相结合的方法。PIDNN训练用于消除回路间的耦合,其连接权值由简化粒子群算法学习优化。该isPSO算法能克服PIDNN易陷入局部收敛的缺点,而且与基本PSO算法相比,搜索到最优值的概率更高。采用的小步长线性递减惯性权重和增加的极值扰动算子,则加速了对PIDNN权值的优化。通过对强耦合对象火电厂锅炉燃烧系统的仿真表明,该方法具有更好的控制品质:鲁棒性强、跟踪快、解耦效果好,为实际应用中强耦合系统的改进提供了理论依据。 相似文献
14.
15.
以钢包精炼炉(LF炉)电极系统为对象,采用西门子基于PC的控制器WinAC实现智能控制,运用现场总线技术和开放的开发工具WinAC ODK,确保了电极系统的实时性和可靠性。 相似文献
16.
针对低速旋转的滑翔增程制导炮弹存在的俯仰和偏航通道控制耦合性问题,阐述利用基于PID神经网络进行双通道解耦控制设计。首先描述滑翔增程炮弹动力学模型,基于对该模型的分析基础上提出PID神经网络的结构和计算方法,并采用增加动量项的权值修正和自适应可变学习率对其进行改进。在此基础上,通过粒子群优化算法对网络的初始权值进行优化... 相似文献
17.
针对多输入多输出系统(MIMO系统)多变量、非线性、强耦合的特点,提出采用改进粒子群优化算法(MPSO)对PID型神经网络的权值进行优化的方法,实现对MIMO系统的解耦控制.其中,与基本PSO算法相比,MPSO算法后期仍能保持种群的多样性和较大的搜索空间;PID型神经网络是一种3层前向神经网络,网络各层神经元个数、连接方式、连接权值的初值都是按PID控制规律确定的.通过仿真分析,该方法有很好的控制品质:跟踪快、鲁棒性强、解耦效果好,为实际应用中强耦合系统控制方法的改进提供了理论依据. 相似文献
18.
介绍精炼炉备料工艺,针对备料存在的问题,提出分段PID控制、基于BP神经网络的自学习控制和速度突变的应急控制等改进方法. 相似文献
19.