共查询到19条相似文献,搜索用时 125 毫秒
1.
2.
设计了一个恒温低湿空调系统,其主要作用在于生产车间的大空间温湿度控制。空调新风系统与工艺排风系统进行匹配,保证房间的正负压差,并保证房间的温湿度在要求的范围内。自控系统对整个空调系统的设备进行控制,将房间的温湿度控制在要求的范围内。 相似文献
3.
针对火电厂主蒸汽温度系统大惯性、大迟延、非线性的特点,常规串级PID控制难以取得满意的调节效果,为了改善常规PID控制的不足,文章在研究BP神经网络的基础上,把BP神经网络PID控制应用到主汽温控制系统中。运用matlab仿真,结果表明,与传统控制相比BP神经网络PID控制算法有效减小了系统的超调量,提高了系统的响应速度,在主汽温控制系统中具有很好的控制效果。 相似文献
4.
针对目前传统PID控制对模型依赖性强,难以在线调整控制参数,具有非线性,而神经网络控制在误差控制方面又有不足之处,在变风量汽车双温区自动空调中都难以得到较好的控制效果,文章提出了将BP算法的神经网络和PID加以混合的一套控制系统,减少因为参数模糊性、非线性问题以及外界不稳定的干扰对汽车空调系统的影响,从而提高系统的鲁棒性。 相似文献
5.
6.
针对电传动内燃机车在负载发生扰动下,转速会发生波动,致使牵引发电机功率小于牵引电动机功率,导致机车运行不平稳。采用BP神经网络预测进行内燃机车转速控制,使机车在应对负载突变的情况下,具有较好鲁棒控制性能,使机车运行平稳。首先,通过BP神经网络预测模型进行模型预测;其次,将预测值与实际值构成输出误差进行反馈校正;然后,根据神经网络预测模型和优化算法迭代计算得出最优控制量实现滚动优化;最后,对BP神经网络预测的内燃机车转速控制进行建模,并对目前所采用的经典算法进行实验仿真对比,结果证明,基于BP神经网络预测的内燃机机车转速控制响应速度快、鲁棒性好和稳态误差小。 相似文献
7.
为了降低基站空调能耗,设计了一套集通风系统、控制系统于一体的节能系统。该系统具有对室内外温湿度数据、粉尘值、滤网堵塞状况、烟雾、风阀状态、门禁、加湿器状态、水浸等检测功能,以及加湿器、混风机、空调、风机机组、风阀的控制功能。与空调联动对基站内温湿度进行实时有效控制,减少空调使用时间,以降低能耗。 相似文献
8.
9.
推进液压系统是盾构机的关键设备之一,对盾构掘进姿态、隧道开挖速度以及掌子面的稳定起着至关重要的作用。常规推进液压系统采用比例调速阀及比例溢流阀控制系统的速度与压力,利用PID算法抑制推进过程中系统的速度和压力的波动。该常规PID控制方法在稳定性较高的地质条件下效果明显,但在软弱不均的地质环境下波动明显,影响开挖速度及精度。通过对系统及推进过程中的稳态性误差进行分析,建立系统AMEsim仿真模型;然后利用Simulink算法建立一种BP神经网络控制器,将AMEsim模型与Simulink算法的BP神经网络控制器进行联合仿真。结果表明:与常规PID控制相比,BP神经网络结合PID控制策略针对变流量、变压力工况有更好的响应特性,可以更好地抑制速度与压力的波动。 相似文献
10.
11.
12.
13.
14.
15.
16.
根据空调负荷的非线性特点,提出了一种基于粒子群算法优化误差反向传播(BP)神经网络的空调负荷预测方法,针对BP网络训练容易出现麻痹和易陷入局部极值,以及其预测空调负荷时精度不够理想等现象,将粒子群算法的随机全局优化和梯度下降局部优化结合,达到改善神经网络泛化能力和提高空调负荷预测精度的目的。用该方法对的空调系统冷负荷与室外空气的干球温度、含湿量和太阳辐射照度的关系进行建模和预测,通过实例验证了该优化算法优于BP网络,能更加有效地处理动态空调负荷中的非线性问题,获得更可靠的预测结果。 相似文献
17.
18.
文章首先介绍了温控系统的方案设计以及部分功能模块,然后介绍BP神经网络结构和模糊推理,在分析两者弊端的基础上提出将两者相结合的控制方法。本文还介绍了模糊神经网络的结构和学习方法,以及如何对训练样本进行预处理,最后利用matlab神经网络工具箱作为平台,通过测试样本仿真和试验,本设计的应用为实现快速、精确的温控系统提供了一种功耗低、经济有效的解决方案。 相似文献
19.
针对开关磁阻电机存在的转矩脉动大、噪声大、速度不稳定等问题,对开关磁阻电机的启动、运行、调速等方面进行了研究,提出了一种基于模糊神经网络PID的控制方法,将模糊控制理论与BP神经网络相结合,构成了模糊BP神经网络,根据系统误差,误差的变化,以及误差变化的变化实时调整PID控制参数,使电机在整个转速范围内获得了最优的PID参数。实验采用DSP作为控制核心,不对称逆变桥作为功率变换器,驱动一台2 k W的开关磁阻电机运行。研究结果表明,该方法大大改善了开关磁阻电机控制系统的动、静态性能,控制精度高、转矩脉动小,对干扰有较高的鲁棒性。 相似文献