基于神经网络的卷烟工艺风力系统的压力控制

以卷烟工艺风力系统为研究对象,提出了一种基于BP神经网络整定的PID控制方法,并给出了系统设计及软件开发。由于神经网格所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制。试验结果表明,用该方法整定的PID控制系统,逼近精度高,鲁棒性好。     

自适应神经PID在中频烧结炉温度控制系统中的应用

以中频烧结炉温度控制系统为研究对象,提出了一种基于BP神经网络整定的PID控制方法,并给出了系统设计及软件开发。由于神经风格所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制。实验结果表明,用该方法整定的PID控制系统,逼近精度高,鲁棒性好。     

基于神经网络的真空烧结炉温度控制系统的研究

以真空烧结炉温度控制系统为研究对象,提出了一种基于BP神经网络整定的PID控制方法,并给出了系统设计及软件开发.由于神经网格所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制.实验结果表明,用该方法整定的PID控制系统,逼近精度高,鲁棒性好.     

基于神经网络的电热前床温度控制的研究

以电热前床自动控制系统为研究对象．提出了一种基于BP神经网络整定的PID控制方法．并给出了系统设计及软件开发。由于神经网格所具有的任意非经理性表达能力．可以通过对系统性能的学习来实现具有最佳组合的PID控制。电热前床控制实验结果表明．用该方法整定的PID控制系统，逼近精度高，鲁棒性好。     

模糊自适应整定PID控制在纸浆浓度中的应用

在造纸生产过程中,纸浆浓度的稳定调节是达到纸张质量标准的重要环节。为了克服传统PID控制的参数整定过程中耗时长、能耗高以及参数整定困难等问题,对模糊自适应整定的PID控制进行研究。模糊自适应整定PID控制以纸浆浓度以及纸浆浓度误差变化作为输入,利用模糊控制规则对PID参数进行在线自适应整定,以满足不同时刻的纸浆浓度误差和纸浆浓度误差变化对PID参数自整定的要求。利用传统的PID控制以及模糊自适应整定PID控制,分别对生产80 g/m~2以及有无扰动输入的纸浆浓度模型进行仿真。与传统的PID控制相比,模糊自适应整定PID控制不仅缩短了参数的整定时间,而且稳态性能好,调控性能也优于传统的PID控制。模糊自适应整定PID控制实现了纸浆浓度在线自适应参数整定,具有很好的应用价值。     

自适应神经PID在挤塑机温控系统中的应用

针对塑料挤出机的多段料筒温度控制,以及常规PID控制在非线性的、时变系统中控制效果的局限性,提出了一种基于BP神经网络整定的PID控制方法.给出了计算机控制系统设计及系统软件开发.由于神经网络具有强大的非线性映射能力,自学习、自适应等优势,通过对系统性能的学习来实现具有最佳组合的PID控制,建立比例、积分和微分三种参数自学习的PID控制器.对锥形双螺杆塑料挤出机的温度控制实验结果表明,用该方法整定的PID控制系统,逼近精度高、鲁棒性好.     

模糊自适应PID控制器参数整定的研究

主要研究了模糊自适应PID控制器参数整定方法,给出了预估计PID参数值的经验公式和方法。用MATLAB软件对PID控制、模糊自适应PID控制的控制性能分别进行了仿真研究,结果表明参数模糊自整定PID控制具有良好的稳态精度和自适应能力。     

多种PID控制及其仿真比较

同一控制对象．分别用常规整定PID控制、模糊自适应整定PID控制、基于BP神经网络整定的PID控制、基于遗传算法整定的PID控制四种方法用MALTAB仿真分析,并对效果进行比较。     

Research on Fuzzy Self Adaptive PID Controller with Parameters Tuning

主要研究了模糊自适应PID控制器参数整定方法,给出了预估计PID参数值的经验公式和方法.用MATLAB软件对PID控制、模糊自适应PID控制的控制性能分别进行了仿真研究,结果表明参数模糊自整定PID控制具有良好的稳态精度和自适应能力.     

基于MATLAB的参数自整定模糊PID控制器的两种设计方法

鉴于模糊控制技术和PID控制技术在控制领域中的重要表现,在深入学习研究二者的基础上介绍了两种在MATLAB中实现参数自整定模糊PID控制器的方法,同时对两种方法进行了分析比较:一种通过S-Function实现模糊控制对PID控制参数进行在线整定,另一种则通过完全命令行的方式实现模糊整定与PID控制的无缝连接;通过验证,二者都可以取得理想的控制效果,且第二种方法用MATLAB实现复杂的控制算法,因此得以在学校实验室控制实验上得到了完全应用;用MATLAB实现参数自整定模糊PID控制简单直观、便于操作,是一种比较理想的控制方法.     

气动油压伺服系统的智能PID控制研究

针对经典的基于对象精确模型的PID控制方法自适应性差,难以适应具有非线性、时变不确定性的被控对象,提出了一种基于RBF神经网络的、结构简单的PID自适应控制方法。将该智能PID控制应用于气动油压伺服系统中,实验结果表明:具有自学习和自适应能力的RBF网络PID控制方法,能够适应被控对象在较大范围内的变化,具有较强的鲁棒性,其控制品质明显优于常规PID控制方法,将其应用于气动油压伺服系统是可行的。     

基于改进神经网络的PID整定

针对常规PID控制器对于复杂的、动态的和不确定的系统控制还存在着许多不足之处,提出一种基于模糊RBF神经网络的PID自适应控制方法。首先用改进的模糊K一均值聚类算法初始化RBF神经网络的隐层节点中心和基函数宽度,再采用梯度法优化RBF神经网络自适应地整定PID的三个参数。仿真结果表明该学习算法的实用性和有效性。     

基于LabVIEW实现神经PID温度控制

综合常规PID及BP神经网络的优点,设计一种基于BP神经网络的PID自调整算法控制器,并用LabVIEW编程实现。使用该算法的PID控制器,可在线获得优化的比例、积分及微分参数值,使整个系统得到优化配置。将此PID控制器用于纸模生产线的温度控制,取得比较好的控制精度。     

基于BP网络的PID控制在滑油压力气动控制中的应用

根据实验室现场对控制的要求,提出了一种将常规PID控制与BP神经网络相结合的自适应PID控制器,该控制器运用神经网络和BP算法实现了对PID参数的在线调整。把该控制器应用于某航空发动机燃油泵调节器滑油压力控制中,实验结果表明,与传统数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁棒性。     

工业锅炉燃烧过程智能控制系统

针对典型的大时滞，非线形的工业锅炉燃烧控制系统．本文提出了一种基于PID神经元网络的工业锅炉燃烧控制系统．在仿真实验的基础上。对PID神经元网络控制与传统的PID控制进行比较和分析，仿真结果表明．PID神经元网络控制方法具有良好的鲁棒性和抗干扰性。其控制效果优于传统的PID解耦控制。     

神经网络PID在温度控制系统中的研究与仿真

本文提出一种基于BP神经网络的新型智能PID控制方法和一些BP神经网络的基本概念。同传统的PID控制相比较．神经网络智能PID控制有许多优点。把BP神经网络的PID控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。     

无人机涡喷发动机的BP网络控制

该文介绍了由反向传播神经网络（BP网络）构成神经网络PID控制系统的基本结构和原理,针对传统BP算法存在的收敛速度慢、容易陷入局部极小值的缺陷,选用了标准的数值优化算法（LM算法）,此算法具有极好的快速性;对某无人机涡喷发动机的神经网络PID控制进行了仿真研究,并与常规PID控制进行了比较研究,仿真结果表明：采用此算法构成的神经网络PID控制具有响应速度快、稳态误差小、算法简单的优点;用一个神经网络作为控制器,控制地面和空中多点对象是可行的,但要进行实际应用,还有待于进一步的研究.