基于DRNN网络的凿岩钻臂自整定PID控制

凿岩钻臂的自动定位系统是一个耦合的2输入2输出系统,系统存在响应较慢,负荷随机变化及参数快时变的特性.固定参数PID控制难以适应系统控制要求,因此,提出一种基于回归神经网络(DRNN)的2输入2输出PID控制器结构.给出了DRNN神经网络参数学习算法和PID控制器参数自整定算法.计算机仿真结果验证了该控制策略的可行性.     

基于神经网络PID控制的有源电力滤波器的研究

针对有源电力滤波器非线性、时变及变参数等特点,设计出一种基于BP算法的神经网络PID控制器。该控制器将神经网络和PID控制策略相结合,兼顾传统PID控制器结构简单、容易实现等优点,以及神经网络自学习、自适应及逼近函数的能力,不断优化PID控制器的控制参数,最终能够获得一组最优的控制参数来满足当前的工况。仿真结果表明:相比于常规PID控制器,神经网络PID控制器的响应速度更快、控制精度更高,同时电网电流的谐波畸变率更小,获得了令人满意的控制效果。     

神经网络PID的液位控制系统的设计

介绍了基于神经网络理论的PID液位控制器的原理及设计,并用组态软件MCGS将普通PID和神经网络PID控制算法进行了实现.试验结果表明神经网络PID 控制器具有较高的精度和较强的适应性,可以获得满意的控制效果.     

免疫RBF神经网络PID控制器在矿井输送机中的应用

针对如今复杂被控对象大滞后、非线性和时变性的特点,研究把人工免疫算法和RBF神经网络相结合对PID控制器进行参数寻优,应用到矿井输送机上。利用人工免疫算法,无需事先确定隐层结点个数,设计了一种动态的RBF神经网络,并且分析基于免疫算法的RBF神经网络的PID控制器的算法结构。通过仿真实验得知:研究设计的免疫RBF神经网络的PID控制器在抗干扰性、跟随性和鲁棒性方面都表现出了良好的控制效果,非常适合用于控制模型不确定的情况。     

神经网络PID在煤泥干燥温度控制中的应用

针对煤泥滚筒干燥机出口温度的控制,提出了应用基于BP神经网络的PID控制器对其进行控制,并研究了它的学习算法,进行了MATLAB仿真,通过仿真结果与传统PID进行了比较。仿真结果表明,神经网络PID控制器在煤泥干燥温度控制中具有很高的应用价值。     

神经网络PID在温度控制中的应用

提出了一种基于BP神经网络的PID控制器方法,充分利用了BP神经网络算法逼近任意连续有界非线性函数的能力,这种PID控制方法能学习和适应严重不确定系统的动态特性。采用3层前向网络,动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的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潜能。实验结果表明,该控制器具有响应速度快、精度高和良好的鲁棒性。     

矿井局部通风机的模糊神经网络PID控制器设计

 针对矿井掘进工作面通风的特点,提出了一种将模糊神经网络、遗传算法和PID控制相结合的局部通风机控制方法。该方法运用遗传算法优化模糊神经网络隶属度函数的中心值和宽度,借助BP算法优化连接权系数。实验表明,该方法能根据瓦斯浓度的变化在线自动调整风机转速,较常规PID控制器有着明显的优点。系统采用以TMS320F2407 DSP为核心的电路来实现PID控制器的设计和通风机的变频调速。     

多层卷绕钢丝绳的张力控制仿真研究

针对多层卷绕钢丝绳张力恒定的控制要求,以及卷绕钢丝绳变层时干扰信号强的特点,采用S函数建立了神经网络PID控制器,通过训练神经网络的权系数间接地调整PID参数来优化控制效果,并对多层卷绕张力控制系统进行数学建模与Matlab/Simulink仿真,通过与常规PID控制仿真结果对比,表明设计的神经网络PID控制器比常规PID控制器对多层卷绕钢丝绳张力控制具有更好的效果。     

基于神经网络的自适应PID控制器在矿井输送机中的应用

矿井输送机运行过程中被控对象具有时变、非线性等特性,传统自整定PID控制器难以满足控制要求。采用基于BP算法的神经网络对PID控制参数进行优化,引入FPGA来实现PID控制器的硬件设计,采用DSP Builder 7.0构建闭环测试系统,并基于ModelSim SE 6.2版本进行调试,完成了功能仿真,且对波形进行了比较及分析,证实了FPGA实现自整定PID控制器在矿井输送机中得到了很好的效果。     

矿山提升设备恒减速控制系统的研究

提出了以神经网络建立系统数学模型，采用混合优化算法对PID 控制器参数进行寻优的控制策略，并在此基础上设计了该恒减速控制系统。