基于改进BP神经网络的PID控制方法研究

针对最速下降法收敛速度慢和易陷入局部极小的缺点,提出一种新型的基于改进BP神经网络的PID控制方法,该方法将神经网络和PID控制策略相结合,既具有神经网络自学习、自适应及逼近任意函数的能力。又具有常规PID控制器结构简单的特点。该控制器的算法采用Fletcher—Reeves共轭梯度法,它可以避免网络陷入局部极小点,同时加快网络的训练速度。并用这种改进的共轭梯度法对神经网络PID控制器参数实现在线修正。最后给出了在Matlab平台上的实现算法。仿真结果表明该控制方法是有效的。     

基于ADRC的水面船舶动力定位控制技术及仿真研究

针对受扰环境下水面船舶的动力定位问题,提出了基于自抗扰控制方法的水面船舶动力定位控制方法;针对水面船舶存在的不确定性和扰动复杂等情况,建立了强风、浪等扰动条件下,实现船舶动力定位的自抗扰控制算法;同时针对船舶的艏向角进行了仿真、比较与分析。仿真结果表明,这种方法对对船舶的动力定位实施的可行性及有效性。     

直流电机调速系统仿真研究

研究无刷直流电机神经网络的PID控制.针对传统的双闭环PID控制器对控制参数难以适应,抗干扰能力差,对无刷直流电机进行控制时速度较慢、稳定性较差的缺点,为解决上述问题,提出了一种改进的BP网络PID控制的直流电机调速系统.首先确定改进的BP网络的结构,计算BP网络各层输入和输出,再选择增量式数字PID控制算法,计算控制器的输出,对PID控制参数进行自适应修改从而对直流电机进行调速.仿真结果表明,在提高调速系统的稳定性、响应速度、参数适应性和鲁棒性,同时根据对象输出的变化实时调整参数,改善了系统控制存在的稳态精度不高的问题.     

基于BP网络模型的非线性预测控制策略研究

提出了一种基于神经网络模型的非线性多步预测控制策略。预测器和控制器由一个BP网络构成。在整个过程中,首先利用一个BP网络构造一个非线性多步预测模型,根据被控对象输出与网络实际输出之间的误差采用改进的BP算法修改网络权值,以逐步建立合理的多步预测模型。然后,根据网络的多步预测输出序列与设定值序列的偏差构造性能指标函数,根据性能指标函数采用自适应变步长梯度法修改控制律。仿真结果表明了该策略的有效性。     

BP网络改进算法及其在故障诊断中的应用

针对基本BP算法在接近最优点时收敛速度变慢的缺点,提出一种BP网络的快速训练算法。将网络训练过程分为两个阶段,首先采用BP算法使其接近最优点,再改用共轭梯度法以加快收敛速度。仿真结果表明该算法是一种快速的方法。并将其应用于故障诊断中,结果表明了该方法的可行性。     

BP神经网络在导弹控制系统参数整定中的应用研究

PID控制是目前广泛应用的导弹姿态控制方法,对其相应的Kp、K,、KD三个控制参数的整定多采用经验方法完成,而常规PID控制器难以实现在线实时自适应参数整定;而将神经网络技术与常规PID控制相结合,则可以在一定程度上解决常规PID控制器不易进行实时自适应参数调整等方面的缺陷,充分发挥PID控制的优点;论文以某型导弹的纵向通道姿态控制系统为例,采用BP神经网络实现了控制系统参数的自适应整定.     

BP模型中的激励函数和改进的网络训练法

本文研究了ＢＰ算法激励函数ｆ对收敛速度的影响，得出了陡峭函数收敛快的结论。其次，给出一个逐步增加训练数据以避免局部极小的方法。     

动力定位预测控制器船舶模型试验研究

使得船舶按照特定轨迹运动或者到达指定位置,并减少或者消除到达设定位置时的超调量是动力定位控制器研究中的关键问题。针对上述问题,运用预测控制的基本理论,结合自适应方法中的最小二乘辨识,设计了动力定位系统自校正预测控制策略。在MATLAB仿真中,该预测控制器有效解决了模型失配和系统超调的问题。为了进一步验证该预测控制器的实际控制效果,利用船舶模型对算法进行了动力定位定点模式下的水池模型物理试验。在直接使用仿真参数的情况下,船模试验的控制效果并不理想;参数修改后,动力定位效果有了极大改善。试验结果表明,在实际控制中,为保证控制效果,艏向角度的控制应占最高权重;不能忽视船舶运动时的耦合现象。     

紧凑型船舶动力定位控制半物理仿真系统研究

根据紧凑型船舶动力定位控制研究及设计的需求,设计了对应的半物理仿真系统。该系统建立船舶运动及海洋环境计算机模型模拟器、全尺寸控制器和全尺寸操作终端,并通过基于DirectX的三维动画模拟器进行船舶三维运动效果展示。全尺寸控制器与船舶上实际使用的控制器在网络接口、信号输入/输出接口上完全一致,以便提前进行船舶动力定位控制系统半物理仿真及验证,降低了调试成本和风险,提高在水池及海洋进行实物调试的效率。该仿真验证平台考虑了船舶动力定位控制系统实际运行环境,引入了外载荷模型,提高了仿真验证的可信度。文中给出了仿真实例,验证了系统的有效性。     

一种快速BP网络训练算法及应用

针对基本BP算法在接近最优点时收敛速度变慢的缺点,提出一种快速BP网络训练算法。该算法将网络训练过程分为两个阶段,首先采用变学习率BP算法使其接近最优点,再改用PRP共轭梯度法以加快收敛速度,其中学习率通过不精确一维搜索方法寻找得到。并采用Widrow—Nguyen初始化规则选取初始权值。通过两个仿真试验表明该算法是一种高效、快速的BP网络训练方法。同时,该算法具有简单、易于实现的优点,具有较为广阔的应用前景。     

基于DSP的自适应神经元网络控制系统的研究

某大型设备的液压系统在工作中需要一定的油压对其进行支撑,所以要保证油压根据要求维持在某一稳定值。针对于此,研究并设计了一个基于DSP的自适应神经元网络控制系统,通过该控制算法可以调整油泵电机的频率使得油压达到要求的稳定值。由于该液压控制系统在实际运行中油压值会出现波动,因此调节的快速性和稳定性是本控制系统的关键。该控制算法经由现场采样和实验的仿真测试,证实了其有效性。     

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。     

BP神经网络的研究进展

通过对传统BP神经网络缺点的分析,从参数选取、BP算法、激活函数、网络结构4个方面综述了其改进方法,介绍了各种方法的原理、应用背景及其在BP神经网络中的应用,同时分析了各种方法的优缺点。指出不断提高网络的训练速度、收敛性和泛化能力仍是今后的研究方向,并展望了BP神经网络的研究重点。     

BP神经网络模型预测控制算法的仿真研究

为克服被控对象参数变化导致控制精度降低的问题,研究了一种BP神经网络模型预测控制算法。借助最小二乘递推算法在线预测系统模型参数,利用BP神经网络在线预测PID参数以控制被控对象。该算法基于模型预测,首先在线性系统中验证其控制效果,然后将非线性问题作线性处理,采用BP神经网络模型预测PID控制器予以实现控制非线性系统。仿真曲线显示BP神经网络PID控制器用于线性系统可达到高精度控制要求;对于非线性系统有自适应及逼近任意函数的能力。仿真研究表明,该算法与传统BP神经网络PID控制器相比,其自适应能力更强,稳定性更好,控制精度更高。     

基于BP神经网络的用户感知体系优化仿真

研究提高网络质量评估准确度问题。用户感知是网络质量评估的标尺,而现有无线网络优化中影响用户感知的有众多因素,和网络性能指标之间没有明显的映射关系,采用传统的数学方法很难对复杂的非线性问题定量分析,难以从网络性能指标中实现用户感知评估导致网络质量评估不准。为解决上述问题,提出一种基于BP神经网络的用户感知体系。采用具有非线性映射功能的神经网络,建立用户感知体系模型,实现用户感知的评估。通过比较验证,对用户感知度的评估达到了合理误差,并能够提升网络优化主动智能性,对网络质量评估更准确,对网络优化工作提供了设计依据。     

基于一种改进的BP神经网络光伏电池建模

由于光伏电池具有高度非线性特性,难以建模,而传统的数学模型难以满足光伏控制系统设计和应用的要求。该文利用神经网络具有逼近任意复杂非线性函数的能力,将神经网络技术应用到光伏阵的建模中,避开了该模块内部的复杂性。模型以太阳能日照、温度以及负载电压作为神经网络辨识模型的输入量,光伏阵输出电流为输出量,采用改进型BP算法,建立了光伏电池的动态响应模型,然后预测了最大功率点。文中给出模型的结构,训练步骤和仿真结果。仿真结果表明,方法可行,建立的模型精度较高,从而为设计光伏实时控制系统奠定了基础。     

基于神经网络PID控制的自动化测试系统的开发与设计

针对汽车交流发电机性能自动化测试系统中测试对象特性的多样性及测试环境的多变性,在进行测试条件参数调节的过程中,采用改进型BP神经网络PID控制器,实现PID参数的在线自整定,改善自动化测试系统的动态品质,从而有效提高发电机生产线的生产效率.     

柔性神经网络训练算法的研究

针对经典BP网络训练速度慢、易陷入局部最小值而无法收敛的弱点,提出用具有高度柔性的柔性神经网络代替经典网络,并以矩阵作为基本运算单位导出了柔性神经网络训练的最速下降法和LM(Levenberg Marquard)算法。矩阵作为基本运算单位的优点是可以用高效矩阵库LAPACK来编写程序,提高了数值计算的精度和速度。仿真结果表明了算法的有效性。     

遗传算法在BP网络PID控制中的应用仿真

为了有效地克服BP网络存在的局限性,即控制效果严重依赖于权值矩阵初始值,对空调系统模型进行了多次仿真,结果权值矩阵初始值的优化点分布与取值区间具有相关性,即在特定优化区间内,满意的权值矩阵初始值数量较多。引用遗传算法全局搜索能力和过程流程图,并引入到BP网络PID控制之中,既利用了遗传算法的全局搜索能力进行权值矩阵区间优化,同时利用BP网络的局部搜索能力与实时处理能力,有效地解决了常规BP网络控制的局限性。仿真结果表明,混合算法优于常规BP网络整定PID控制方法,并可推广到其它BP网络应用领域。     

基于BP神经网络PID的漂白温度控制算法的研究

本文讨论了使用BP神经网络PID控制算法,并且将这种控制算法应用在漂白工段的控制当中。利用神经网络自学习能力,在线整定PID控制参数。实践证明BP神经网络PID控制器具有实现简单,适应性强,具有较高的控制精度等特点。