基于自适应神经网络模糊PID的磨煤机控制研究

以衡丰发电厂钢球磨煤机辨识结果为研究对象,基于MATLAB/Simulink平台搭建自适应神经网络模糊PID的磨煤机控制系统仿真模型,通过自适应神经网络对模糊规则进行训练和学习,改进磨煤机出口温度控制、入口负压控制以及负荷控制策略.仿真结果表明:自适应神经网络模糊PID控制优化效果明显,在磨煤机50％工况下,相比传统P...     

基于自适应RBF神经网络PID控制微燃机排气温度

为了获得更好的微燃机性能,需要对排气温度进行很好的控制,采用自适应RBF神经网络PID控制器进行控制。建立了微型燃气轮机排气温度控制的数学模型,给出了一般的RBF神经网络,并引入径向基函数神经网络对PID控制的参数进行调整。通过将其应用于排气温度控制来证明所提出的控制策略的有效性。通过仿真模拟,排气控制系统的动态响应可以有效地提高,并且所提出的控制器的抗扰动性优于PID控制器。     

基于BP-PID算法的柴油机调速复合控制策略的应用研究

随着电子控制技术的不断发展,在柴油机电子调速过程当中,其被控系统逐渐趋向于复杂化和非线性化,进而导致了传统PID控制表现出一定的不适应性。我们提出了一种误差反向传播算法(BP神经网络)与传统PID结合的复合控制策略,利用BP神经网络的自适应能力和自学习能力,对PID控制器的三个参数进行在线实时整定。并以D6114柴油机为控制对象,基于dSPACE半实物仿真平台,分别对传统PID与BP-PID控制进行了仿真和配机试验。通过结果的对比性分析,验证了BP-PID复合控制策略在非线性、时变性复杂工况下,能够有效地降低负载变化对转速的影响,其抗干扰性、稳态性能更好,可以用于实际柴油机转速控制系统研究开发。     

基于BP神经网络的解耦方法在直流锅炉控制系统中的应用

分析了直流锅炉运行时各变量之间的耦合关系;针对直流锅炉参数多变、强耦合的特点,提出了一种改进的误差反向传播算法(BP)神经网络分散解耦方法,对直流锅炉汽温-压力控制系统进行解耦,然后采用基于BP神经网络的PID控制方法对解耦后的2个近似独立的单输入单输出系统进行控制.仿真实验结果表明:BP神经网络分散解耦控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的控制效果.     

基于模糊神经网络的生物质气化炉的智能控制

利用神经网络理论与模糊理论融合而成的模糊神经网络,对具有非线性、非最小相位特征、大时滞以及负荷干扰特点的生物质气化炉气化过程进行了研究,设计了生物质气化炉炉温及一次进风量的智能控制系统.控制对象分别为气化炉气温及烟气含氧量,调节对象分别为生物质给料量与一次进风量,所建立的模糊神经网络具有五层拓扑结构,输入为给定值与实测值的误差及误差变化率,输出为PID参数变化量.仿真实验表明:该控制系统与传统的模糊控制系统相比具有更好的控制效果.     

改进PID算法下的电网温度控制过程仿真

针对电网温度控制具有非线性、多扰动特点,对敏感电子元件的工作温度要求较高,导致控制不准确的问题。提出基于改进的PID神经网络变结构控制的电网温度控制算法,构建电网温度控制系统的总体结构模型,对电网温度控制系统进行控制指标设计和流程分析,采用3层前向变结构PID神经网络控制算法对温度控制算法进行改进,设计电网温度控制的硬件模块和软件模块,对电网温度控制系统进行硬件配装和调试。仿真结果表明,采用该方法进行电网温度控制具有较好的温度控制跟踪性能,控制过程的收敛性能较好,减少了温度的波动和振荡,提高了对电网温度控制的精度。     

基于神经网络的PID控制系统在联合站的应用

研究了神经网络技术与PID相结合的方法在油田联合站集输控制系统中的应用。把神经网络与传统的PID控制有机结合寻找出了一个最佳的PID非线性组合控制规律，在一定程度上解决了传统PID调节器不易在线实时整定参数，难于对一些复杂过程和参数慢时变系统进行有效控制的不足，从而提高了控制器对系统与环境的适应能力和控制效果。     

单元机组协调系统的神经网络解耦控制仿真研究

神经网络控制是一种新颖的智能控制方法。应用神经网络技术,对难以精确建模的复杂非线性对象进行神经网络模型辨识作为控制器,提高了响应的快速性和准确性,可满足工业过程所提出的安全性、可靠性与易实现性的要求。大型火力发电单元机组协调控制系统是一个相对复杂的多变量控制系统,控制对象具有大时滞、时变、非线性、强耦合的特点,传统的PID控制算法很难实现对过程参数的良好跟踪和理想的控制效果。针对单元机组协调控制系统的特点将神经网络解耦控制应用于单元机组协调控制系统中,仿真实验表明,神经网络解耦控制具有较强的适应性和较高的控制精度,提高了负荷的响应速率,控制效果优于传统的PID控制算法。     

基于改进型GA优化FNNC的SG水位控制系统仿真研究

蒸汽发生器水位直接影响到整个核电站的安全及稳定运行,但蒸汽发生器本身由于所具有的高度复杂性、非线性性、时变性等特性,导致传统的串级PID控制等方法难以取得好的控制效果.本研究在串级控制的基础上,采用模糊神经网络来对蒸汽发生器水位进行控制,该控制算法能够充分发挥模糊控制及神经网络的优点.另外,为了减小模糊神经网络参数初值的选择对控制器的性能影响,将一种改进型遗传算法用于模糊神经网络控制器的参数优化.仿真结果表明,设计的控制方法无论是抗干扰能力还是在鲁棒性方面与传统的串级PID控制及常规的模糊神经网络控制相比较都有了很大的提高.     

柴油机BP神经网络调速快速控制原型研究

设计了BP神经网络整定PID参数的柴油机调速控制器.把该控制器下载代码到dSPACE/Mi-croAutoBox控制器内,利用快速控制原型的原理进行了起动和负荷突变工况的功能验证,并与传统PID调速控制器快速控制原型结果进行对比,结果表明,BP神经网络具有自学习能力和逼近任意函数的能力,可进行PID参数的在线整定和优化;BP整定PID调速控制器工作正常,调速精度较传统的PID控制器有较大改善;快速控制原型的研究使控制器从功能设计到产品的转化奠定了坚实的基础.     

模糊神经网络在汽包水位中的控制作用

汽包水位是影响电厂安全运行的一个重要参数,具有非线性,时变性的特征。传统的控制方法PID控制方式因其控制参数的固定性,适时调整效果不佳。将基于模糊神经网络构建的模糊控制器与常规控制器通过变参数加权综合后作用于被控对象能使控制系统具有良好的调节品质。     

神经网络自适应PID控制在柴油机齿条位置控制中的应用

提出了基于BP神经网络的PID控制算法在柴油机齿条位置控制系统中的应用，把传统的PID控制和BP(误差反向传播)神经网络控制相结合，采用“先离线学习，后在线控制”的思想实现了齿条位置闭环的自适应控制。初步实验结果表明，该控制算法能满足齿条位移控制的性能指标，且其稳态特性较好，克服静摩擦的效果令人满意。     

模糊PID神经网络算法在污水处理中的应用

溶解氧控制是污水处理厂控制的关键,针对当前溶解氧控制效率低下的问题,提出了一种具有自学习和自适应功能的模糊PID神经网络算法。首先建立PID模糊控制规则表;然后采用神经网络对模糊控制规则表进行不断的训练,得到最佳的模糊控制规则表;最后利用Matlab仿真和工程模拟调试进行验证。结果表明,在大滞后非线性的曝气控制系统中,模糊PID神经网络算法能在最短的时间内使溶解氧达到所期望的值,且整个控制过程具有良好的动态性能和稳态性能。     

变速恒频双馈风力发电系统RBF网络整定PID控制器设计

针对双馈风力发电系统基于近似线性化模型的PID控制系统动态性能较差、抗干扰能力较弱的缺点,该文给出基于非线性逆系统伪线性化模型的具有RBF网络整定的PID控制策略.首先使用非线性控制系统的逆系统理论对双馈风力发电系统的完整数学模型进行解耦,然后利用RBF神经网络在线调整PID控制器参数,处理系统参数不确定性和外部干扰对控制性能的影响.理论分析和仿真研究结果表明:该控制器能保证系统在风速变化情况下最大程度地获取风能,且达到电网恒频恒压的要求,实现安全稳定地并网运行.     

基于混沌理论的预测PID控制器参数优化研究

现实工业过程时常受到外部干扰并且往往具有慢时变特性,导致传统PID控制难以及时跟踪系统变化克服噪音干扰.对混沌优化理论在控制过程中的应用进行了研究:将预测控制和PID控制器结合运用于再热汽温系统的控制当中,并采用神经网络作为系统预测模型,通过混沌优化算法对PID参数实行在线优化.计算机仿真试验验证了该算法的有效性,同传统PID控制相比较,基于混沌理论的PID预测控制能够及时跟踪系统变化克服外界扰动,取得了良好的控制效果,展现出了很强的鲁棒性能.     

神经网络自学习PID控制器的研究

从兼顾人工神经网络控制系统自学习能力和实时性角度出发，通过构建新的人工神经网络自学习PID控制器的结构，控制系统的样本拾取，更新与优化均采用在线学习方式，使控制系统具有较强的自学习能力。在分析了目前广为应用的多层前向神经网络误差反向传播算法(BP)的局限性及原因的基础上，提高了改进的BP算法-自适应动量项BP算法。从而提高了神经网络的收敛速度和收敛精度，并通过实例验证了自学习PID控制器的可行性及改进算法的合理性。图6参4     

基于RBF神经网络自适应PID的预焙阳极焙烧炉温度控制

针对工况变化频繁的焙烧炉焙烧过程,提出了一种基于径向基函数(RBF)神经网络自适应PID的控制策略,该方法是通过神经网络的自学习能力在线调整PID控制器的参数,因而,其兼顾神经网络和传统PID控制的特点,能根据被控对象当前特征迅速地做出相应决策、克服实际控制过程稳态性和准确性之间的矛盾。将其应用于预焙阳极焙烧炉温度过程控制中,实验结果表明:它具有很强的自适应能力和鲁棒性,达到了满意的控制效果。     

TORQUE CONTROL STRATEGY RESEARCH OF LARGE-SCALE VSPR WIND TURBINE

针对兆瓦级变速变距风电机组的转矩控制提出一种基于转矩阻尼控制器和RBF神经网络PID整定的智能参数优化方法.该方法采用模态线性化过程进行被控对象模型提取,经Campell模态分析后,对多人多出线性空间被控对象进行PID转矩控制器的设计及参数优化,最后对3MW海上风电机组进行控制系统的设计验证.结果显示:传动链阻尼器的设计使得传动系统扭矩波动明显减小;采用RBF神经网络整定的PID控制参数,使系统的快速性好、自适应能力强,具有良好的控制品质.     

基于改进单神经元的凝给水系统控制

针对某船用蒸汽动力装置主机大负荷变化时,因冷凝器水位和除氧器水位调节回路被控参数动态偏差过大影响动力装置的安全稳定运行的问题,基于传统PID控制器控制冷凝器、除氧器水位,引入单神经元控制算法,通过改进将单神经元学习所需要的状态量全部换成差值形式,在MATLAB平台上完成仿真实验。仿真实验结果表明：改进后的单神经元控制算法抗干扰能力强,响应速度快,水位被控参数超调量相比传统PID控制减小约0.1 m,调节时间缩短约200 s。     

密切值法在PID控制系统综合性能评价中的应用

针对PID控制系统性能评价和参数整定问题,提出了一种基于密切值法的综合性能评价算法和PID参数整定方法。该方法将确定性性能指标,即上升时间、超调量和调整时间等多个互相影响的时域指标,通过密切值综合评价算法整合为单一密切值指标,根据密切值确定综合性能最佳的PID控制系统,密切值越小,系统综合性能越好。此外,将密切值法和遗传算法相结合,采用以密切值作为适应度函数的遗传算法,可以获得使系统具有良好综合性能的PID参数。针对过热汽温控制对象,利用5种常用PID参数整定算法得到PI参数,采用上述方法对这5个PI控制系统进行综合性能评价,从中拣选出响应速度较快、超调量较小及动态过程平稳的综合性能最佳的PI参数;将该方法用于脱硝PID控制系统参数整定,获得了可以使上升时间、超调量和调整时间等动态性能总体最优的PID参数。仿真计算结果验证了该方法的可行性、有效性和便捷性,因而可将其应用于PID控制系统综合性能评价和参数整定场合。