基于模糊神经网络的农业电气PID控制参数优化

摘要： 提出一种基于改进模糊神经网络PID控制的农业电气设备控制参数优化方法。设计了农业电气设备的系统结构模型,对农业电气设备的控制参量进行约束模型构建,得到控制目标函数,设计三层前向变结构PID神经网络,对农业电气PID控制参数进行自适应优化调节,设计了变结构的模糊神经网络PID控制器,实现对农业电气PID优化控制。仿真结果表明,采用该算法进行农业电气设备控制,其输出电压和电流等参数的稳定性和自整定性较好,功率增益较高,收敛性好,控制误差较少,提高了电气系统的稳定性和可靠性。     

基于生物质锅炉的模糊自适应PID控制系统仿真研究

在MATLAB/SIMULINK平台上,通过实验的方法建立了模糊自适应PID系统的仿真模型,给出了模糊自适应PID仿真的具体实现方法,并进行生物质锅炉控制子系统仿真应用研究,通过常规PID控制算法与模糊自适应PID控制算法对干扰信号的反应过程仿真结果对比,表明了模糊PID控制策略使系统具有强抗干扰性、灵活性和适应性强的优点,又具有控制精度高的优势。     

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。     

高压共轨柴油机共轨压力闭环控制算法的研究

轨压闭环控制算法是高压共轨的核心控制算法之一,为了精确控制轨压,对PID和PID模糊自适应两种控制算法进行了对比研究,在Matlab／Simulink仿真软件上进行仿真实验表明,PID模糊自适应控制算法较优,通过自动代码生成,并下载到开发板中,实际控制效果较好。     

神经网络自适应控制在电加热炉中的应用

将Bang-Bang控制与神经网络自适应控制相结合，利用神经元的学习功能构成了PID控制，仿真试验和应用结果表明，这类神经网络自适应控制器可用于电加热炉系统的控制。     

模糊理论结合PID控制方法在集中供热系统中的应用

集中供热系统是一个具有大惯性、纯滞后特点的复杂非线性系统,为了提高系统稳定性,实现合理用热,将模糊自适应控制和常规PID控制两种控制方法结合并使用模糊工具箱进行了系统仿真实验。实际结果表明,同常规的PID控制方法相比,模糊自适应PID控制方法有效提高了集中供热系统的鲁棒性、稳定性和自适应的能力。在集中供热的复杂系统中,能更好的满足用户的热需求     

自适应模糊PID控制在水泵试验台流量调节中的应用

为满足水泵测试对试验台测控系统的高精度及高稳定性要求,研究了其流量控制系统,分析了模糊控制理论和PID控制理论的特点,设计了自适应模糊PID控制器以控制电动阀门的开度,从而进行试验台流量的调节,并应用Matlab中的模糊逻辑工具箱和Simulink工具箱分别对自适应模糊PID控制系统及常规PID控制系统进行了仿真试验.结果表明,自适应模糊PID控制系统弥补了常规PID控制系统不能实现参数在线自整定问题的不足,实现了对PID参数的最佳调整,且具有响应速度快、超调量小及稳定性好等特点.     

铝板材退火炉炉温模糊PID控制的仿真研究

针对铝材卷退火炉温度控制过程中的大时滞性,大惯性的特点,应用Matlab模糊推理工具箱,设计了自适应模糊PID温度控制系统,并在Simulink中与传统的PID控制进行了对比仿真.仿真结果表明:采用自适应模糊PID控制后,系统的响应速度加快,超调量减小,且具有较强的鲁棒性和良好的稳定性.     

基于动态论域的循环流化床锅炉燃烧系统的模糊自适应PID控制

基于循环流化床(CFB)锅炉燃烧系统非线性、强耦合、大滞后等特点,针对床温与主蒸汽压力强耦合控制难点,设计前馈补偿解耦控制器降低二者耦合度,在对解耦后的独立回路采用模糊自适应PID控制的基础上,引入动态论域的思想,利用随工况自适应变化的伸缩因子调整模糊论域范围,对PID参数Kp、Ki、Kd进行更精准的在线整定.以某CFB锅炉燃烧系统为研究对象,进行动态论域模糊自适应PID控制仿真试验.结果 表明:相比传统模糊PID控制,燃烧系统主要参数通过动态论域模糊自适应PID控制的动态超调量减小5％～10％,动态响应速度提高近30％;动态论域模糊自适应PID控制方法自适应性和鲁棒性良好,可满足实际热工现场需求.     

BP神经网络在水轮机调节过程中的应用

由于水轮机调节系统的大惯性、"水锤"效应等特点及其结构复杂等问题,采用传统的常规PID控制已很难满足控制要求,控制品质也难以改善,控制过程中易发生超调量大、震荡频次多、收敛时间过长等问题。对此,在常规PID控制基础上设计了基于BP神经网络自适应PID控制,并在Matlab软件中完成相关程序的编写及仿真试验。仿真结果表明,基于BP神经网络自适应PID控制是一种有效的水轮机调速器参数整定方法,相较于常规PID控制能获得更好的动态性能。     

基于BP神经网络和GA-PID的超超临界锅炉系统解耦控制研究

直流锅炉运行中,给水调节和燃料调节十分重要,但其各变量之间存在强耦合关系。本文针对1 000 MW超超临界机组直流锅炉中燃料和给水协调控制对象参数多变、强耦合的特点,提出了一种改进权值调整的BP神经网络分散解耦智能方法,实现系统解耦,然后采用遗传算法PID(GA-PID)控制方法对解耦后近似独立的两组对象进行控制。仿真结果表明:BP神经网络分散解耦算法具有很强的非线性映射能力和自适应解耦能力,GA-PID具有良好的控制效果,所设计的系统具有较强的鲁棒性,解耦控制方案能够达到理想的效果。     

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.     

神经网络模糊PID控制在加热炉煤气流量控制中的应用

钢厂中加热炉是一个复杂的受控对象,存在着非线性、时变性、纯滞后因素和不确定随机干扰等因素。从对其燃烧状况的分析来看,加热炉温度的调节主要是靠对煤气流量的控制来完成的,因而确立一种合理的煤气流量控制方案是实现加热炉燃烧智能化控制的关键。提出将模糊控制、PID控制和神经网络三种技术相结合,应用于煤气流量进行控制。仿真研究表明这种BP神经网络模糊PID控制在克服对象的大惯性、抗干扰性、非线性和纯滞后上,大大改善控制品质。     

PEMFC的Elman神经网络建模与模糊神经网络控制

从质子交换膜燃料电池（PEMFC）实际应用的角度出发，采用Elman动态神经网络对PEMFC系统进行建模，以实验中采样到的PEMFC系统的工作温度输入输出数据训练网络，并采用动态反向传播学习算法根据误差不断调整网络参数直至达到要求精度。设计了一种适应模糊神经网络控制器，根据经验确定了初始隶属度函数和模糊规则，并采用自适应学习算法不断调整隶属度函数与模糊规则参数，使控制系统获得理想的输出。仿真实验以Elman神经网络模型为参考模型，使用自适应神经网络控制算法取得了较好的控制效果。总之，所设计的控制系统适合于控制PEMFC这样一类复杂非线性系统。     

基于神经网络Fuzzy-PID控制器的温控系统

设计了一种基于模糊推理进行参数自整定的PID控制器,构造了一个3层BP神经网络来学习模糊控制规则完成模糊控制的模糊推理.将该控制器应用于电阻炉的温度控制,并与普通模糊自整定PID控制器进行比较,表明该方法提高了对非线性、时滞系统的控制效果.     

水轮发电机组的直接自适应模糊控制

提出了一种新颖的直接自适应模糊控制方法。基于筒化了的T－S（Takagi-Sugeno）模糊推理规则,采用神经网络权值的联想式学习修正方法,对T－S模糊推理规则进行在线修正,给出了盯应的神经网络实现结构,从而实现了不需要建立受控对象模型的直接自适应模糊控制。对一混流式水轮机组的仿真控制实验结果证明了所提出方法具有设计简单、鲁棒性强的优点,能适应水轮机组在不同工况下的控制要求。     

大型水电机组调节系统无模型自适应PID控制器设计

水电机组调节系统在水电发电系统中承担着能量转换的重要作用。针对水电机组运行工况复杂多变、控制困难的问题,研究无模型自适应控制（MFAC）理论,设计了一种基于紧格式动态线性化方法（CFDL）的无模型自适应PID控制器（MFAC-PID）。在此基础上,以某电站机组为对象建立其调节系统非线性仿真模型,在550、540、526 m三种水头下,进行了机组开机过渡过程仿真试验。结果表明,与PID控制相比,所设计的MFAC-PID控制器可使开机过程中机组转速超调量、转速上升时间和稳态误差值分别减小56.0%、0.6%、60.0%。此外,当机组工作水头发生变化时,MFAC和PID控制效果变差,而MFAC-PID控制器能保证良好的动态响应品质,表现出更好的自适应能力。