BP神经网络PID控制器在球磨机控制中的应用

基于神经网络控制理论,针对球磨机的运行特点,提出了一种新型的基于BP神经网络PID解耦的球磨机控制系统。此控制系统既实现了系统解耦而且通过在线整定PID参数兼具了PID控制的优点。大量的仿真表明,与常规控制系统相比,此系统具有更好的动态及稳态性能。     

单元机组负荷控制的DRNN解耦方法仿真研究

针对火电厂单元机组这样大型复杂且具有强非线性多变量耦合的动力系统,采用对角递归神经网络（DRNN）算法设计解耦控制器,进行负荷控制系统的设计与仿真,通过比较仿真结果,显示出对角递归神经网络（DRNN）控制器能很好的消除系统输出的稳态误差,改善对象的动态特性,消除耦合变量之间的耦合作用,大大改善系统的调节品质。     

负载模拟器的DRNN神经网络控制

为了增强负载模拟器的自适应能力以抵抗系统的非线性、时变参数及运动扰动的影响,特提出利用对角回归神经网络(DRNN)与PID的并联进行控制与调节的控制方法。PID保证了系统的初始稳定性,由于神经网络引入了速度信号作为参考输入,使系统具有了很好的自适应消扰能力,减小了多余力的影响。仿真和试验证明了该方法的可行性和有效性,收到了很好的控制效果。     

基于RBF神经网络的球磨机负荷软测量

分析了球磨机负荷测量的现状,提出了基于并行RBF神经网络测量制粉系统球磨机磨筒内负荷的软测量方法,给出了相应的系统结构和算法.现场实测数据计算实例显示了该方法良好的测量性能.     

神经网络在解耦控制中的应用研究

针对多输入多输出耦合对象，研究基于BP神经网络的解耦控制，提出采用神经网络解耦和PID控制相结合，对系统进行解耦控制的方法，通过对两输入两输出耦合对象进行计算机仿真结果表明，解耦控制效果很好。     

基于BP神经网络的多变量PID解耦控制

基于神经网络实现智能PID控制的策略,它以经典的PID控制为基础,通过神经网络参数整定实现,进而进行自学,用于多变量系统的解耦控制。本文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真。通过计算机仿真证明了基于神经网络的PID控制器网络结构简单规范具有良好的自学习和自适应解耦控制能力。系统易于实现,融解耦器与控制器于一体,适用于非线性多变量系统的解耦控制。能够使解耦后的系统具有良好的动态和静态性能,特别是依据BP控制规律来确定网络连接权的初值,还具有参数快速收敛的优点。     

火电厂球磨机智能控制系统

以球磨机本体运行调节需求和运行操作经验为基础,设计以仿人控制为主体,多种控制方式相结合的智能控制系统。该系统从结构上实现了静态解耦和风煤协调,合理组合了仿人控制、比值控制和非线性PID控制算法优势。工程应用表明,该控制系统能解决球磨机运行优化和控制优化的双重问题,控制系统鲁棒性强,具有工况自适应能力。     

电厂球磨机的模糊神经网络控制

广泛应用于火电厂的钢球磨煤机制粉系统是一典型的多变量非线性时变系统．各控制量之间存在着严重的耦合．这些因素使得基于常规PID方法设计的控制方案达不到控制作用。本文设计了一个模糊神经控制器并进行了仿真研究。并且用改进的粒子群优化算法对控制器的初值进行离线优化训练、最后的仿真结果表明优化后的模糊神经网络控制器对本文控制对象具有良好的控制性能，该控制方法可用于磨煤机制粉系统这类复杂过程的控制。     

多变量耦合系统PID神经网络控制方法研究

多变量系统内部的耦合性以及对象参数的复杂性,给控制系统的设计带来了一系列的问题。传统控制方法无法对其进行精确解耦,导致系统控制精度较低。本文构建一种基于遗传算法优化的PID神经网络解耦控制器。该方法利用PID优良的动态控制特性和神经元网络非线性表达能力对多变量耦合系统进行解耦,在神经网络权值修正算法中增加动量项,提高网络学习效率,并采用遗传算法优化初始权值,克服了PID神经网络权值学习过程中易陷入局部最优值的缺点,提高了控制精度。仿真结果表明:优化后的PID神经网络具有较高的稳态精度和较快的响应速度,能够实现解耦控制。     

基于灰色预测的无模型控制在球磨机负荷控制中的仿真研究

火电厂钢球磨煤机的负荷对象具有大滞后、慢时变、强非线性等复杂特性,采用常规控制方法难以获得满意的控制效果,本文提出了基于灰色预测的无模型自适应负荷控制方法.该方法融合了无模型控制的自适应、抗干扰特性与灰色预测模型的预测时延、抑制超调和快速稳定特性,它将灰色模型的预测结果代替负荷对象输出测量值,再进行无模型自适应闭环控制.仿真结果表明这种控制方法系统响应快、超调小、鲁棒性好、抗干扰能力强,可以有效解决大滞后、非线性及适应性等问题.     

中储式磨煤机制粉系统的自抗扰控制

中储式磨煤机制粉系统是典型的三入三出系统。其具有强耦合。非线性。大惯性的特点。常规的PID很难满足其控制要求。自抗扰控制器是利用非线性控制理论而设计的新型控制器,能实现对被控对象的良好控制。本文利用了自抗扰控制器,设计了基于自抗扰技术的磨媒机制粉系统。仿真结果表明。自抗扰控制器有很强的抗干扰能力和鲁棒性,有很好的使用价值和应用前景。     

Modeling and control of ball mill system considering coal moisture

This study analyzes the dynamic characteristics of duplex inlet and outlet ball mill direct firing pulverizing system. A mass and energy balance-based model is built by thermodynamic analysis. As a critical parameter in pulverized coal humidity control, coal moisture is considered in the mechanism model, and an extended Kalman filter is designed to estimate the coal moisture. A multivariable control system is designed using extended state space predictive controller. The dynamic characteristic of the mill can be effectively forecasted using the established model. The system can rapidly track unit load changes while reducing the disturbance caused by coal moisture and other outlets.     

多变量PID神经元网络控制系统在集气管压力系统中的应用

针对某焦化厂焦炉集气管压力系统具有强干扰、强耦合、非线性的特点,采用一种多变量PID神经元网络控制算法,更好地实现了解耦控制。这种多变量PID神经元网络与常规的PID控制算法比较不仅具有较好的动态性能和稳态性能,而且还具有很强的自学习功能和自适应解耦能力,适用于对非线性多变量系统的解耦控制。     

一种用于pH值控制的非线性系统的实现

分析了pH值曲线的非线性特点,对PID控制和前馈控制中的非线性控制因素分别采用非线性增益和模糊控制的方法来实现,并在实际运用中取得了较好的效果。     

模糊PID在选矿球磨浓度控制中的应用

针对选矿球磨过程多变性、非线性和大时滞等特点，采用模糊PID控制方案，在线整定PID参数Kp、KI和KD，改善了系统的动、静态特性，较好地控制了球磨浓度。该控制系统已成功应用于上海宝钢集团梅山选矿厂磨矿自动化改造中，效益显。     

基于RBFNN的非线性多变量大时滞系统的PID控制

针对非线性多变量大时滞系统，研究了一种基于神经网络的智能控制策略。该文给出了网络的结构和算法，对一组二变量强耦合时变系统进行了仿真。仿真结果表明，控制器能根据系统的运行状态获得对应于某种最优控制律下的PID参数，解耦后的系统具有较好的动态和静态性能。该方法具有控制精度高、响应速度快的优点，并具有较强的自适应性和鲁棒性。     

模糊控制智能开发系统

本文介绍了模糊控制智能化开发系统,包括：模糊控制原理,基于计算智能（人工神经网,遗传算法）的模糊规则自动生成的方法,系统的功能和界面等。     

基于神经网络的大容积环境温度模拟系统的辨识与控制

构建了DFOPDT复合模型及其基于神经网络的阶跃响应辨识方法,该方法用阶跃响应数据和模型参数的预测目标值对网络进行训练,使网络收敛于较优解;提出了Bang-Bang、神经网络和自适应PID三段组合式控制策略.试验证明辨识算法精确度高,控制策略效果好.