基于ACO的连铸结晶器液位控制系统设计

常规PID不适用于具有非线性、时变特性和耦合性强等特征的连铸机结晶器液位控制系统,为此设计一种蚁群优化BP神经网络的智能PID控制器.采用系统辩识方法确定结晶器液位控制系统的数学模型;设计了控制器的系统结构,采用蚁群算法(ACO)训练BP网络的权值,以获得全局最优PID控制参数,在Matlab中进行仿真.实践结果表明,该算法收敛速度快、无超调、稳定性好.     

基于ACO的连铸结晶器液位控制系统设计

常规PID不适用于具有非线性、时变特性和耦合性强等特征的连铸机结晶器液位控制系统,为此设计一种蚁群优化BP神经网络的智能PID控制器.采用系统辩识方法确定结晶器液位控制系统的数学模型;设计了控制器的系统结构,采用蚁群算法(ACO)训练BP网络的权值,以获得全局最优PID控制参数,在Matlab中进行仿真.实践结果表明,该算法收敛速度快、无超调、稳定性好.     

基于MATLAB的热力除氧器模糊PID控制仿真研究

针对热力除氧器系统大滞后、大惯性、非线性以及难以建立精确的动态数学模型等特点,本文采用模糊控制算法与传统的PID控制算法相结合,设计了热力除氧器温度控制系统。为了检测所设计的温度控制系统的性能,采用仿真软件MATLAB的模糊工具箱结合Simulink动态仿真分别对模糊PID控制算法和PID控制算法进行了仿真试验。试验结果表明,模糊PID控制系统能较好地满足除氧工艺要求,提高了热力除氧器温度控制系统的精度和工作效率。     

无刷电机粒子群PID算法的优化研究

针对无刷电机这样一个复杂的、耦合的非线性对象,传统的一些控制算法存在许多缺点,例如速度精度控制不够、响应速度慢等,其主要原因是对PID控制器的系数整定没有一个更合理的方法.在充分考虑了无刷电机的这种机械特性的基础上,提出了一种改进的粒子群算法,对PID系数进行了整定,并采用了线性方法调准速度权值,采用反余弦函数构造加速因子的调整策略.Matlab/Simulink仿真结果证明,此算法具有较好的快速性、稳定性和鲁棒性.     

无刷直流电机模糊自适应PID控制的研究

为了提高无刷直流电机控制系统的动、静态性能,将模糊控制结合PID控制算法应用到无刷直流电机速度控制系统中。在分析了无刷直流电机速度控制系统的基础上,利用PSIM与MATLAB/Simulink共同建立了无刷直流电动机模糊自适应PID控制的仿真模型,充分发挥了PSIM和MATLAB/Simulink各自在仿真方面的优势,简化了建立仿真模型的过程。仿真结果表明,采用模糊PID集成控制算法能够使无刷直流电机速度控制系统具有更快的响应速度和更强的抗干扰能力,对无刷直流电机控制系统的设计具有一定的指导意义。     

主动防翻装置控制系统设计

针对主动防翻装置液压回路和控制参量特点,设计了基于模糊PID算法的液压控制系统。并应用Simulink对常规PID算法和模糊PID算法进行仿真,通过对比发现采用模糊PID算法时,控制系统的调节时间缩短了0.025 s、最大超调量减小了17.9%,表明模糊PID控制算法在此系统中具有更好的适应性,满足主动防翻装置的整体性能要求,为进一步控制系统的硬件设计提供了依据。     

无刷直流电机PID调节参数整定研究

无刷直流电机因其具有结构简单,运行可靠,维护方便等诸多优点,又继承了传统直流电机的运行效率高、调速性能好的优点,故在生产和生活的各个领域内有着广泛的应用。目前大多数无刷直流电机速度控制系统都采用速度电流双闭环控制,常采用的控制算法是PID控制,此控制方式算法简单,且其控制效果稳定性高、鲁棒性好。在概括了无刷直流电机的控制策略后,介绍了PID控制算法的原理,最后对无刷直流电机PID控制器参数的整定做了详细阐述。     

变摩擦负载下双电机同步控制系统设计与实验

针对双电机同步控制系统实际运行中存在摩擦负载作用的问题,建立了双电机同步控制系统的数学模型和Stribeck摩擦模型。在分析同步控制的各种控制方式和控制算法优缺点的基础上,利用模糊PID控制的优点,提出在偏差耦合控制方式下采用模糊PID控制算法对偏差进行调节的双电机同步控制方案,并与采用常规PID算法的控制方案进行比较。仿真和实验结果表明,采用模糊PID控制算法的偏差耦合同步控制系统具有较好的抗干扰性和同步控制精度,优于常规PID控制系统的性能。     

无刷直流电机模糊PID控制及建模仿真

基于对无刷直流电机(BLDCM)工作原理及数学模型进行的简要分析,在MATLAB软件的Simulink模块中,通过S-Function函数和Simulink独立集成模块,搭建出无刷直流电机控制系统仿真模型,对无刷直流电机控制系统进行速度环、电流环双闭环控制,使电机在仿真环境中能够正常运行.仿真控制系统采用模糊控制算法优化PID控制参数,仿真结果与理论分析基本吻合,验证了无刷直流电机模糊PID控制算法具有响应快、超调小等良好的控制性能.     

基于DSP的智能无刷直流电机控制策略研究

采用DSP芯片为核心设计了无刷直流电机控制系统,对DSP外围电路、保护电路以及检测电路进行了详细的设计.由于DSP具有丰富的外设和极强的运算处理能力,简化了系统的硬件电路.使用遗传模糊PID控制算法对电机进行调速,经过仿真验证了其有效性.     

神经网络在仿昆微型飞行机器人控制中的应用

分析了拍翅式仿昆微型飞行机器人控制系统的特点,探讨了人工神经网络在飞行机器人控制系统中的应用,提出了一种具有神经辨识器NNI和神经PID控制器NNC的飞行机器人控制系统。     

基于双DSP在交流位置伺服系统的小波神经网络控制

采用双DSP设计完成了交流位置伺服系统的神经网络实时控制系统,其中一片DSP作为系统的小波神经网络控制器（NNC）,另一片DSP作为系统的BP神经网络在线辨识器（NNI）。由NNI对被控对象进行在线辨识的基础上,通过对NNC的权系进行实时调整,使系统具有自适应性。通过对交流位置伺服系统的控制实验,验证了本系统的实用性。     

Machining force control with intelligent compensation

Force control is an effective means of improving the quality and efficiency of machining operations, so various approaches for force control have been proposed. However, due to the nonlinear, time-varying and uncertain characteristics of machining processes, it is difficult to develop force control systems that are stable and robust over the full range of operating conditions. This study proposed two control schemes to address such difficulties in the field of nonlinear force control by using a linear feedback proportional-derivate (PD) controller respectively with two different nonlinear intelligent compensators: fuzzy logic compensator (FLC) and neural network compensator (NNC). The PD controller is used to improve the transient response while maintaining the stability of the process system, and the FLC or NNC is employed to eliminate the steady-state error and compensate for the system nonlinearity (or uncertainty). The applications of the proposed schemes in machining processes show that the controllers adapt well to nonlinearity under time-varying cutting conditions in comparison to PID, PD, and FLC. The online updating of the NNC parameters through the Feedback-Error Learning can further improve the system performance.     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

BP+RNN变速积分PID算法的汽车底盘测功机控制系统

高精度的PID控制算法对汽车底盘测功机运行过程中的实时控制具有重要的作用,为此提出了一种面向汽车底盘测功机的BP+RNN变速积分PID算法控制系统:引入RNN加入时序性因素整定积分项参数,利用BP神经网络整定比例项与微分项参数,使用变速积分PID算法作为其控制方法.实验结果表明该PID控制系统不但能够快速整定PID参数...     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

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。     

基于BP神经网络的中央空调温湿度自适应控制系统

针对空调系统大惯性、大滞后的特点和常规PID控制所存在的不足,介绍了利用BP神经网络误差反传机制,探讨建立在BP神经网络基础上对温湿度的自适应控制。利用2个BP神经网络NNC和NNI,分别做控制器和辨识器,通过相互间误差的传递,对变风量空调系统中送风温湿度的控制问题,具有更快、更稳定的控制效果。在实际运用中,结合Lonworks总线技术给出系统的硬件和软件设计,使得系统智能节点可自由通信,便于安装调试且能对温湿度进行实时监控。该设计使中央空调控制系统的整体性能大为改善。     

基于神经网络PID的蒸汽涡轮实验系统转速控制

采用组态软件WebAccess构建了蒸汽涡轮网络监控实验平台,利用神经网络PID算法实现了对蒸汽涡轮转速的有效控制,提供了面向蒸汽涡轮系统的神经网络PID参数整定方法,通过实验验证了控制算法的可靠性,为进一步研究汽轮机的关键控制技术提供了实验基础。     

基于PID神经网络的智能车舵机控制系统研究

针对传统PID控制算法在电磁导航智能车舵机偏差处理中存在比例、积分、微分参数一经确定,不能在线调整,不具有自适应能力的缺点,提出了将PID神经元网络（ PIDNN）控制器及其算法应用到智能车的舵机控制系统中来对传统PID控制进行改进。 PIDNN控制系统不依赖智能车舵机的数学模型,能够根据控制效果在线训练和学习,调整网络连接权重值,最终使系统的目标函数达到最小来实现智能车的舵机控制。仿真测试表明,PIDNN控制系统的响应快,无超调,无静差,与传统PID控制算法相比,大大提高了智能车舵机控制系统的性能。