基于BP神经网络PID的纸浆浓度自适应控制

目的为了克服纸浆浓度控制系统的滞后性、非线性和时变性,以提高纸浆浓度控制性能。方法针对纸浆浓度控制问题提出一种BP神经网络PID控制技术,构建3-4-3的BP神经网络结构,并在该基础上建立BP神经网络PID控制的数学模型,利用BP神经网络实现PID参数的自适应调整。结果仿真结果表明,BP神经网络PID控制相较于传统PID控制收敛速度更快、超调量更小、抗干扰能力更强、鲁棒性更好。结论该控制方法实现了纸浆浓度的自适应控制,为纸浆浓度的最优控制提供了一种有效可行的控制方法。     

精密的卷材加工离不开纠偏控制系统

精密的卷材加工离不开纠偏控制系统ＧｕｉｄｉｎｇＳｙｓｔｅｍｓＭｅａｎＡｃｃｕｒａｔＷｅｂＨａｎｄｌｉｎｇ卷材导向纠偏系统自１９５０年诞生以来，已越来越广泛的被应用在有关卷取操作的工业中，但控制性能的大幅提高还是在刚刚过去的十多年间。位于美国威斯康星州...     

基于模糊PID的包装机热封切刀温度控制

目的为了提高包装机热合装置压合袋口的封口质量,采用模糊自适应PID控制方法对热合机热合装置的温度进行精确控制。方法针对食品包装塑料薄膜热封的温度控制,基于模糊自适应PID控制算法设计一种自动包装机热封温度控制系统。采用变论域模糊PID实现控制参数自整定和控制规则的自调整,并将其与传统PID控制进行对比。结果模糊PID控制方法较传统PID控制方法能更稳定地控制加热温度,有效提高了温度控制的响应速度和控制精度。结论该系统在热合装置中能够精确、快速地控制温度,具有应用价值。     

瓦楞纸板生产线原纸张力自适应模糊PID控制

目的为了解决张力控制不稳定对瓦楞纸板质量和生产效率产生影响的问题。方法对放卷辊进行动力学分析,建立瓦楞纸板的原纸张力数学模型,并分析张力稳定的主要因素。针对传统PID控制不能实现原纸张力控制过程中参数的自适应调整,提出一种变论域自适应模糊PID控制策略,采用变论域模糊控制实现控制参数自整定和控制规则的自调整,并将其应用于原纸张力控制系统中。结果仿真结果表明,该张力控制策略的响应时间约为0.65 s,最大超调量为3%。结论所设计的控制方法与传统的PID控制相比,具有响应速度快、抗干扰能力强、控制输出稳定等优点,能够实现原纸张力的稳定控制。     

模糊自整定PID温度控制系统的研究

温度控制系统应用广泛且具有一定的实际意义。结合预测与模糊PID控制,提出了一种基于模糊的自整定PID温度控制系统。实验表明该系统精度高,稳定性好,适用范围宽,对具有非线性、时变,滞后性系统具有较好的控制效果。     

基于BP神经网络的PID控制算法参数优化

随着控制理论快速发展,比例积分微分（Proportional Integral Derivative,PID）控制算法广泛应用于工业生产中,依托成熟的控制策略,研究人员将PID控制算法与其他学科进行有机融合,衍生了全新的控制理论,神经网络就是其中最典型的一种控制理论。得益于神经网络的强大学习能力和对非线性函数的逼近能力,神经网络可以应用于PID控制算法中。研究发现,将BP神经网络应用于PID算法存在收敛速度慢以及网络波动振荡等问题,为了进一步完善该控制理论,该文通过改进BP神经网络的学习速率和添加动量修正因子的方法来对其进行优化。     

基于PID增益模糊调整的核子秤恒流控制系统

在核子皮带秤传统PID控制器的基础上,通过大量的实际生产数据和获取的控制经验,利用模糊推理的方法制定模糊控制规则表,确定模糊增益调整参数,实现对PID增益的在线自动整定,大大提高了核子皮带秤物料恒流控制的稳定性、可靠性和准确性,取得了较好的控制效果.     

基于神经网络-模糊PID的轧机非线性扭振智能控制

针对轧机传动系统扭振控制问题,建立含间隙非线性的轧机系统动力学模型。考虑到轧机扭振模型的非线性和参数不易测量的特点,提出神经网络和模糊PID相结合的控制器设计方法,以模糊PID为主体,通过引入神经网络改变模糊隶属度函数的中心值和宽度,最终得到最佳PID参数。设计神经网络-模糊PID智能控制器,并利用实际轧机参数与经典双闭环控制系统进行对比仿真。仿真结果表明所设计的智能控制系统对轧机传动系统扭振的抑制作用明显优于经典双闭环控制系统。     

基于模糊PID控制方法的列车速度控制

针对列车运行系统的非线性特性,本文提出一种利用模糊算法在线调整PID参数的控制方法,并应用ATO自动驾驶中的列车运行速度控制。通过Maflab仿真,结果表明本方法能够控制列车实现对目标速度的跟踪运行。     

基于图像处理的柔性材料自适应纠偏系统设计

目的为了解决印刷包装过程中柔性材料容易跑偏的问题,基于图像处理结合模糊PID控制提出一种自适应纠偏控制系统。方法介绍纠偏系统工作原理,利用传感器检测包装材料边缘,经图像处理、分析后得到偏差量,利用纠偏算法生成相应驱动信号,实现对纠偏机构的控制。为了实现包装材料边缘识别,提出一种图像处理算法,包括图像预处理、边缘识别等。同时基于模糊PID原理设计一种纠偏控制器,通过模糊规则实现PID控制参数的自适应调节。最后搭建纠偏控制系统,并进行相关实验。结果系统偏差可控制在1 mm以内,控制精度高,稳态性能比较理想。结论设计的纠偏系统可满足印刷包装对柔性材料运行精度的要求。     

基于神经网络 PID 的造纸机多电机同步控制研究

目的为提高生产的质量和降低纸的断头率,研究造纸机多电机同步控制的方法。方法应用Matlab/Simulink建立模型和仿真实验,分析主从同步控制结构和并行同步控制结构,在并行同步控制结构的基础上,引入基于神经网络PID算法的速度补偿器。结果仿真结果表明,引入速度补偿后,2台电机的转速逐渐上升至给定速度,且速比稳定保持在1.01。在t=2 s只有第2台电机的负载转矩发生变化时,2台电机的转速基本没有下降。结论该方法增强了造纸机多电机同步控制系统的同步跟随能力,提升了抗干扰性能,可以有效避免在造纸机运行过程中,电机负载转矩突变造成的纸张过紧断纸、过松褶皱,为造纸机多电机提供了一种新的同步控制的方法。     

基于模糊神经网络的火灾信号处理

根据火灾探测的特点,提出相应的模糊神经网络,论述综合处理多种火灾信号的模糊处理计算模型;针对具体应用,对网络结构进行了改进。由于模糊神经网络的自适应特性和推理过程易于理解的特点,它很适用于高层建筑这样的复杂环境,并可明显提高火灾探测的灵活性和准确性。     

基于RBF神经网络的灌装机控制系统设计

目的 针对传统液体灌装机灌装定量控制方法存在控制稳定性不高、控制精度较差等问题,引入RBF神经网络对液体灌装机高精度灌装定量控制.方法 构建液体灌装机伺服驱动计量缸传递函数,结合空间扰动性融合方法实现液体灌装机高精度灌装扰动特征解析;采用参数自适应辨识方法进行液体灌装机高精度灌装的定量分析;通过B样条曲线拟合方法对液体灌装机灌装拟合控制;通过自适应参数调节,构建RBF神经网络模型,实现液体灌装机高精度灌装定量控制的优化设计.结果 仿真结果表明,所提方法的液体灌装定量控制稳定性较好,灌装机灌装定量控制效果较好.结论 文中方法提高了液体灌装机高精度灌装的定量控制能力.     

基于模糊神经网络的液体灌装自校正控制系统

目的为提高微量液体灌装精度,以补灌工序为研究对象,设计一种自校正控制系统。方法介绍灌装机的基本结构、工艺流程以及自动补灌基本原理。基于模糊RBF神经网络设计一种二次补灌控制器,阐述神经网络结构和学习算法。基于PLC和ARM搭建相应控制系统,其中PLC为主控制器负责传感器信号检测以及各工序执行,ARM为从控制器负责二次补灌控制,最后进行试验研究。结果对比结果表明,在自校正补灌的条件下,灌装精度得到明显提高,误差占比可控制在1%以下。结论所述控制系统可最大程度地减小生产过程误差,满足灌装工艺要求。     

基于模糊自适应PID控制器的张力控制系统

针对常规PID控制在张力控制中,控制参数难以整定的问题,设计出一种基于模糊控制原理的自适应PID控制器,根据偏差和偏差变化率来实时调整Kp、Ki、Kd参数.仿真结果显示,这种模糊自适应PID控制器比常规PID控制器在张力控制中有更好的控制特性.     

神经网络PID在包装机控制系统中的应用研究

针对常规PID控制方法的缺陷,提出了神经网络应用于高速全自动包装机控制系统的方案,并利用Matlab6.5进行模拟仿真,得出神经网络PID控制方法比常规PID控制性能更佳.