基于AR预测模型的自适应PID控制算法

针对传统PID控制对大时滞过程控制效果不佳的情况,采用了基于AR模型对被控对象进行预测,用预测结果代替被控对象测量值,克服了大时滞系统控制效果不能及时反馈的不足,并在控制运算中,沿二次型性能指标的负梯度方向对加权系数进行在线修改,实现了自适应PID的优化控制。仿真结果表明了预测控制算法响应速度快、鲁棒性强,有较好的适应性。     

基于PLC的BP神经网络PID控制算法实现

本文研究BP神经网络PID控制算法在PLC中的具体实现方法。着重介绍了BP神经网络自整定PID控制系统结构和算法;以S7-1200 PLC为控制器,采用SCL语言进行了BP神经网络自整定PID控制算法功能块的设计,给出了功能块参数的说明;试验表明,相比常规PID控制,BP神经网络自整定PID控制能获得更好的控制效果,设计的算法功能块具有一定的通用性和可移植性,为先进控制算法拓展到工程实际领域提供了应用参考。     

基于神经网络的水轮机调节系统的自适应PID控制

基于有功功率反馈参与控制的水轮机调节系统,以几个典型工况下的最优ＰＩＤ系数作为训练样本,训练了一个三层ＢＰ神经网络,设计了一个用ＢＰ神经网络实现变参数的ＰＩＤ控制器;并构造了一个目标函数,设计了一个自适应神经元,利用神经元的自学习功能,在线优化控制器的输出,以期达到最优控制的目的。对简单电力系统的仿真结果表明,这种控制器可以达到较常规的变参数ＰＩＤ较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。     

基于神经网络的自适应PID控制器及其应用

介绍一种基于神经网络的自适应PID控制器,运用神经网络和BP算法在线调整PID参数,PID参数的初值采用继电器自整定法整定。仿真分析和实际应用结果表明,与传统的数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁捧性。     

基于神经网络辨识改进的自适应PID控制器

针对工业生产过程具有时变、非线性、不确定和难以建立精确数学模型的特性,提出了用神经网络辨识被控对象,并针对常规PID控制器存在的设计复杂、计算量大、控制精度较差和参数值实时更新复杂等问题,提出采用基于BP网络辨识改进的自适应PID控制器。通过仿真与实验表明,神经网络辨识模型能较好的辨识被控对象的输出特性,同时该控制器的控制性能优于传统的PID控制器。     

基于自适应神经网络的无人机PID控制器研究

为了提高PID控制器对系统的稳定性,并减少控制误差,提出一种自适应神经网络PID控制器.首先,在离散时间模型中开发PID控制器,以减少在连续时间中设计控制器所带来的问题.然后,定义一个自适应神经网络,调整控制增益,以实现导航任务过程中六旋翼无人机(UAV)的跟踪误差最小化.利用梯度下降方法对PID控制器的重要参数进行整...     

基于模糊神经网络PID控制算法的冶金工业炉温度控制方法

冶金产品的制造工艺比较复杂,生产过程中的温度变化频率较高,无法在短时间内变换成要求的冶金工业炉温度,导致冶金产品质量不能符合生产需求。为了避免上述缺陷,提出了一种基于模糊神经网络PID控制算法的冶金工业炉温度控制方法。根据控制参数计算方法,能够计算出冶金工业炉温度控制需要的控制参数。利用数据反馈方法将工业炉内温度情况反馈到控制端;根据反馈数据对控制参数进行调整,从而实现冶金工业炉温度控制。实验结果表明,这种算法能够有效提高冶金工业炉温度控制的准确性,取得令人满意的结果。     

基于自适应RBF神经网络的变压器噪声有源控制算法

针对现有变压器噪声有源控制算法存在的不足,提出了一种用于抑制噪声的新算法。该算法融合了自适应算法、粒子群算法、改进梯度下降算法及RBF神经网络算法。首先利用自适应算法确定降噪系统控制器中RBF神经网络隐含层节点个数和相应的参数;然后,根据切换策略自适应地选择粒子群算法或者改进梯度下降算法,用来优化节点数目和参数;最后,将优化得到的隐含层结构和参数反馈至系统控制器中,使系统的次级声源更好地抵消源声源。通过将所提的改进RBF神经网络法与未改进的RBF神经网络法和BP神经网络法进行比较,表明该算法可有效地提高降噪系统的自适应能力和抗干扰能力,且能够将噪声控制在较低的范围内,获得较理想的降噪效果。     

基于神经网络控制算法的励磁系统研究

传统PID算法可能在超调以及跟踪给定信号方面无法做到快速响应,但是随着人工智能以及MCU的快速发展,励磁系统可以使用其他更加智能的算法满足同步发电机的要求,从而增加系统稳定性与智能性。提出了一种使用BP神经网络算法优化的PID控制模型,其与传统PID算法相比响应速度更快,同时兼顾传统PID控制在稳定性方面的优势,在励磁系统中可以起到自动优化控制参数的作用。所提出的模型经MATLAB/Simulink仿真验证具有稳定性和更小的超调。     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

电机同步传动自适应模糊PID控制算法研究

本文通过引入自适应模糊 PID 控制方法对交流异步电机同步传动系统进行控制,以实现交流变频调速系统中的无轴同步传动.该算法不依赖于对象模型,充分考虑系统优化过程的特点,把李雅普诺夫稳定性原理和模糊控制理论两种方法相结合,根据控制对象的实时特征自适应调整控制参数.仿真结果表明,控制系统在起动和突加扰动过程时,自适应模糊PID控制均能取得比传统PID控制更加优越的控制效果,电机的转矩和转速响应较为平稳,整个控制系统具有较好的动态和静态特性.     

数字电源模糊自适应PID控制算法仿真研究

改善数字电源控制精度和动态性能是目前数字电源研究的热点;基于MATLAB仿真研究了数字电源的模糊自适应PID控制算法;仿真结果表明自适应模糊控制的数字电源具有超调量小、稳定时间短、静态误差小的特点.     

基于PID控制算法的烧结炉温度控制

对推舟式连续烧结炉温度控制系统进行分析,以连续烧结炉工艺所需的预烧结、烧结段和冷却段的温度控制为目标,采用了温度控制模型和算法,提出温度控制方法并进行仿真.通过对连续烧结炉加热元件功率的控制,完成了连续烧结炉多段位温度的精确控制,提高了烧结炉温度控制的稳定性和效率.     

神经网络自适应PID控制器在交流调速系统中的应用

提出了一种基于神经网络的自适应PID控制器,并将其引入交流调速系统中代替传统的转速调节器,通过神经网络的自学习能力,实现对交流异步电动机的自适应控制.用DSP实现的结果表明,该方法是可行的.     

基于BP神经网络在线辨识的开关磁阻电机神经网络自适应PID控制

基于开关磁阻电机的高度非线性的电磁特性,固定参数的PID调节器无法得到理想的控制性能指标,该文提出了一种基于BP神经网络在线辨识的SRM神经网络PID自适应控制新方法。实验结果表明,利用BP神经网络来构成开关磁阻电机的神经网络自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。     

基于神经网络自适应PID的异步电动机定子磁场定向控制

针对异步电动机这一多变量、非线性、强耦合的控制对象, 提出了一种基于神经网络自适应PID控制器的异步电动机定子磁场定向解耦控制的新方法.采用定子磁场定向控制,以定子磁链作为反馈量,运用电流励磁分量解耦补偿环节,实现了定子磁场定向控制下电机转速与定子磁链间的解耦控制.同时为实现对异步电动机快速和精确控制,设计出用于异步电动机的神经网络自适应PID控制器,利用神经元的自学习功能在线调节连接权重,实现自适应控制.实验结果表明:这种方法具有控制性能不受电机转子参数的影响,以及快速的转速和转矩响应的特点.     

基于MCGS组态软件和神经网络自适应PID的pH过程控制

以湿法炼锌浸出过程中pH的控制为例,在深人研究以pH值为控制的神经元自适应PID控制算法的基础上,介绍了利用MCGS组态软件开发控制系统的方法,以及实现过程。文中用MATLAB仿真软件进行神经网络自适应PID的算法研究,并利用DDE通讯协议实现MCGS与MATLAB之间的数据交换,将组态软件和神经网络自适应PID控制有机地结合,从而达到用MCGS组态软件实现神经网络自适应PID控制系统仿真的目的。提供了一个多角度、多层次观察仿真过程的可视化人机交互环境。     

原水预处理控制系统改造

详细介绍了安徽马鞍山万能达发电有限责任公司原水预处理控制系统改造的设计、施工、运行等方面的情况。     

原水预处理系统水质腐蚀研究及优化

针对某电厂的原水预处理系统管道腐蚀减薄问题,通过Larson指数、Langerlier指数和挂片试验分析,认为清水对碳钢材质（Q235B和20）具有一定的腐蚀性,清水碱度越低,腐蚀性越强。通过控制石灰混凝过程中石灰粉的投入量、浓硫酸和杀菌剂NaClO的添加量等措施,可以大幅度降低清水对碳钢材质的腐蚀程度,提高设备的使用寿命,减少因管道腐蚀而产生的检修成本。     

基于自适应模糊PID控制的SBR污水处理系统

采用自适应模糊PID控制方法控制污水处理中的溶解氧,并设计基于自适应模糊PID的控制系统。仿真结果和实际应用表明,采用自适应模糊PID控制器后,控制系统的响应速度加快,超调量减小,过渡时间大大缩短,振荡次数减少,具有较强的鲁棒性和良好的稳定性。