烟草恒温恒湿检测室控制系统设计

对现有烟草恒温恒湿检测室控制系统进行深入分析,比较了一体化恒温恒湿空调方式与空调加蒸汽锅炉方式两种方案的优缺点.将自适应控制结构引入一体化恒温恒湿空调控制系统中,以提高系统的控制精度、稳定性和其他性能.使得系统便于安装调试且能对温湿度进行实时精确控制.     

基于改进PID的恒温控制软件设计与实现

恒温控制环境中,存在随机性很强的温度跳变.为将温度控制在一定值,需要PID控制过程做出快速反应.但是针对非线性、滞后性和时变性的控制系统,PID需要大幅改变参数才能保证在跳变环境下的恒温控制,导致控制过程中的响应时间和超调量效果较差.提出基于改进PID的恒温控制软件设计方法,利用免疫控制的原理,将传统的PID控制方法与免疫控制原理相结合,对免疫参数η和K进行合理调整,在不同的免疫响应阶段,通过T细胞的促进和抑制作用,使得响应时间和超调量之间的矛盾得到极大的改善.通过冷库恒温控制系统的仿真实验表明,改进PID恒温控制软件在工况发生较大改变时仍然具有优良的控制效果.     

BP神经网络在导弹控制系统参数整定中的应用研究

PID控制是目前广泛应用的导弹姿态控制方法,对其相应的Kp、K,、KD三个控制参数的整定多采用经验方法完成,而常规PID控制器难以实现在线实时自适应参数整定;而将神经网络技术与常规PID控制相结合,则可以在一定程度上解决常规PID控制器不易进行实时自适应参数调整等方面的缺陷,充分发挥PID控制的优点;论文以某型导弹的纵向通道姿态控制系统为例,采用BP神经网络实现了控制系统参数的自适应整定.     

炉温控制系统的仿真研究

针对现实应用中对电阻炉温度控制的高精度要求,由于电阻炉这样的大滞后、非线性、时变的复杂系统,因此设计了-种参数自整定的模糊PID温度控制系统,实现了对电阻炉温度控制的精确控制.系统融合了传统PID控制和模糊控制两大控制理论的优点.通过仿真和在某热工检定系统上的实验表明,方法有效解决了快速性和超调量之间的矛盾,响应快、无超调、鲁棒性强,具有良好的控制效果和品质,并可适应对象以及外部环境引起的扰动,动态特性明显优于传统PID控制.     

BP神经网络在PID控制器参数整定中的应用

研究工业控制过程,针对控制器优化问题,PID控制是迄今为止在过程控制中应用最为广泛的控制方法.但在实际应用中,对有非线性、时变性系统,无法建立精确模型.为了解决控制参数整定,达到精确控制,改善系统性能,提出一种基于BP神经网络的PID控制器参数整定方法.通过建立三层神经网络模型,在控制过程中将神经网络的隐含层单元分别作为PID的比例(P)、积分(I)、微分(D)单元,从而构造参数自学习的PID控制器,在控制过程中动态调整PID的三个控制参数,从而进行PID控制参数的在线整定.仿真结果表明,基于BP神经网络的PID控制方法在处理非线性和时变系统时,提高了实时性能,增强系统稳定性,并获得更好的控制效果.     

造纸过程定量水分的小波神经网络PID控制

抄纸过程定量水分控制系统存在时变、时滞、非线性、不确定等特点,使得定量、水分两个指标波动幅度较大,严重地影响了成纸合格率,断纸次数多。为解决上述问题,设计了定量水分的串级控制方案,采用小波神经网络PID控制方法对定量水分控制,并建立了三层神经网络模型,输出层单元分别表示PID控制器的三个参数,用非线性小波基函数取代隐层神经元的Sigmoid函数,根据定量、水分的实际输出与期望输出之间的偏差可实时在线调整PID参数。在MATLAB上进行仿真。仿真结果表明,控制系统能较好地克服时滞、时变、非线性等干扰对定量水分的影响,实现控制精度高,能很快达到稳定,并可有效地减少断纸次数,提高造纸效率。     

基于BP神经网络的PID参数自整定的船舶操纵控制器研究

船舶操纵的模型参数具有非线性、慢时变特性。船舶操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用ＢＰ神经网络实现ＰＩＤ参数自整定的控制方法。此法能根据船舶动态特性的变化,自动重新整定ＰＩＤ参数,从而改善了操纵性能和鲁棒性。     

基于微粒群算法的PID控制器优化研究

研究PID控制器性能优化中,由于被控对象具有高阶、非线性等特点,而在工业生产过程中,传统的PID参数整定方法易出现超调和震荡问题,使系统响应特性差。为改善系统性能,提出一种改进粒子群算法的智能优化策略,将PID控制器参数作为粒子群中的粒子,以控制误差时间积分函数作为优化目标,进行PID控制参数的并行优化。利用MATLAB仿真软件进行仿真,并通过与传统整定方法(Z-N法)进行比较。结果表明,粒子群的PID参数整定法可提高控制器性能,并能够实现目标的最优整定,为PID控制器性能优化提供依据。     

基于BP神经网络的PID参数自整定的船舶操纵控制器研究

船舶操纵的模型参数具有非线性、慢性变特性。船舶操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用BP神经网络实现PID参数自整定的控制方法。此法能根据船舶动态特性的变化,自动重新整定PID参数,从而改善了操纵性能和鲁棒性。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

基于快速BP算法的非线性系统神经网络自校正控制器

提出了对于一大类未知,不确定,时变单输入单输出离散非线性系统,利用三层BP网络,采用快速BP算法构成学习和自校正控制的方案,针对同一被控对象,设计了PID控制器,仿真结果表明本文所提出的神经网络自校正控制的优越之处。     

基于BP神经网络的网络控制系统调度

为了在复杂的网络环境下能更合理地分配网络资源,提出了利用BP神经网络,通过对网络调度器产生的历史和当前数据进行训练,预测调度器下周期可能产生的数据,进而对下一调度周期的死区大小进行调整。实验仿真表明,所设计的反馈调度器能进一步改善网络控制系统的性能,进一步提高应对负载变化的能力。     

基于神经网络的解耦控制方法

本文介绍了BP算法的基本原理及其实现步骤,并将BP算法应用于神经网络解耦器和PID神经网络的训练中,即本文中各个神经网络的训练算法均采用BP算法,提出了一种神经网络在线解耦控制算法,即将神经网络解耦和神经网络PID控制两者结合,对系统进行解耦控制。将解耦与控制结合,既避免了单独采用自适应PID控制时控制效果不佳的问题,又避免了单独采用解耦时原有控制器不能适应变化后的对象问题。最后对一组双输入双输出耦合系统进行了仿真研究。     

基于半导体制冷器件的模糊恒温系统设计

本恒温控制系统精度要求高，且由半导体制冷器件构成的温控系统具有非线性、大惯性及数学模型难建立等特性，这使得常规PID控制器无法很好地满足系统要求，因此本文设计了一种新型模糊PID参数自整定控制器，该控制器能够发挥模糊控制鲁棒性强、动态响应好、上升时间快、超调小的特点，又具有PID控制器的动态跟踪品质和稳态精度，具有很好的实时性．并在实际使用中取得良好的控制效果。     

基于BP神经网络PID控制的BLDCM调速系统

在分析无刷直流电机(BLDCM)数学模型的基础上,采用改进型BP神经网络与传统PID相结合作为速度控制器,应用于无刷直流电机调速系统中。在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制。仿真研究表明,应用这种新型控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度。     

基于Internet远程实验系统神经网络控制算法的实现

描述了基于Internet远程过程控制实验系统以及基于BP神经网络整定PID控制算法在此控制系统中的实现。实验者可远程操作实验装置,可远程选择控制算法。测试结果表明应用基于BP神经网络整定PID控制算法于此远程过程控制实验系统中,系统动态响应快、具有较高的控制精度,满足过程控制实验的要求。     

基于免疫优化PID神经网络的污水处理系统解耦控制*

针对氨氮浓度和硝态氮浓度之间相互耦合,以及常规的PID控制方法难以获得满意控制效果的特点,以溶解氧浓度和内循环流量为操作变量,采用PID神经网络对氨氮浓度和硝态氮浓度进行解耦控制;针对PID神经网络连接权值容易陷入局部最优值,应用免疫算法优化PID神经网络连接权值。仿真结果表明,该方法对污水生化处理系统具有很好的解耦能力和控制品质。     

神经元PID控制在变风量空调室温控制中的应用研究

针对变风量空调系统的延迟,非线性和模型不确定性,本文提出将神经元P I D控制器应用于变风量空调系统中。该控制器综合了神经网络和P I D调节各自的有点,具有神经网络的学习和适应能力,同时具备P I D控制的广泛的适应性。仿真实验表明该控制器控制结果优于传统的P I D控制器。     

火电厂锅炉主汽温控制策略的比较研究

锅炉的主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统,常用的汽温控制系统有串级PID控制和基于BP神经网络的PID控制。串级PID控制一般能将主汽温控制在允许的范围内;基于BP神经网络的PID控制将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合,能实现对非线性、大时滞系统模型的控制。对这两种策略在不同负荷下进行了实验仿真,该结果对当前电厂的经济性和安全性有一定参考价值。