主蒸汽温度的BP神经网络PID控制系统的研究

针对火电厂主蒸汽温度系统大惯性、大迟延、非线性的特点,常规串级PID控制难以取得满意的调节效果,为了改善常规PID控制的不足,文章在研究BP神经网络的基础上,把BP神经网络PID控制应用到主汽温控制系统中。运用matlab仿真,结果表明,与传统控制相比BP神经网络PID控制算法有效减小了系统的超调量,提高了系统的响应速度,在主汽温控制系统中具有很好的控制效果。     

一种基于BP神经网络PID的液冷系统设计

针对温度控制系统的时滞、非线性等特点,提出一种基于BP神经网络PID的液冷控制方法.由于空中环境复杂,液冷系统中散热效率与飞行高度、速度等关系很大而且具有不可预测性,因此也无法给控制系统建立准确的数学模型.利用BP神经网络的自学习性和函数逼近能力,结合PID控制器,可以动态调节PID参数,使系统达到优秀的控制效果.实验...     

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。     

基于神经网络PID的液动调节阀控制研究

液动调节阀的快速精确定位在工业生产中十分重要。将传统PID算法与BP神经网络算法相结合,设计出具有自适应能力的智能PID控制系统,并应用在阀门控制器中。仿真结果表明,基于BP神经网络的PID控制算法,控制效果明显,优于普通PID控制系统。     

戈壁地貌地形探测器接地压力神经网络控制研究

针对戈壁地貌地形探测器接地压力调节系统具有的非线性特点,提出了地形探测器接地压力的BP神经网络PID控制方法,设计了BP神经网络PID控制器,并利用MATLAB软件编程进行了仿真分析和实验。研究结果表明,BP神经网络PID复合控制较之常规PID控制可使系统具有更优的动态性能和良好的跟随特性,是一种有效的控制策略。     

改进的BP神经网络方法在液压控制系统中的应用研究

由于BP神经网络自身存在的一些缺陷,在液压控制系统中基于BP神经网络的PID控制器有时无法达到良好的控制效果.在研究BP神经网络主要改进方法的基础上,针对液压控制系统特性,综合采用引入陡度因子、归一化处理、采用输出层步长比输入层步长小等多种方法对应用于液压控制系统的BP神经网络算法进行改进.研究结果表明,改进后的控制系统延迟小、稳定性强、控制效果良好、对实际应用有较好的指导作用.     

人工神经网络自校正PID在变风量空调中的应用

根据变风量空调的特点,建立特定的物理模型,提出了BP神经网络自校正PID的控制策略,建立了仿真模型并进行仿真研究。仿真结果表明,该控制方式对于复杂的空调控制系统具有更好的控制效果。     

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。     

污水处理自动化控制系统控制策略研究

结合污水处理过程的特点,将BP算法与传统PID控制进行有机结合,构造基于BP神经网络的PID控制,实现PID控制器参数的在线整定。将该控制策略应用于污水处理系统的溶解氧浓度控制中,并与常规PID控制效果进行了仿真实验和对比研究,结果表明基于BP神经网络的PID控制法有着传统PID方法无法比拟的优势。     

基于BP神经网络PID机房温度控制研究

基于一种适用于数据中心信息机房温度调节的通风地板，利用计算流体力学搭建了房间系统数学模型，设计BP神经网络控制规则对传统的PID控制进行优化从而提升控制效果。利用Matlab中S函数的编写对控制器进行设计，并用Simulink搭建传统PID与BP神经网络PID的温度控制系统。仿真结果表示添加了BP神经网络算法的PID控制器效果稳定性提升了40%，超调量变小且无静差。将控制方法应用到机房温度分布不均匀的实际工程中，结果显示所提方法能够保证机房温度均匀分布，节能效率显著提升。     

直流电动机PID神经网络双闭环控制系统

本文在分析传统直流电动机双闭环控制系统性能特点的基础上,利用一种新的神经网络——PID神经网络实施了自学习双闭环控制系统,本文给出了PID神经网络网络的前向和反传算法,给出了实时仿真结果,证明该控制系统具有较好的控制性能。     

压电式气动伺服阀控制策略的研究

通过分析比较单纯PID控制和PID神经元网络控制对压电式气动伺服阀动态特性的影响,具体比较两种控制下压电式气动伺服阀的稳定性、快速响应性、信号跟踪能力,仿真结果表明,PID神经元网络控制比单纯PID控制对系统具有更好的稳定性、快速响应性和信号跟踪能力.     

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。     

抓斗挖泥船平挖的智能控制及仿真

设计了一种基于模糊神经网络的PID控制器,将其运用到大型抓斗挖泥船平挖控制系统中。该系统建立一个两输入三输出的模糊神经网络,并提供样本进行自学习。在Simulink中对基于模糊神经网络的PID控制系统和常规PID控制系统进行平挖运动仿真,结果表明,与常规控制相比,该网络能使系统的响应更为迅速,超调量小,鲁棒性强。     

模糊神经网络PID控制在振动打桩机中的应用

针对双马达电液伺服系统难以进行同步控制,实现无级调频调矩的问题,提出了基于Mamdani型的模糊神经网络PID控制方法。该方法的主要思想是结合模糊推理和神经网络控制技术,构成模糊神经网络,实时调整PID参数。实验结果表明：与传统PID控制方法相比,该方法改善了系统的动态特性,提高了控制精度。     

基于神经网络控制算法的气动伺服系统运动分析研究

提出了一种神经网络控制方法并通过对气动伺服系统的无杆气缸运动控制,探究此控制方法的控制精度。由于受空气可压缩性、摩擦力以及启动系统的扰动等非线性因素的影响,气动伺服系统很难去建立精确的数学模型。根据系统的非线性特点及PID控制不足,基于BP神经网络控制,设计神经网络PID控制器,并进行实验。通过实验,对无杆气缸的运动特性分析,表明这种控制策略可以更好控制气动伺服系统的运动精度。     

基于PID的电液比例径向柱塞泵仿真控制与分析

针对电液比例控制径向柱塞泵变量机构,设计了基于PID神经元网络控制算法的控制器,并通过计算机仿真,再现了系统跟踪变量控制信号的系统响应,仿真结果表明,基于PID神经元网络控制算法控制器的电液比例控制径向柱塞泵,具有良好的控制性能。     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。