神经网络模糊控制在电厂主汽温系统中的应用研究

神经网络的自学习模糊PID控制综合了神经网络和模糊逻辑2种控制技术的优势。通过结合构成的控制器，根据神经网络的分类去构建模糊规则库，在强化PID控制功能的同时降低了构建模糊库的难度。这种新型的PID控制器对于大迟延和模型不稳定的电厂主汽温的控制是十分有效的。通过系统仿真研究，基于神经网络的自学习模糊PID控制器在控制品质方面明显优于常规PID控制系统，尤其在变工况时，控制效果更加明显。     

模糊神经网络在配电柜温湿度控制系统中的应用

为解决电力系统密闭配电柜内恒温恒湿的问题,针对配电柜温湿度控制系统,设计一种以DSP为处理器,基于模糊神经网络的PID控制器,用于温湿度控制系统。分析了配电柜温湿度控制器的组成,综合模糊控制和神经网络的优点,将神经网络、模糊控制和PID相融合,通过MATLAB软件对系统进行仿真,结果表明,该系统比普通温湿度控制系统具有更好的动态特性。     

模糊PID复合控制在钻床电气控制系统中的应用

为了能够有效控制钻床的电气控制系统,深入研究了模糊PID复合控制在钻床电气控制系统中的应用。介绍了遗传神经网络模糊PID控制器和遗传算法的基本原理,建立钻床电气控制系统的遗传神经网络并设计了算法流程,研究结果表明了该方法具有非常好的稳态精度。     

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明：与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好。并具有自适应能力,应用前景十分广泛。     

基于模糊神经网络PID的钻杆排放控制系统设计

本文为克服钻杆在排放过程中存在的非线性问题和保证钻杆在排放过程中运动的平稳性。本文采用鲁棒控制和模糊神经网络控制器相结合的实时控制器来保证所设计控制系统的稳定性和控制效果。构建的模糊神经网络PID控制器,可用于实时辨识被控对象模型,并提供非线性关系的动态模型。通过实验仿真表明本文所设计的模糊神经网络PID控制器具有良好的动态特性和鲁棒性。     

工业用电加热炉的智能温度控制系统设计

工业用电加热炉作为一类大惯性、大时滞和参数时变的强非线性系统,其温度控制问题一直工业过程控制中的难题。提出一种新型的基于TSK模糊理论的模糊神经网络PID控制器,采用实数编码混沌量子遗传算法优化模糊神经网络的隶属函数参数和模糊TSK增益,具有较快的收敛速度和更强的优化能力。分析加热炉温度控制系统的原理和结构,阐述基于TSK模糊理论的模糊神经网络PID控制器的设计过程以及实数编码量子遗传算法的实现流程。通过工业用电加热炉的温度控制仿真和试验,验证了所提出的算法具有更好的动态性能、更高的稳态精度和更强的抗干扰能力。     

模糊自适应PID控制在逆变电源中的应用

逆变电源控制系统具有非线性、时变性等性质,运用常规的模糊PID控制难以达到满意的控制效果。将专家经验用于模糊PID参数的在线自适应整定,设计了基于专家经验的自适应模糊PID控制器。这种控制器既具有模糊PID控制器的精度高、稳定性好、鲁棒性强的优点,又具有专家控制器进入稳定状态快的特点。仿真实验结果表明：基于专家经验的自适应模糊PID控制器在逆变电源控制系统的控制中,控制性能优于单独模糊PID控制的性能,表现出了良好的自适应性、稳定性、鲁棒性,能够用来实现对逆变电源控制系统的有效控制。     

自适应模糊-PID控制器在电阻炉温控系统中的应用

针对电阻炉温度控制系统的特点,结合常规PID控制器和模糊控制器各自的长处,提出了自适应模糊-PID控制方法。利用模糊控制器在线调整PID控制器的3个参数,实现了模糊智能控制技术与PID控制技术的有机结合,并设计了基于单片机的温度控制系统硬件装置,大大提高了系统的控制性能。文中详细论述了整个设计过程。     

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明：模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。     

永磁同步电机动态模糊神经网络控制器设计

针对如何提高永磁同步电机控制系统的性能,将动态模糊神经网络(DFNN)运用到永磁同步电机调速系统中,充分利用动态模糊神经网络的学习能力与映射能力,实现模糊系统的参数和结构的在线学习.对采用这种控制器的永磁同步电机(PMSM)矢量控制系统进行了仿真研究.仿真结论说明采用动态模糊神经网络控制器的控制效果较传统PID控制而言,不仅响应速度快、超调小,而且具有非常好的鲁棒性.     

模糊神经网络PID和PSO-PID优化的荧光检测控制系统

针对核酸提纯、扩增、检测一体化设备的荧光检测系统多通道检测运动的快速性和稳定性,设计了三种基于PID控制器的控制策略,分别为模糊PID、模糊RBF神经网络PID和PSO-PID。经MATLAB仿真结果表明,模糊PID控制有较大的超调量和调节时间,震荡较大;模糊RBF神经网络PID控制的超调量十分小,调节时间较小,无震荡;PSO-PID控制有小幅度震荡和超调量,调节时间最短,可快速到达稳定状态。模糊RBF神经网络PID和PSO-PID控制步进电机的方式同模糊PID相比,没有了主观经验的影响,反应时间快、稳定性好,具有很好的自学习、自适应能力。     

水轮机调节系统的模糊神经元控制

水轮机调节系统具有非线性和时变性的特性 ,传统的PID控制器无法获得高性能的调速系统。针对水轮机调节系统的上述特性 ,在常规模糊控制的基础上 ,采用径向基函数神经网络来逼近过程模型 ,并设计了自适应神经元来在线优化控制器的输出。理论分析和仿真结果表明 ,这种控制策略与传统的PID控制和模糊控制相比 ,能够得到更快的响应速度和更好的控制效果     

过热汽温模糊神经网络预测控制器的设计

针对锅炉过热汽温的特点，设计前馈—反馈串级复合型控制系统。主控制器采用基于神经网络预测模型的模糊神经控制，即该控制器首先是将神经网络与预测控制相结合，采用改进的递阶遗传算法对神经网络的权值和结构同时进行训练，实现了非线性、大时滞系统模型的精确预测；然后将模糊控制与神经网络相结合，实现模糊神经预测控制。副控制器采用二自由度PID控制器。仿真结果表明，该控制显著提高锅炉过热汽温这一非线性、大时滞系统的控制品质，且易于工程实现。     

前馈神经网络的模糊 PID 算法及其在电力系统负荷预测中的应用

提出了多层前馈神经网络的模糊ＰＩＤ学习算法（ＦＰＢＰ）。这种算法是把多层前馈神经网络的学习过程当作一个动态控制系统来处理,确定出动态控制系统达到稳态时的ＰＩＤ控制器参数,然后再基于模糊控制的思想,对确定出的ＰＩＤ控制器参数进行模糊调整。文中给出了这种算法在电力系统负荷预测中的实际应用,并与标准ＢＰ算法作了比较。结果表明,该算法提高了网络的学习速度和预测的精度。     

BP-PID Control Applied in Evaporator of Organic Rankine Cycle System

According to the problem that the selection of traditional PID control parameters is too complicated in evaporator of Organic Rankine Cycle system (ORC), an evaporator PID controller based on BP neural network optimization is designed. Based on the control theory, the model of ORC evaporator is set up. The BP algorithm is used to control the , and parameters of the evaporator PID controller, so that the evaporator temperature can reach the optimal state quickly and steadily. The MATLAB software is used to simulate the traditional PID controller and the BP neural network PID controller. The experimental results show that the , and parameters of the BP neural network PID controller are 0.5677, 0.2970, and 0.1353, respectively. Therefore, the evaporator PID controller based on BP neural network optimization not only satisfies the requirements of the system performance, but also has better control parameters than the traditional PID controller.     

两区域负荷频率的智能自适应PID控制

利用神经网络动态辨识电力系统的动态模型,并将模型逻辑技术与神经网络相结合,通过动态寻优确定最优性能指标下的ＰＩＤ控制器参数,具体设计了一种两区域负荷频率的神经模糊自适应ＰＩＤ控制器。使两区域负荷频率控制既有非线性控制作用和自学习自适应能力,又有ＰＩＤ控制的广泛适用性。     

电动汽车动力传动系转矩波动抑制研究

针对电动汽车由于传动系低阻尼特性产生的转矩波动问题,在Matlab/Simulink平台上搭建了基于永磁同步电机矢量控制策略的传动系扭振仿真模型,在电机速度环设计出模糊自整定PID控制器和神经网络PID控制器,以提高电机控制器的响应速度和抗干扰能力。仿真结果表明:运用机电耦合的建模方法能够有效揭示电动汽车传动系的动力学特性;通过模糊逻辑方法或者神经网络算法对PID控制器进行参数整定,能够改善由突变负载和突变控制信号引起的传动系转矩波动问题。     

基于BP网络PID算法的恒压供水系统研究

采用神经网络控制理论与PID（比例、积分、微分）控制算法,设计一个基于SIMATIC CPU226 PLC的BP神经网络PID控制器。恒压控制系统由BP神经网络PID控制器、丹佛斯VLT2900变频器和水泵机组组成。解决了传统PID控制算法难以保证系统在任何工况条件下始终具有最佳控制性能的难题。试验结果表明：系统可以在线自整定PID参数,具有较好的自适应能力,控制效果比较理想。