电动负载模拟器的复合控制策略研究

为提高电动负载模拟器的加载性能,该文在分析电动负载模拟器的结构组成和工作原理的基础上,建立系统的数学模型。针对加载过程中存在的加载误差以及多余力矩问题,采用PID控制与舵机指令直接前馈控制的复合控制方法对舵机负载模拟系统进行校正,实现电动负载模拟器的快速、高精度控制。最后对校正后的系统进行仿真分析,验证该方法的可靠性,具有较高的工程实用价值。     

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。     

PID神经网络控制倒立摆的仿真探讨

提出倒立摆的PID神经网络控制策略,并设计控制结构,推导控制算法。最后在MATLAB下编写数字控制仿真程序,实现仿真,最终的仿真结果表明控制方案的有效性和正确性。     

基于BP神经网络的字符图像识别方法

字符图像识别是数字图像处理技术中的重要应用,本文研究了一种基于BP神经网络的字符图像识别方法。首先对图像进行预处理,包括临域法去杂及灰度、二值化处理;然后采用垂直投影法进行图像分割,对字符进行网格及交点特征的提取;最后利用经过训练的BP神经网络进行字符识别。     

增量式PID神经网络控制器和仿真

针对三档阻尼可控减振器的特点,利用神经网络理论,设计一种基于M×Q×3结构BP神经网络的PID 神经网络控制器。该控制器可根据被控系统的运行状态,通过神经网络的自学习、加权系数调整,使神经网络输出PID控制器参数,从而达到较好的控制效果。对被动悬架与可控悬架系统进行三种典型工况的仿真分析,验证本文所提控制算法的有效性。     

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MATLAB的动态神经网络稳定性仿真研究

动态神经网络的主要适用范围在于进行最优化运算和联想记忆,研究它的稳定性显得十分必要。文章主要是在分析了动态神经网络的稳定性分析理论之后,借助于MATLAB及LMI编写了仿真程序进行了实例验证。     

船用柴油机PID神经网络控制系统的设计

给出了PID-NN控制器的结构形式、计算公式，并将其应用于船舶柴油机的转速控制系统中。从仿真结果可知，该算法的控制性能和鲁棒稳定性良好，具有较好的自学习和自适应性。     

基于神经网络的智能诊断

人工智能与诊断理论的结合形成了智能诊断,早期发展的模拟人脑思维推理的、基于知识的专家系统以串行运行的格式进入设备诊断领域,形成了基于知识的诊断推理专家系统,国内外已有许多成熟的商品化软件系统。近几年新发展起来的人工智能的一个分支－－人工神经网络模仿人脑物理结构以其强大的并行运算和联想能力非常适合于设备诊断中状态识别,本单位研制的通用型神经网络智能诊断系统,已达到商品化水平,并已在生产线上运行。     

基于一维卷积神经网络的房颤智能诊断方法研究

针对“大数据”时代如何利用数据对房颤进行智能、高效的诊断问题,提出了基于一维卷积神经网络的智能诊断方法,以避免传统算法依赖人工特征提取和先验知识的问题。首先,分别构建一维LeNet-5和AlexNet神经网络模型,合理设置网络结构参数;然后,在采集的实验数据基础上针对心电信号的特点进行一系列的数据处理,随机构建训练样本和测试样本;最后,将训练样本分别输入上述2个神经网络模型中训练学习,再将训练好的模型用于房颤的诊断。实验结果表明:一维LeNet-5网络模型存在“过拟合”现象,而一维AlexNet网络模型在避免了上述现象的同时,诊断精度达到了95.34%,较传统方法有了较大提升,为房颤诊断提供了有效的手段。     

基于模糊神经网络PID的卷材纠偏控制

目的为了提高卷材边缘的整齐度,提升包装产品质量,降低包装材料损耗。方法分析卷材放卷过程中跑偏的原因,在分析放卷纠偏系统数学模型的基础上,提出一种模糊神经网络PID的纠偏控制器以实现复杂的卷材放卷系统参数自调整以及优化。结果仿真和实验结果表明,模糊神经网络PID具有更快的响应速度,超调量更小,纠偏控制精度达到±0.5 mm。结论所述控制方法能够明显降低软性包装材料跑偏误差,大大提高了产品包装质量。     

基于神经网络PID控制器的压铸机压射速度控制系统的设计

目的 通过神经网络PID控制器,提高铸件过程中对压铸机压射速度的准确控制,以改善铸件的品质.方法 首先,从压射系统的结构出发,分析其工作过程,通过输入电压求取电液伺服装置的传递函数,利用比例阀所受压力,计算其端口流量,进而完成压射系统的建模.然后,以STM32F103RE处理器为核心,配以输入电路、反馈电路等外围单元,...     

基于组态王的供水管道压力的PID控制

主要介绍了利用组态王实现对独立小规模供水系统中供水管道压力的控制.控制采用计算机(组态王)+变频器+水泵的方式,利用组态王软件不但完成了算法编写,实现了良好的恒压供水控制,而且生成了可视化操作界面完成了系统的上位机监控.     

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.     

基于极小极大原理的内模PID控制器研究

针对PID控制器的鲁棒性问题,提出了参数摄动范围下的鲁棒内模PID控制器的优化设计方法,应用极小极大原理设计出基于模型失配的最坏情况下的鲁棒内模PID控制器.通过鲁棒性能指标和控制参数的合理设计,使内模PID控制器较好地适应一定范围的模型不确定性.仿真结果表明,与PID控制器相比,内模PID控制器有很好的鲁棒性.     

基于前馈预测的电液伺服PID控制系统

根据预测控制思想,针对已有的电液伺服调速系统模型,设计了一种基于前馈预测的PID控制系统。该控制系统不依赖对象的精确数学模型,利用预测控制的快速性以及自适应性等特点,通过滚动优化与PID相结合来确定系统当前时刻的控制量。仿真实验结果表明,该文建立的新型控制器能够满足现有的电液伺服调速系统的控制性能要求,实现对该系统的快速精确控制。     

基于模糊PID控制的粉末包装计量控制系统

目的针对粉末包装计量控制系统中由于粉末的流量与螺杆的转速存在着一定非线性的特点,提出一种基于模糊PID的粉末计量包装控制系统。方法该粉末包装计量控制系统由螺杆计量机构、称重机构和信号采集处理单元等组成,根据系统特性,结合模糊逻辑构建模糊自适应调整机构对PID控制器参数进行在线调整,以适应系统特性的非线性变化,并基于Matlab对控制系统进行仿真。结果样机计量控制时偏差度最大为0.8%,仿真结果表明模糊PID较传统PID具有更好的效果。结论该控制系统实际控制工作稳定,鲁棒性较好,可以满足实际控制系统的需要。