纸浆浓度的神经网络PID控制

针对造纸过程中纸浆浓度控制的特点,通过BP神经网络与PID相结合,组成神经网络控制器,用于纸浆浓度控制。利用神经网络自学习、自适应的功能,根据实际工况在线实时调整PID参数,使纸浆浓度的控制处于一种最优状态,达到较好的控制品质。     

基于PID神经网络的纸浆浓度控制

本文将一种不同于用神经网络调整PID参数的新的融合算法—PID神经网络(PIDNN)应用于纸浆浓度控制。经过对纸浆浓度控制系统的仿真研究表明,PIDNN既具有常规PID控制器结构简单的优点,又具有神经网络自学习、自适应之能力,大大改善了纸浆浓度控制系统的性能。     

神经网络分数阶PID控制器在纸浆浓度控制中的应用

分数阶PID控制器继承了常规PID控制器的优点,并且具有更高的控制精度和更强的鲁棒性。针对常规PID控制器在纸浆浓度控制过程中存在的问题,设计了一种基于神经网络的分数阶PID控制器。用分数阶PID控制器代替常规PID控制器,并通过神经网络调节分数阶PID控制器的5个控制参数,实现一种参数自整定的PID控制器。仿真实验结果表明,神经网络分数阶PID控制器比常规PID控制器的控制精度高,对纸浆浓度的控制更稳定;采用神经网络分数阶PID控制器控制纸浆浓度是切实可行的,具有很好的推广应用前景。     

木塑挤出机温度的BP神经网络PID控制算法

针对木塑复合材料挤出过程中挤出温度采用传统PID控制的不足,设计研究了木塑挤出机温度的BP神经网络PID控制系统。针对挤出温度控制过程中的高非线性和分段温度的特点,提出BP神经网络PID控制算法以改善温度系统性能,实现对温度模型的高效控制。木塑挤出机温度的传统PID控制与木塑挤出机温度的BP神经网络PID控制进行仿真对比,结果表明木塑挤出机温度的BP神经网络PID控制在系统升温的速度、超调量、调节时间、抗干扰能力方面具有明显优势,在控制精度方面更符合木塑挤出机温度控制要求。     

山梨醇结晶温控系统的研究

山梨醇广泛应用于食品行业,针对山梨醇结晶温控系统存在时变大滞后特性,研究了一种融合遗传算法和神经网络的PID控制器。该控制算法采用RBF网络在线辨识被控对象,先利用遗传算法优化神经网络的初始权值,再结合神经网络所具有的自学习和任意非线性表达能力,用BP神经网络自整定PID参数,对结晶过程温度进行控制。仿真结果表明:该控制器提高了系统的控制性能,具有很强的自适应性和鲁棒性,满足山梨醇生产的要求。     

纸浆浓度的专家-模糊PID控制系统

介绍了应用于纸浆浓度控制的模糊控制与专家控制复合控制系统。根据纸浆浓度本身存在的大滞后特性以及模型的不确定性,结合模糊控制和专家控制二者各自的优缺点进行探讨,并利用Matlab仿真对比。结果表明,专家-模糊PID控制的控制性能明显优于传统PID控制系统,能很大程度地改善系统的动态特性,使得系统更快地进入稳定状态,具有良好的鲁棒性。     

纸浆浓度的PID控制优化的研究

提出采用遗传算法去优化纸浆浓度的PID控制参数。仿真结果表明:通过遗传算法得到的PID控制参数与Zieglar-Nichols方法相比,该方法得到的PID控制器在纸浆浓度控制中超调小,过渡时间短,控制更平稳,能获得更好的控制效果。     

基于免疫-单神经元PID算法的纸浆浓度控制

针对单神经元PID算法中的增益K不能自调整引起的动态响应慢的问题,提出了一种将免疫算法与单神经元PID算法相结合的控制算法——免疫-单神元PID算法。依据T细胞免疫机理调节单神经元PID算法中的增益K,使增益K获得自调整功能,以改善单神经元PID算法的动态性能,提高其学习速度。仿真结果表明,该算法可克服纸浆浓度控制过程中存在的多干扰性、时变性、非线性等缺点,能够满足纸浆浓度控制的稳定性、快速性要求。与单神经元PID算法相比,该算法响应速度具有明显的优越性,并具备了单神经元PID算法本身较强的抗干扰能力以及自学习自适应的能力。“THJSK-1”平台上的实时控制也验证了免疫-单神经元PID算法的可行性。     

基于变论域模糊PID的纸浆浓度控制系统研究

针对传统模糊PID控制器因变量论域、比例因子、量化因子等参数设置固定不能实现纸浆浓度精确控制的问题,本课题提出将变论域思想与模糊PID控制相结合的变论域模糊PID控制算法。首先在模糊控制器中引入论域伸缩因子使模糊控制器输入输出变量的论域范围随纸浆浓度误差及误差变化率进行伸缩调整,以提高模糊控制器的控制精度;然后利用变论域模糊控制器对PID的3个参数进行调整,实现PID控制器的实时在线整定。仿真结果表明,变论域模糊PID控制算法可以有效地克服纸浆浓度控制过程存在的时变性、多干扰、时滞性缺点,能够实现纸浆浓度控制的稳定性和精确性。现场实际应用表明,应用变论域模糊PID控制算法的控制系统可将上浆浓度误差控制由±0. 3%降为±0. 025%以内。     

基于BP神经网络自抗扰控制的放卷张力控制系统

文章为提高轧染机放卷系统对张力控制的稳定性,通过结合BP神经网络算法和自抗扰控制提出一种放卷张力控制方法。根据放卷的运行机理,建立其数学模型,并推导出系统的动态解耦和静态解耦模型,设计了自抗扰控制器。在自抗扰技术的基础上,引入BP神经网络对非线性组合部分的参数进行整定,得到BP神经网络自抗扰控制器。通过仿真实验与PID控制器对比发现,该控制器实现了放卷系统张力的解耦并且能保证织物张力的稳定,能够抑制系统内部参数变化引起的张力波动以及具有良好的抗干扰性能,同时为织物的恒张力印染做出了充分的准备。     

基于BP神经网络算法的食品烘干机温度控制

以自动链板式茶叶烘干机为研究对象,为降低燃煤热风炉能耗、提高热效率、提高烘干机温度控制精度,提升茶叶品质,提出了一种基于改进BP神经网络的控制策略。分析了烘干机的结构和控制原理,在此基础上将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数K_i、K_p、K_d,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。仿真结果表明,该控制方法响应速度快,超调量小,从而实现对热风温度的恒温控制。     

纸浆浓度控制系统的设计

介绍了应用自整定PID控制的纸浆浓度控制系统的设计。首先建立纸前沿浓度控制的数字模型，包括干扰和参数变化的分析，在此基础上进行了自整定PID控制器的设计。通过固定参数PID控制器和自整定PID控制器实际运行效果的比较，表明设计的自整定PID控制器具有很高的性能。实际运行结果表明，系统可以实现初次应用时控制参数自整定和过程参数变化情况下控制参数自整定，保证系统一直在最优状态运行。     

BP神经网络在数控伺服系统中的应用

在分析三环伺服系统的基础上,针对传统PID控制的不足,将BP神经网络与常规PID控制相结合,提出了一种基于BP算法的PID控制新策略,通过编写有关程序,应用Matlab进行仿真运行.仿真实验表明系统跟随输出响应迅速,超调小,调速精度高,且能适时对参数进行在线调整,表现了很好的自适应性和鲁棒性,能很好地满足系统设计要求.     

试论PID控制器的参数整定

PID控制算法在工业控制领域中应用广泛,但在实际应用中,其参数整定问题一直是一个尚未完全解决的难点。文章介绍了BP神经网络的基本原理,对神经网络模型进行构建,在构建过程中通过相关方法对权系数进行有效修正,同时对PID参数进行整定,运用matlab软件对一个实例进行了仿真研究,分析了BP神经网络学习速率,隐层节点数对控制效果的影响。     

基于单神经元PSD的纸浆浓度控制算法研究

稳定的纸浆浓度是保证纸张质量的重要因素,但是纸浆浓度本身又处于长期不可预测的波动中。针对常规方法无法解决纸浆浓度模型的不确定、大时滞、时变性等特点带来的控制问题,提出了一种单神经元PSD的控制算法。利用增益自调整中的PSD算法改善单神经元响应慢的特性,使其增益具有自调整功能,设计出一种不依赖模型、实时性好的快速自适应控制算法。在Simulink中,调用s函数进行仿真,结果表明,与单神经元控制算法以及常规PID算法相比,改进的PSD控制算法响应速度快,并有较强的抗干扰性和自适应性。THJSK-1平台中的控制研究也表明该算法具有可行性。     

基于神经网络PID的复卷机双轴转速控制研究

为了提高复卷机的转速控制精度和张力稳定性,提出了一种基于BP神经网络的改进型PID控制算法。对复卷机建立运动学方程和电机模型,推导出放卷辊和中心辊的转速与复卷速度和张力值之间的关系函数,利用两轴的转速差对复卷机张力进行调节,利用BP神经网络自学习和非线性运算能力,通过对输出转速误差及误差微分的输入训练,实现对控制参数的优化调整。仿真表明,与经典PID控制器相比,神经网络PID控制器具有更快的响应速度和更高的抗扰能力,提升了系统的自适应性和鲁棒性。     

改进的PID神经网络在黑液液位控制中的应用

针对黑液液位控制系统的非线性、大惯性及时变性的特点,对PID神经网络（PIDNN）在黑液液位控制中的可行性进行了深入研究与探讨。通过Matlab仿真,比较了常规PID算法、基于BP的神经网络算法和PIDNN算法对黑液液位的控制效果,验证了PIDNN算法的良好自适应性和鲁棒性。     

MDF施胶系统模糊神经网络PID控制

针对中密度纤维板(MDF)施胶系统中存在的非线性、纯滞后等现象,提出一种模糊神经网络PID控制方法。系统采用模糊神经网络控制器和PID控制器相结合的结构,改进了模糊神经网络自学习的能力,能够实时整定PID控制器的参数,提高控制系统的精度。仿真结果表明,模糊神经网络PID控制系统能够提高MDF施胶系统的响应速度和抗干扰能力,并且使MDF施胶系统具有较好的控制效果与控制精度。     

基于神经网络PID的番茄室温环境控制

番茄在温室环境中种植时,温度、湿度、CO_2浓度是影响番茄品质的重要因素。番茄温室环境通常是一个非线性、时变性、滞后性复杂系统,采用传统PID对温度、湿度、CO_2浓度进行控制效果并不理想。为提高番茄温室环境控制效果,设计一种基于神经网络PID的自适应控制方法。介绍番茄温室控制方案,结合控制方案设计控制系统硬件。为提高温室系统自适应能力,将神经网络自学习算法与PID算法相结合,实现PID参数的在线自适应调整。仿真结果表明,该控制方法与传统PID控制方法相比,大幅降低系统收敛时间,控制精度得到大幅提高。     

飞机舵机电液伺服系统多余力抑制方法研究

针对飞机舵机电液伺服系统在加载过程中出现易出现加载频宽窄,响应速度慢、稳定性差、加载精度低等问题,采用BP神经网络PID控制与结构不变性原理相结合的控制方法。该方法基于BP神经网络的参数自整定原理调节系统参数,再根据结构不变性原理控制器。仿真结果表明,该控制方法不仅能有效抑制多余力的干扰,而且可以显著提高飞机舵机电液伺服系统的控制性能。