线性预测模型BP神经网络PID控制算法的研究

针对经典PID控制参数整定困难和基本BP算法收敛速度慢、易陷入局部极小的缺点,提出一种基于线性预测模型BP神经网络的PID控制方法,重点阐述算法过程。最后在MATLAB软件上进行仿真,仿真结果表明该控制算法是有效的。     

基于BP神经网络的磁轴承PID控制算法研究

为解决单一PID控制时参数不可调、动态性能较差等问题,开发了BPPID控制算法.利用BP神经网络具有自学习和适应性强的特点,动态实时调整PID控制参数,改善磁轴承控制效果.通过仿真分析和试验研究,对比了BPPID控制算法和不完全微分PID控制算法的控制效果.研究结果表明,与不完全微分PID控制算法相比,BPPID控制算...     

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。     

改进BP神经网络PID多变量解耦控制器的设计

针对多变量系统间的耦合问题,设计了改进的BP神经网络与PID控制器相结合的多变量解耦控制器。在将BP神经网络附加动量项的基础上,还将激活函数进行了改进。利用神经网络的自学习能力,在线调整PID控制器的三个参数,实现了多变量系统的解耦控制。用Matlab软件对一个耦合系统模型进行仿真,结果表明,改进后神经网络PID控制器优于传统神经网络PID控制器,震荡小,系统响应速度快,可以得到满意的解耦效果。     

梯度法与BP神经网络的结合在机械优化设计中的应用

利用传统的优化设计方法，为BP神经网络的学习提供足够样本集，通过正向传播和误差反向传播建立BP神经网络的拓扑结构，实现了将BP神经网络应用于机械优化设计中，提高了优化的收敛速度。     

基于BP神经网络的PID控制器参数寻优

详细介绍BP神经网络对PID控制器参数寻优控制算法，用高斯核函数作为节点激励函数对系统进行控制。试验表明系统操作方便．安全可靠．控制效果好。     

一种基于BP神经网络的模糊PID控制算法研究

提出了一种基于神经网络自学习和并行处理的能力。利用模糊控制对未知模型不精确控制的功能来设计的PID控制算法,仿真实例表明能较好地实现PID控制器参数在线调整和优化。     

串连盘式管道连续输送系统基于BP神经网络PID结构控制

利用BP神经网络,建立新型的串连盘管道连续输送机和螺旋运输机组成一个输送系统网络模型,并结合PID结构控制器优化训练,时时调节网络的输出参数KP,KI,KD,来达到控制输出最佳值.通过MATLAB模拟仿真,得到很好的收敛.     

磁轴承BP神经网络PID控制算法研究

针对传统PID控制算法难以解决磁悬浮系统非线性的问题,设计一种BP神经网络PID控制算法。通过仿真分析与试验研究,比较普通PID控制算法与BP神经网络PID控制算法对磁悬浮系统的实际控制效果。研究结果表明：BP神经网络PID控制算法可以改善磁悬浮系统的静动态性能,并使系统具有自学习、自适应的能力。     

基于神经网络PID控制的系统非线性校正的研究

在对BP神经网络PID控制器系统研究的基础上，提出了单神经元的自适应PSD算法。该算法兼有单神经元和自适应PSD算法的特点，简单、实时性好、自适应能力强，可用于控制过程时变、有大滞后的较复杂的对象，是一种实用价值较高的自适应控制算法。文中采用BP神经网络PID控制与单神经元PSD自适应控制两种方法对压电式微位移系统进行非线性控制，并取得了良好的效果。     

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。     

基于模糊神经网络和遗传算法的仿人智能PID控制器设计

阐述一种新型的模糊神经网络加遗传算法的智能PID控制器     

基于BP神经网络的模型参考自适应PID控制器的研究

基于BP神经网络误差的传播机制,探讨建立在BP神经网络基础上的模型参考自适应控制与传统的PID控制相结合的控制方法,控制器通过在线的自学习不断进行适应性控制,以保证系统的输出符合期望的性能要求。用MATLAB软件仿真后表明,该方法具有方法简单,实时跟踪误差,易于实现等优点。     

基于BP神经网络的PID配料控制

针对配料作业生产过程中参数多、调节复杂等问题，设计了带有神经网络的PID控制器。该控制器在配料系统中的成功应用，可以消除生产过程中人为因素的影响，提高产品质量的均一性、稳定性。     

基于BP神经网络的物流预测方法

针对传统物流预测方法的局限性，研究了基于BP模型神经网络的物流预测方法，即依据历史数据建立BP神经网络对其进行训练形成物流预测模型。阐明了神经网络具有记忆、学习功能，能够很好地模拟物流发展趋势。大量预测结果的准确性表明基于神经网络的物流预测是一个行之有效的方法。     

基于改进型模糊神经网络PID阀位控制研究

针对调节阀控制系统在实际生产中存在的大滞后、非线性等问题,提出一种改进粒子群算法优化的模糊神经网络比例积分微分(PID)控制模型用于阀位控制,该模型利用模糊神经网络的自学习能力,实现对PID控制参数的实时在线整定,并且通过将改进粒子群算法与BP算法相结合的方式,实现对模糊神经网络参数的粗调和细调,克服了模糊神经网络收敛缓慢、易陷入局部最优的缺点;最后,利用MATLAB和AMESim软件进行联合仿真,仿真结果表明,该模型相比于其他两种算法在调节时间、超调量等性能方面都有很大的提升,并且表现出更强的鲁棒性和抗扰动能力,能够使阀位控制更加稳定可靠。     

基于BP神经网络的装载机自动换挡控制系统

利用专家给出的 2参数换挡规律对神经网络进行训练 ,得出装载机传动系统的BP神经网络模型。用此模型进行仿真控制试验 ,所得挡位与给定的换挡规律基本保持一致 ,说明利用神经网络控制装载机自动变速器换挡是可行的。     

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。