共查询到18条相似文献,搜索用时 62 毫秒
1.
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。 相似文献
2.
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... 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
梯度法与BP神经网络的结合在机械优化设计中的应用 总被引:2,自引:0,他引:2
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。 相似文献
6.
基于BP神经网络的PID控制器参数寻优 总被引:1,自引:0,他引:1
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。 相似文献
7.
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。 相似文献
8.
9.
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。 相似文献
10.
11.
基于模糊神经网络的精密角度定位PID控制 总被引:3,自引:0,他引:3
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。 相似文献
12.
13.
14.
15.
16.
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。 相似文献
17.
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。 相似文献