共查询到20条相似文献,搜索用时 265 毫秒
1.
2.
针对烧结混合料自动加水控制的难点,尤其是在烧结配料过程中自动加水系统的大滞后、非线性、低稳定性问题进行了加水控制算法研究。采用内环和外环方案分别控制两级混合机加水,设计基于粒子群优化(particle swarm optimization, PSO)算法优化BP(back propagation)神经网络联合模糊PID控制模型以解决时变、非线性系统的局限性问题。通过PSO算法对BP神经网络进行训练优化以获得最优控制参数,将预测的烧结料水分加入模型参与下一步控制。考虑系统存在较大延时,Simulink仿真中同步加入延时环节。仿真结果表明,相比BP神经网络模型,PSO-BP预测模型的拟合性能更加优越;相比PID、BP-PID控制算法,PSO-BP-PID控制算法在超调量、响应时间以及震荡周期等指标上均有显著提高。经梅钢4号烧结机实际应用数据表明,相比传统PID控制,PSO-BP-PID控制平均误差下降约45.75%,控制标准差下降约62.72%,可以明显提高混合料水分控制的精准度、稳定性、敏捷性,提高烧结过程的稳定性。 相似文献
3.
针对蚁群算法搜索时间长、易于出现早熟、停滞等问题,引入免疫信息处理机制,该方法通过抗体之间的亲和力反映种群的多样性,同时对蚁群的状态转移规则和信息素更新规则进行改进。针对BP神经网络收敛速度慢的问题,采用改进蚁群免疫算法对PID神经网络控制器的权值进行整定。仿真结果表明,改进蚁群免疫算法在收敛路径长度和收敛速度上均比传统蚁群算法效果更佳,并且与传统PIDNN(PID Neural Network)控制器相比,改进蚁群免疫算法的PID神经网络加热炉控制具有较快的收敛速度和较小的超调量,其暂态性能和稳态性能均得到有效改善。 相似文献
4.
5.
6.
7.
由于普通广义预测控制在快速性方面存在局限性,本文提出一种基于BP神经网络的(GPC)算法,该算法用训练好的BP去解决GPC算法中的丢潘图方程求解、大矩阵的求解、求逆等复杂运算.本文将该法用于冷连轧机快速系统中进行仿真,结果表明,该算法比普通的GPC算法速度提高了很多,具有很好的控制性能. 相似文献
8.
9.
依据矢量控制的基本原理和方法,用Matlab/Simulink模块构建了一个基于转子磁场定向的旋转坐标系下的具有转矩、磁链闭环的交流异步电机矢量控制系统仿真模型,其速度控制器采用基于BP神经网络的PID原理设计,并且转矩和磁链的闭环也均采用带限幅的PI调节器,并对其进行仿真研究.仿真结果表明了该设计的可行性以及带有转矩和磁链闭环控制的控制系统具有良好的性能. 相似文献
10.
11.
针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法.采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数的在线调整信息,并由单神经元PlD控制器完成控制器参数的在线自整定,从而实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性. 相似文献
12.
针对传统BP算法采用梯度下降算法存在的易陷入局部极小、收敛速度慢等缺点,本文提出了一种基于小波变换和PSO-BP神经网络的电能质量扰动分类方法.用PSCAD/EMTDC仿真几种典型的电能质量扰动,并利用小波变换进行多尺度分解,得到各尺度上信号的能量特征,输入PSO-BP神经网络,实现扰动的分类.仿真结果表明该方法较BP网络收敛迅速,容易达到训练要求,同时该方法具有分类速度快,精确度较高等优点. 相似文献
13.
一种基于模糊神经网络FNN在加热炉温度控制中的应用 总被引:2,自引:0,他引:2
从实际出发,以昆明钢铁集团公司中板厂加热炉为研究对象,对具有时变性、非线性、模糊性的随机过程进行了研究。着重研究了神经网络与模糊系统融合的可行性及融合方式,采用了一种新型的智能控制方案——模糊神经网络控制。对提出的模糊神经网络控制算法进行了仿真试验,仿真结果表明,对比PID控制和自整定PID控制,采用本文所提出的模糊神经网络控制算法对加热炉进行控制,具有推理速度快,跟踪性能好,抗干扰能力强的优点,它完全能够满足工业生产需要,具有较强的可行性和实用性。 相似文献
14.
15.
结合解耦理论和神经网络的思想,介绍了一种由神经元实现的解耦算法,并依据这种算法设计了一种磨煤机控制系统,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. 相似文献
16.
对于非线性、时变性的工业对象,采用模糊神经网络整定PID参数,提高了传统PID控制的自适应能力。仿真结果及其应用表明,其控制性能优于一般PID的控制性能。 相似文献
17.
18.
19.
提出使用BP神经网络算法建立烧结工艺终点预测模型,并使用仿真手段对网络进行验证。BP神经网络预测模型可以在较短的时间内完成训练,预测结果与期望值误差小。仿真结果表明,该方法可以用于解决烧结终点预测问题,对烧结生产过程有良好的指导意义。 相似文献
20.
bp神经网络在钢铁工业中的应用 总被引:1,自引:0,他引:1
张修群 《金属材料与冶金工程》2012,40(2):59-63
BP神经网络是近年来发展起来的一种模仿人脑神经网络行为特征,进行分布式并行信息处理的算法数学模型,在钢铁工业中有着广泛的应用前景.据此,介绍了BP(Back propagation)神经网络的基本工作原理、特点及其网络结构和工作方式等,主要针对BP神经网络在钢铁工业中的应用进行了概述,并指出了其局限性及发展前景. 相似文献