前馈神经网络的增广PIDBP学习算法

利用PID的控制思想，针对前馈神经网络标准BP学习算法慢的缺点，提出了增广PIDBP学习算法，并给出了仿真结果。     

粒子群优化算法优化BP神经网络联合PID模型的烧结自动加水控制

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。     

基于改进蚁群免疫算法的PIDNN加热炉温度控制

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。     

基于非线性预测模型的单神经元自适应PID板形控制

为了解决传统PID板形控制精度低、速度慢、抗干扰能力差等问题,将BP神经网络和单神经元引入到板形的控制中,提出一种基于BP神经网络预测模型的单神经元自适应PID控制的板形控制策略。利用BP神经网络的非线性逼近能力和单神经元的自学习、自适应能力,通过两者的有机结合寻找一个最佳的P、I、D非线性组合控制律,实现对带钢板形缺陷的有效控制。仿真实验结果表明,该控制算法能很好地跟踪板形的目标设定值,提高了系统的控制精度,加快了系统的响应速度,并且具备较强的抗干扰能力。     

BP神经网络模糊PID控制在加热炉煤气流量控制中的应用

钢厂中加热炉是一个复杂的受控对象,存在着非线性、时变性、纯滞后因素和不确定随机干扰等因素.从对其燃烧状况的分析来看,加热炉温度的调节主要是靠对煤气流量的控制来完成的,因而确立一种合理的煤气流量控制方案是实现加热炉燃烧智能化控制的关键.本文提出将模糊控制、PID控制和神经网络三种技术相结合,应用于煤气流量进行控制.仿真研究表明这种BP神经网络模糊PID控制在克服对象的大惯性、抗干扰性、非线性和纯滞后上,大大改善控制品质.     

基于神经网络的模糊控制在炼钢加热炉温度控制中的应用

钢厂加热炉是一个复杂的受控对象,存在着非线性、时变性、纯滞后因素和不确定随机干扰等因素.从对其燃烧状况的分析来看,加热炉温度的调节主要是靠对煤气流量的控制来完成的,因而确立一种合理的煤气流量控制方案是实现加热炉燃烧智能化控制的关键.提出了将模糊控制、PID控制和神经网络3种技术相结合,共同控制煤气流量.仿真研究结果表明,这种BP神经网络模糊PID控制在克服对象的大惯性、抗干扰性、非线性和纯滞后方面,大大改善了控制品质.     

一种基于神经网络的快速预测控制算法

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.     

基于BP神经网络的干熄焦CO自适应控制系统

由于干熄焦生产过程复杂多变,因此很难获得系统更具说服力的数据和运算形式,所以在传统的基础上现行的种种PID控制所达到的程度并不令人满意。为了克服上述缺陷,提出了基于BP神经网络的干熄焦CO自适应控制新方法。该方法通过BP神经网络对PID控制参数Kp、Ki和Kd进行在线优化控制,使得CO浓度控制在有效合理的区间范围内,从而达到了最佳性能指标,取得了良好的控制效果。     

交流异步电动机矢量变频调速系统的建模与仿真

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.     

多输出PID神经网络在碳化塔建模中的应用

碳化过程是纯碱生产中的关键反应.本文针对碳化过程的反应复杂、机理建模难的特点,提出了一种多输出PID神经网络的建模方法对碳化塔内温度分布进行非线性建模,并用梯度法训练该网络.文章讨论了多输出PID神经网络的结构和算法,通过仿真研究得出其良好的实用价值.     

基于动态RBF的单神经元PID控制研究

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.     

基于小波变换与PSO-BP神经网络的电能质量扰动分类

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.     

一种基于模糊神经网络FNN在加热炉温度控制中的应用

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。     

BP神经网络PID控制对液压伺服控制的改进

 热力模拟实验机的液压系统既要求工作在大流量区域,又要求工作在微小流量区域,需要在极宽的工作范围内精确地控制锤头的位移。基于热力模拟实验机液压伺服系统的低阻尼、时变性、非线性等特点,应用传统的PID控制器不能达到理想的控制效果。结合BP神经网络的PID控制理论根据锤头在不同位置的实际值、设定值及误差在线整定参数Kp、Ki、Kd,通过测试矩形波实际曲线与设定曲线的对比得出,基于BP神经网络的PID控制方法对液压伺服的控制有了很大改进。     

基于BP神经网络的球磨机自动控制系统

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.     

基于模糊神经网络的PID钢丝电接触运动加热温度控制

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。     

BP学习算法的应用研究与比较

本文比较研究了神经网络中常用的9种改进BP算法,针对4个应用于不同问题的神经网络进行训练,得出了各算法适应的环境.在此基础上,总结出了针对不同的实际问题,要根据网络的大小,应用方向(函数逼近,模式识别)以及误差精度要求等方面来选择合适的BP算法.在实际问题中的应用结果表明,恰当的BP算法能够对运算速度、泛化能力等得到较好的效果;神经网络的改进BP算法比较结果,对实际问题中选择恰当的算法提供了理论依据,有实用价值.     

神经网络预测控制在水源热泵空调中的应用

针对水源热泵空调中具有大惯性和大滞后等特性的温度控制系统,提出一种神经网络预测控制算法.仿真研究结果表明,该神经网络预测控制算法是切实可行的,这一控制方案比原PID控制在控制质量上有较大提高.     

基于神经网络的烧结终点预测模型

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。     

bp神经网络在钢铁工业中的应用

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.