基于模糊RBF神经网络的PID控制方法及应用

针对常规PID控制参数固定难于满足时变不确定非线性系统的控制要求,利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊RBF神经网络的PID控制方法,实现了对PID参数的实时在线整定。将算法运用到柴油发电机调速系统的PID参数寻优中,MATLAB仿真试验结果表明,模糊RBF神经网络的PID控制具有更好的动静态特性和抗干扰性能,提高了对非线性时变被控对象的控制效果。     

基于神经网络自适应的吸收塔浆液PH值控制

为提高吸收塔浆液PH值控制系统的自适应能力以抵抗系统非线性及干扰的影响,提出了基于小脑神经网络的自适应PID控制器。推导了小脑神经网络自适应控制器,考虑到高阶微分对噪声的敏感性,控制器中只保留比例、积分和微分项,该鲁棒控制器兼有PID控制性能。为了验证鲁棒自适应PID控制器的性能,与常规PID和模糊自适应PID控制器作阶跃响应和抗干扰性能进行了对比,结果表明了鲁棒自适应PID控制器的优越性。     

渔网机张力控制技术研究

针对渔网机张力控制系统参数整定难、抗干扰能力弱等问题,采用模糊PID控制方法,对张力控制系统的多变量、非线性、时滞性等方面进行了研究,分析了渔网机经线张力数学模型以及张力波动的主要影响因素。将常规PID控制与模糊控制相结合,确定了模糊控制中的隶属度函数、模糊控制规则表,在Simulink模块中对常规PID控制以及模糊PID控制分别建立了仿真模型进行仿真实验,最后将该控制方法运用到收放卷平台样机上,测试了系统的性能。实验结果表明:该控制方法可有效提高系统响应速度、抗干扰性与稳定性,可实现渔网机经线张力的稳定控制。     

基于模糊BP网络的自适应PID控制

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于模糊BP神经网络的PID控制算法,采用模糊规则自动地调节BP神经网络训练过程的学习参数,利用神经网络较强的学习能力和模糊控制在模型未知或不精确前提下的控制能力,将其应用到PID控制中[1],实现了PID控制参数的在线调整和优化,并对其在非线性离散系统中的应用进行了仿真。实验结果表明该算法性能优良,加快了系统响应速度,减少了超调量,适用于纯滞后非线性系统。     

嵌入式纱线张力控制系统设计

针对纱线张力在纺织过程中波动的问题,采用主动退绕式张力产生结构,运用模糊PID控制算法,设计了一种基于STM32的嵌入式纱线张力控制系统。主动退绕式结构是通过控制两个电机之间的转速差间接控制纱线张力,提高纱线张力的稳定性。通过建立其数学模型,设计了系统控制方案与硬件电路。运用模糊PID控制,提高了系统对于非线性时变信号的自适应性。通过MATLAB/Simulink进行模糊PID控制算法仿真研究,并与常规PID控制进行比较,结果表明,在同一参数条件下,模糊PID较常规PID超调量减少了21%,调整时间减少了1s。     

基于模糊神经网络的中频感应加热电源的研究

通过对原有感应加热电源温度控制方法的分析,提出了一种适合于非线性系统基于模糊神经网络的温度控制方法。与传统的控制策略相比,模糊神经网络控制具有不依赖控制对象精确的数学模型,较强的鲁棒性,控制方式简便等优点。实验证明:该加热方法优于常规PID和模糊PID,可获得良好的动态特性,具有稳态精度高,功率调节范围宽,工作稳定可靠的优点。     

金属板材加工张力控制的模糊PID方法

针对金属板材加工张力PID控制参数频繁调整的问题,采用现代模糊理论与PID控制算法相结合,给出一种基于板材加工的模糊PID张力控制方法。文章在简要介绍张力控制系统基本框架的基础上,着重描述PID参数调整原则及模糊PID控制器的整个设计过程。经过仿真分析与实际试运行表明,所设计的模糊PID张力控制算法有效可行,系统不仅实现了在线自整定PID参数的目的,而且具有较好的自适应能力,控制效果比较理想。     

基于模糊神经网络的络筒机纱线张力控制系统的研究

针对络筒机的纱线张力不稳定性问题,结合模糊系统的鲁棒性、容错性以及神经网络学习能力强的特点,提出了应用模糊神经网络控制器控制纱线张力的方法。开展了纱线张力控制系统、神经网络和模糊控制算法的分析,建立了模糊控制系统和神经网络之间的关系,设计了基于模糊神经网络的纱线张力控制器,应用MATLAB软件仿真验证了基于模糊神经网络的络筒机纱线张力控制系统的可行性。研究结果表明,与线性插值模糊控制效果相比,模糊神经网络控制作用下的系统超调量小,调节时间快,稳定性好,具有一定使用价值。     

基于DEBP模糊神经网络的醇烯比值控制研究

在炼油厂轻汽油醚化系统中醇烯比值对烯烃转化率的影响较大,由于实际生产中醇烯比值控制过程具有非线性和大滞后特性,因此传统的PID控制方式对于醇烯比值的控制效果不够稳定。该文提出将基于DEBP算法的模糊神经网络用于轻汽油醚化系统醇烯比值的控制当中。对反应釜内的醇烯比值控制过程构建数学模型,建立模糊神经网络控制器,将差分进化算法与BP算法进行组合形成DEBP算法,利用此算法对模糊神经网络参数进行优化,仿真验证了基于DEBP算法的模糊神经网络控制比传统PID控制效果更好。     

定型机中单神经元自适应控制器的应用

介绍用PLC控制定型机张力的工作原理及PLC控制系统的组成：基于神经网络控制器(NNC）处理非线性方面问题的优势，提出了用单神经元自适应PID控制器及其算法实现对张力的控制；实验证明，利用这种算法对张力控制品质优于常规的PID控制器。