基于MATLAB的遗传神经网络在自适应PID控制器中的应用

将遗传算法和神经网络有机地结合起来,利用MATLAB的工程计算和图像处理功能方便有效地实现PID参数控制系统的设计和计算机仿真。     

神经网络PID控制器在山梨醇生产中的应用研究

在山梨醇化工生产过程中,针对结晶过程温控系统存在大滞后和模型不确定的特性,利用BP神经网络所具有的自学习和任意非线性表达能力,提出了用BP神经网络自整定PID参数的控制策略,对结晶过程温控系统进行控制,并用MATLAB软件进行仿真研究。仿真结果表明：基于BP神经网络的PID控制器具有很强的适应性,可获得满意的控制效果。     

遗传算法在PID参数整定中的应用

针对传统PID参数整定的困难性 ,本文提出了把遗传算法运用于PID参数整定中 ,采用遗传算法进行PID参数整定是一种寻求全局最优且与初始条件无关的优化方法。仿真结果表明基于遗传算法运的PID参数整定具有良好的控制特性。     

基于RBF神经网络的智能PID控制算法

针对工业中的纯滞后现象提出一种智能控制方法,在常规的PID控制器中引入Smith预估器,对纯滞后时间τ所产生的特性进行预估补偿,同时利用RBF神经网络对PID的参数进行自整定,在一定程度上增强了系统的鲁棒性和稳定性。实验证明,此控制方法对纯滞后工业对象进行控制可以得到良好的效果。     

基于BP神经网络整定的PID控制

为了改善传统PID控制器的控制效果，采用BP神经网络对PID参数进行自整定，并对该系统进行了仿真分析。仿真结果表明，采用BP神经网络整定的PID控制器具有良好的控制品质。     

自整定PID控制策略在温度控制中的应用

首先对常规PID控制和自整定PID控制策略做比较,介绍自整定PID控制策略在温度控制中的广泛应用,详细说明几种自整定PID控制的参数设定方法的设计特点、基本原理和设计过程。然后提出应用自整定PID控制策略在设计中注意的几点问题。最后以一温度控制系统为例,采用上述方法设计温度控制器,计算和仿真结果表明自整定PID控制策略是一种设计温度控制器的有效方法。     

基于BP神经网络的PID控制器在温控系统中的应用

工业中的温控对象普遍具有大时滞、非线性和时变性等特点,采用传统的PID控制器难以取得满意的效果。基于BP神经网络的PID控制器具有逼近任意非线性函数的能力,能实现对PID控制器的参数Kp,KI,KD的实时在线整定,使系统具有更好的鲁棒性和自适应性,其输出也可以通过在线调整达到预期的控制精度,适用于温控系统。实验结果表明,该控制器具有抗干扰能力强、鲁棒性好等特点。     

基于小波神经网络的PID整定与应用

提出了一种基于小波神经网络整定的PID控制方法。由于小波变换具有良好的时频局部特性，神经网络具有强大的非线性映射能力，自学习、自适应等优势，采用规范正交的小波函数作为神经网络的基函数构成小波神经网络。该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力，自学习、自适应能力等优点，渗碳炉控制实验结果表明．用该方法整定的PID控制系统收敛速度快。逼近精度高，鲁棒性好。     

基于RBF网络的PID参数自整定控制器在恒压供水系统中的应用

针对变频恒压供水对象的非线性、不确定、大滞后的特点,设计了基于RBF网络的PID参数自整定控制器,该控制器能根据RBF网络辨识的Jacobian信息,采用梯度下降算法自动在线调整PID控制器的参数,达到自适应控制的目的,克服了传统PID控制设计中的参数调整困难的问题,同时控制系统的动态和静态性能有较大的提高。通过仿真验证了控制系统的有效性。     

基于BP神经网络PID控制的BLDCM调速系统

在分析无刷直流电机(BLDCM)数学模型的基础上,采用改进型BP神经网络与传统PID相结合作为速度控制器,应用于无刷直流电机调速系统中。在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制。仿真研究表明,应用这种新型控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度。     

模糊PID和Hopfield神经网络在矿井通风系统中的应用

针对传统的PID控制或者单一的模糊控制无法准确控制矿井通风系统风量的问题,提出了一种采用模糊PID调节器和Hopfield神经网络调节器对矿井通风机的转速、风门、风量进行控制的方法。该方法利用模糊控制器对PID参数进行实时修正,并结合Hopfield神经网络的联想记忆功能和反馈调节特性,实现矿井通风机风量的快速、稳定输出。仿真与实验结果表明,模糊PID调节器和Hopfield神经网络调节器可以准确控制矿井通风机的转速和风量,实现通风系统的稳定输出。     

基于PID算法的单闭环直流调速系统设计与实现

介绍了基于PID单闭环直流调速系统的设计方法。系统选用STC89C52单片机为控制器,并在此基础上完成了硬件设计。利用脉宽调制技术,解决直流调速系统中调节时间长、抗干扰能力差等问题,实现了对直流电机速度的控制。实验结果表明,该系统具有良好的动静态性能,对负载的变化具有较强的鲁棒性。     

基于BP神经网络整定的PID控制

传统PID控制在控制系统中有广泛的应用,但是由于其在参数整定过程中对于对象模型过分依赖,并且参数一旦整定计算好后,在整个控制过程中都是固定不变的,而在实际系统中,由于系统状态和参数等发生变化时,过程中会出现状态和参数的不确定性,系统很难达到最佳的控制效果．为了改善传统PID控制的效果,又充分利用现有PID控制的研究成果,采用BP神经网络对PID参数进行整定,并对该系统进行了仿真分析．仿真结果表明,采用BP神经网络整定的PID控制较传统PID算法及BP网络算法都有较大程度的提高．     

Hopfield神经网络在有限元求解中的应用

计算机本身固有的计算与存储之间是一对很难解决的矛盾,许多工程力学问题因计算规模大等原因还没有突破性进展,因此,需要发展新的理论与计算方法。通过对有限元求解方法和Hopfield神经网络的深入研究,在对Hopfield神经网络适当改造后,得到了有限元的神经网络计算方法,在电路实现中避免了采用高增益传递函数的假设,进而在理论上实现了有限元神经网络计算的无误差求解。     

Hopfield神经网络在机组组合问题中的应用

提出利用多层Hopfield神经网络求解机组组合优化问题。通过构造合适的能量函数使得单层Hopfield神经网络可以解决某一时刻的机组出力问题,与之相对应的多层神经网络可以解决任意时间段的机组出力问题。多层Hopfield神经网络的层数由所需求解问题的时间段确定。给出单层及多层神经网络的能量函数及求解算法,能量函数考虑到机组升降功率和出力上下限的约束。通过对已有文献的算例进行计算比对,所得结果和遗传算法基本一致,但Hopfield神经网络通过解微分方程组来确定最优解,计算时间相对较少。     

基于MatlabGUI的直流电机PID调速系统的设计

基于MatlabGUI（图形用户界面）设计了一种以单片机为控制核心的直流电机PID调速系统。利用GUI作为上位机对单片机采集的信息进行处理,实现电机转速的波形显示、存储、PID控制等功能。由于该系统的PWM信号由专门PWM芯片产生,因此降低了单片机程序的复杂程度,提高了系统的可靠性和控制精度。实验结果表明,该系统运行稳定,界面的人机交互性好,操作简单方便。在对PID参数的选定中可提高对PID算法和电机性能的直观认识,对自动控制、电机拖动等研究领域具有一定的现实意义．     

基于单神经元PID的航空发动机解耦控制

将神经网络应用到PID控制器的参数整定过程中,提出了一种基于改进单神经元PID的航空发动机解耦控制方法,通过在航空涡扇发动机多变量控制系统中的应用,得出了实际的仿真结果及结论。仿真结果表明,该改进单神经元PID解耦控制方法与传统的PID多变量解耦相比,具有响应速度快,自适应能力强,抗干扰能力强,实现简单的优点,因而可以广泛的应用于非线性系统的解耦控制中。     

基于Hopfield 神经网络的污水处理过程优化控制

针对前置反硝化污水处理过程的优化控制问题,提出一种基于拉格朗日乘子法的Hofield神经网络优化方法.构造了污水处理过程约束优化问题的数学表达式,通过Hopfield神经网络优化计算生化池第5分区溶解氧浓度和第2分区硝态氮浓度的设定值,并采用PID控制器实现底层的跟踪控制.基于国际标准的Benchmark基准仿真平台进行仿真实验,结果表明污水处理系统在出水关键水质达标的基础上,能够显著降低能耗.     

一种基于过程神经元网络辨识的PID控制模型及方法

针对非线性动态系统PID过程控制问题,提出了一种基于过程神经元网络辨识的PID参数自适应整定的控制模型和方法。利用过程神经元网络对于动态系统时变输入/输出信号的学习机制,在某种最优控制律下通过对被控对象进行辨识来追踪被控对象的输出对控制输入变化的灵敏度信息,实现参数自适应匹配的PID控制。给出了基于过程神经元网络辨识的PID控制系统结构以及相应的实现机制,实验结果验证了模型和算法的有效性。