基于改进BP神经网络PID的无刷直流电动机速度控制的研究

引进模糊归一化控制策略，在线实时地调整与收敛速度密切相关的学习速率和动量系数，克服了BP网络收敛慢和容易陷入局部最小的缺点,并将改进的BP神经网络PID算法成功应用于无刷直流电动机速度控制中。仿真结果表明,改进BP神经网络PID使收敛变得更快，而且系统具有较强的鲁棒性和自适应能力。     

PLC在电热锅炉控制系统实验装置中的应用

采用两层网络拓扑结构，开发了基于以太网及现场总线的电热锅炉控制系统实验装置；阐述了SIEMENSS7300／400 PLC在电热锅炉控制应用中的系统解决方案、硬件配置及软件组态方法；介绍了电热锅炉控制系统实验装置所能完成的过程控制实验、耦合控制实验、模糊控制及神经网络实验；并利用BP神经网络调整PID参数，进一步完善了PID控制器的自适应性能。     

电梯用永磁同步电机BP神经网络PID调速控制方法的研究

为了使电梯能够更好的满足舒适性和快速性的要求,需要对电梯用PMSM的控制算法进行改进。本文在分析PMSM动态模型的基础上,将BP神经网络PID控制算法应用于PMSM调速系统并与PI控制的电机调速系统进行比较。仿真结果表明采用BP神经网络PID控制的永磁同步电机调速系统在动态性能上有明显的提高,且有良好的稳态精度。结合电梯速度曲线进行的仿真研究验证了BP神经网络PID控制算法用于电梯用PMSM调速系统的可行性。     

基于BP神经网络整定的PID控制器在汽温控制中的应用

通过将BP神经网络和常规PID控制器结合,提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用于主汽温控制,可以有效克服过热汽温对象的大滞后和大惯性,并能够克服对象在运行中参数变化的影响,获得良好的控制品质。仿真试验表明该系统在控制品质、鲁棒性方面明显优于常规PID控制系统。     

基于神经网络的SRM直接转矩控制系统仿真研究

文中采用直接转矩控制(DTC)方法有效的抑制了开关磁阻电机的转矩脉动。并将基于神经网络自适应PID控制的电机调速系统应用于该直接转矩控制系统,解决了常规PID控制器难以取得良好控制效果的问题。其中主要介绍了BP神经网络自适应PID以及RBF神经网络自适应PID控制策略的基本原理以及算法,并对比了二者的响应速度和鲁棒性。仿真结果表明,在SR电机调速系统中,利用神经网络收敛迅速的优点,两种控制器均能实现对给定转速快速、稳定的跟踪,并能适应系统参数的变化,具有良好的适应性和鲁棒性。但RBF-PID调速系统响应速度更快,更适用于实时控制的系统。     

基于PLC的BP神经网络PID控制算法实现

本文研究BP神经网络PID控制算法在PLC中的具体实现方法。着重介绍了BP神经网络自整定PID控制系统结构和算法;以S7-1200 PLC为控制器,采用SCL语言进行了BP神经网络自整定PID控制算法功能块的设计,给出了功能块参数的说明;试验表明,相比常规PID控制,BP神经网络自整定PID控制能获得更好的控制效果,设计的算法功能块具有一定的通用性和可移植性,为先进控制算法拓展到工程实际领域提供了应用参考。     

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明：模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。     

新型智能PID控制的PMLSM调速系统研究

为进一步提高永磁直线电机调速系统的动静态性能,提出将BP神经网络与传统PID控制器相结合,以实现PID参数的最优化自整定。在研究常规BP神经网络的控制算法的基础上,对常规BP算法的学习速率和动量因子不能动态调整带来的缺陷进行分析,提出基于误差变化率的动态调整算法,实现对PID控制器参数的自寻优,并将算法应用于永磁直线电机矢量控制系统速度调节器中。仿真实验结果表明,改进后的基于BP神经网络PID控制算法与传统PI控制器相比,控制系统的动静态性能更优,稳定性更好,解决了由于参数整定困难而导致PID控制器性能不能达到最优化的问题。     

新型智能数字PID控制器及其应用

针对BP神经网络-PID控制器盲目选取PID参数初值容易陷入局部最小和给定值大幅变化引起系统性能变坏等问题,提出了一种新型智能数字PID控制器,用积分分离型数字PID取代BP神经网络-PID控制器的传统数字PID,抑制超调,改善系统性能;用继电器自整定法确定PID参数的初值,防止神经网络的局部极小问题。对时变和非时变非线性被控对象,分别用Marlab对新型智能数字PID和传统数字PID的控制效果进行了仿真。结果表明,新型智能数字PID控制器具有更好的控制效果和更好的鲁捧性。将该控制器用于某冶炼厂铅板生产中的铅液温度（坩锅温度）的控制,获得了满意的控制效果。     

基于神经网络自适应PID控制算法的原水预处理系统

原水预处理系统中传统PID控制器对V型滤池水箱水位控制存在超调大、稳态精度低等问题,本文设计了神经网络自适应PID控制算法,采用BP神经网络对PID参数进行自动整定,采用RBF神经网络对被控对象进行在线辨识,并在Compact Logix系列PLC上实现了神经网络自适应PID控制算法。将该算法用于原水预处理V型滤池水箱水位控制,实际控制效果表明:神经网络自适应PID控制算法控制精度高,鲁棒性好,大大提高了原水预处理系统的产水品质。     

BP-PID Control Applied in Evaporator of Organic Rankine Cycle System

According to the problem that the selection of traditional PID control parameters is too complicated in evaporator of Organic Rankine Cycle system (ORC), an evaporator PID controller based on BP neural network optimization is designed. Based on the control theory, the model of ORC evaporator is set up. The BP algorithm is used to control the , and parameters of the evaporator PID controller, so that the evaporator temperature can reach the optimal state quickly and steadily. The MATLAB software is used to simulate the traditional PID controller and the BP neural network PID controller. The experimental results show that the , and parameters of the BP neural network PID controller are 0.5677, 0.2970, and 0.1353, respectively. Therefore, the evaporator PID controller based on BP neural network optimization not only satisfies the requirements of the system performance, but also has better control parameters than the traditional PID controller.     

过热汽温模糊神经网络预测控制器的设计

针对锅炉过热汽温的特点，设计前馈—反馈串级复合型控制系统。主控制器采用基于神经网络预测模型的模糊神经控制，即该控制器首先是将神经网络与预测控制相结合，采用改进的递阶遗传算法对神经网络的权值和结构同时进行训练，实现了非线性、大时滞系统模型的精确预测；然后将模糊控制与神经网络相结合，实现模糊神经预测控制。副控制器采用二自由度PID控制器。仿真结果表明，该控制显著提高锅炉过热汽温这一非线性、大时滞系统的控制品质，且易于工程实现。     

BP神经网络整定的PID在机器人轨迹跟踪中的应用

充分利用BP神经网络能够逼近任意非线性系统的优点,将BP网络和PID控制相结合,解决了多关节机器人的运动轨迹跟踪问题.采用这种方法,可以在线实时调整PID控制器的参数,使其达到最优状态,克服了完全依靠经验离线调整PID参数的缺点,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.仿真实验证实了该控制策略的正确性和有效性.     

基于BP网络PID算法的恒压供水系统研究

采用神经网络控制理论与PID（比例、积分、微分）控制算法,设计一个基于SIMATIC CPU226 PLC的BP神经网络PID控制器。恒压控制系统由BP神经网络PID控制器、丹佛斯VLT2900变频器和水泵机组组成。解决了传统PID控制算法难以保证系统在任何工况条件下始终具有最佳控制性能的难题。试验结果表明：系统可以在线自整定PID参数,具有较好的自适应能力,控制效果比较理想。     

一种基于遗传算法和神经网络的PID控制

提出了一种融合遗传算法和神经网络的PID控制算法。该控制器先利用遗传算法对BP网络的初始权系数进行学习优化，再利用BP算法实现对PID参数在线调节，解决了控制器网络初始权系数对控制效果产生的影响，仿真结果表明了该控制方法的有效性。     

人工神经网络在火焰图像比色测温法中的应用

首先分析了基于火焰辐射图像的比色测温法在误差校正方面存在的问题,然后利用神经网络的BP算法在函数逼近方面的优良性质,提出了基于图像的神经网络逼近映射关系的比色测温法。该法现已用于实践：将训练结束的神经网络融入到测量系统,并在某流化床锅炉火检系统中进行了温度测量试验,取得了满意的结果。     

改进的BP神经网络PID控制器在温室环境控制中的研究

为了更好的实现对温室环境系统的智能控制,针对温室环境系统存在非线性、强耦合、大滞后、强时变等问题,在分析BP神经网络技术的基础上,提出并设计出一种基于遗传粒子群优化的BP神经网络PID控制器,该控制器结合遗传算法强全局搜索能力以及粒子群算法强局部搜索能力和收敛速度快的特点,对神经网络的权值进行优化,对温室环境系统起到了有效的控制。最后对常规和改进后的BP神经网络PID控制器进行仿真对比研究。仿真结果表明,经过改进后的BP神经网络PID控制有更好的稳定性和鲁棒性。     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

基于模糊神经网络PID的锅炉汽包水位控制

将基于模糊神经网络的PID控制器作为给水控制系统的锅炉汽包水位调节器,可实时整定PID控制器的参数,以适应控制系统的要求。仿真结果表明,基于模糊神经网络的PID给水控制系统的响应快速性、调节平稳性及抗干扰能力均优于常规的PID控制器。     

流化床锅炉燃烧系统的神经网络解耦控制

提出一种基于BP算法的人工神经网络解耦控制策略，并将其应用于流化床锅炉的燃烧系统中，其思想是在加入神经网络解耦环节以后，使得包括该解环节在内的广义被控对象的第一系统矩阵为对角矩阵，仿真结果证明，该策略能收到良好的控制效果，成功解决了主汽压力和料床温度的燃烧系统控制难题：即同时控制给煤量和一次送风量，有望用于循环流化床锅炉燃烧系统这类复杂过程的控制。