BP神经网络的液位PID控制及仿真

针对硫化镍矿选矿浮选工业过程中液位控制进行数学分析,建立BP预测模型并实施多浮选槽液位控制方法,利用目前工程领域流行的MATLAB 7.0中提供的神经网络工具箱,对网络模型进行训练和仿真,为有效抑制各槽液位扰动、实时调整各浮选槽液位和实现浮选指标的提高提供了有效的途径.仿真结果证明了BP神经网络对解决硫化镍矿浮选过程液位PID控制的有效性,具有广泛应用和推广的价值.     

基于BP神经网络PID控制的无刷直流电动机调速系统设计

本文主要针对无刷直流电动机调速系统的控制进行了相关研究。首先分析了无刷直流电机的工作原理及系统组成,然后融合BP神经网络及PID控制方法,设计了双闭环调速系统控制器,最后通过MATLAB/SIMULINK仿真研究,表明所提方法的有效性,系统具有良好的静动态性能。     

基于BP神经网络的PID优化控制研究

PID控制要取得较好的控制效果,就必须通过调整好比例、积分和微分三种控制的关系。本文提出一种基于BP神经网络的PID优化控制的方法,充分利用BP神经网络自学习、自适应、强大的泛化能力,弥补PID控制方法学习,适应能力的不足。将此方法应用于控制直流电机调速系统,仿真结果表明,此方法能提高系统的控制精度,具有良好的鲁棒性。     

基于BP神经网络的模糊PID控制器的设计

工业过程控制中广泛采用PID控制,但传统PID控制因其控制参数的固定,在线整定难等问题。为此本文研究了一种新的自适应模糊PID控制方法,为了解决模糊推理没有学习能力的问题,本文又提出了一种基于BP神经网络的自适应模糊控制方法。此方法是模糊控制、神经网络和PID控制的有效结合。仿真实验表明,这种基于BP神经网络的模糊PID控制算法具有良好的控制效果。     

基于优化BP神经网络的PID控制研究与仿真

PID控制要取得较好的控制效果．就必须通过调整好比例、积分和微分三种控制作用，形成控制量中既相互配合又相互制约的关系。优化BP神经网络是一种前向神经元网络，具有学习速率快、振荡小、精度高的优点，将其隐含层单元分别作为比例（P）、积分（I）、微分（D）单元。可以建立参数自学习的PID控制器。仿真结果表明基于优化BP神经网络的PID控制器具有较好的自学习和自适应性。     

BP神经网络PID的气动位置控制系统的研究

本文提出了一种将常规PID控制与BP神经网络相结合的自适应PID控制器,该控制器运用神经网络和BP算法实现了对PID参数的在线调整,利用变步长法和引入动量项来改进BP神经网络学习算法,有效减小了学习过程的振荡趋势,改善了收敛性,避免了学习过程陷入某些局部最小值,并将其用于在线调整气动位置伺服控制系统的PID参数,实现具有最佳组合的PID控制。MATLAB仿真表明,本文控制算法的静态特性、动态品质良好,鲁棒性强。     

基于神经网络的PID控制在陀螺稳定平台中的应用

提出一种基于神经网络的ＰＩＤ控制方法,并应用于陀螺稳定控制系统,给出了改进的ＢＰ算法。仿真结果显示,神经ＰＩＤ控制较常规ＰＩＤ控制有更好的效果。     

基于BP神经网络的温度模糊PID控制器设计

根据BP神经网络对温度控制的要求设计出一种模糊PID控制器,采用误差和误差变化率作为模糊PID控制器的输入,PID参数作为模糊PID控制器的输出,使用一组模糊规则实现对PID参数的在线优化调节。采用Simulink图形化工具平台对模糊PID控制器和传统的PID控制器进行建模和仿真,结果表明和传统PID控制器相比,模糊PID控制器性能优良,使系统响应速度加快,超调减小。     

基于神经网络的PID控制及其仿真

提出基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.这里采用三层前向网络、动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能.最后用Matlab软件对一个实例进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,它可以获得满意的控制效果.     

改进的广义预测控制算法在热力站控制中的应用

在集中供暖的热力站控制系统中,由于被控对象本身具有非线性、纯滞后、参数时变等特点,常规的PID控制器难以达到理想的温度控制效果.结合广义预测控制的优点,本文提出了一种基于遗忘因子递推增广最小二乘法的广义预测控制的算法.首先介绍了该算法的原理和控制器的设计方法,然后在系统参数突变的情况下进行了仿真研究.仿真结果表明该算法具有动态响应快、超调量小,稳态精度高的特点,而且稳定性和鲁棒性良好,适用于参数变化的大滞后热力站控制系统.     

基于BP神经网络的彩色图像边缘检测方法研究

本文主要研究了基于动量梯度下降算法的BP神经网络在彩色图像边缘检测中的应用,减少了样本训练的迭代次数,缩短了样本训练时间。同时开发了相应图形用户界面（GUI）,实现了将本文的算法与传统边缘检测算法的检测效果对比,显示不同算法的图像边缘检测效果,以及保存处理完成的图片等功能。     

基于BP神经网络的彩色图像边缘检测方法研究

本文主要研究了基于动量梯度下降算法的BP神经网络在彩色图像边缘检测中的应用,减少了样本训练的迭代次数,缩短了样本训练时间。同时开发了相应图形用户界面（GUI）,实现了将本文的算法与传统边缘检测算法的检测效果对比,显示不同算法的图像边缘检测效果,以及保存处理完成的图片等功能。     

基于MSP430和BP神经网络PID的跑步机控制系统

研发一种基于MSP430G2553单片机和基于BP神经网络PID的电动跑步机控制系统。按模块设计了主要硬件电路。为了提高调速性能,在电流速度双闭环中的速度环中采用了基于BP神经网络的PID控制算法。最后给出系统软件设计的流程图。实验结果表明,该系统能满足设计要求,并具有更好的性能。     

神经网络在GDP预测中的应用

GDP预测因其影响因素众多,且各影响因素之间又存在着非常复杂的非线性关系,传统的线性预测方法对其进行预测时结果并不理想。基于提高GDP预测精度的考虑,运用人工神经网络的相关理论,建立了基于BP神经网络的黑龙江省GDP预测模型。结果表明,将神经网络应用于GDP预测可获得较高的预测精度,具有一定的实用价值。     

基于MATLAB的自适应模糊PID控制系统计算机仿真

在分析自适应模糊控制及PID参数变化对系统性能影响的基础上,提出在动态过程中对PID参数进行整定。仿真研究表明,控制质量得到了提高。     

基于神经网络的VAV空调系统多区域解耦控制

分析变风量空调系统多区域运行时的耦合关系,针对变风量空调参数多变、强耦合的特点,提出了一种改进的误差反向传播算法的神经网络分散解耦控制方法,对送风量-室内温度进行解耦;然后采用基于BP神经网络的PID控制方法对解耦后的2个近似独立的单输入单输出系统进行控制。仿真结果表明,神经网络分散解耦算法具有很强的自学习功能和自适应解耦能力,控制系统响应快,稳态误差小,有效提高变风量空调系统的控制精度及性能指标。     

基于S函数的BP神经网络PID控制器及Simulink仿真

BP网络在人工神经网络中应用最为广泛,文中给出基于MATLAB语言的BP神经网络PID控制器的S函数实现,在此基础上建立BP神经网络PID控制器的Simulink仿真模型,最后给出了该仿真模型应用在非线性对象中的仿真结果.     

基才PSO—BP神经网络的PID控制器参数优化方法

针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题,结合BP神经网络自学习和自适应能力强等特点,提出采用BP神经网络优化PID控制器参数。其次,为了加快BP神经网络学习收敛速度,防止其陷入局部极小点,提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后,给出了PSO—BP算法整定优化PID控制器参数的详细步骤和流程图。并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。     

一种基于BP神经网络算法PID控制器的研究与仿真

文中将BP神经网络的原理应用于参数辨识过程,结合传统的PID控制算法,形成一种改进型BP神经网络PID控制算法。该算法利用BP神经网络建立系统参数模型,能够跟踪被控对象的变化,取得较高的辨识精度。针对BP神经网络对权系初始值敏感的缺点,优化BP神经网络的初始权系数。通过BP算法修正BP网络自身权系数,实现PID参数的在线调整。仿真结果显示了该算法收敛速度快、精度高、鲁棒性强、稳定性好,表明了该算法的可行性与有效性。