无刷直流电机的模糊神经网络控制设计

在无刷直流电机(BLDCM)的控制上,传统PID等控制方法存在或多或少的不足.在模糊PID控制的基础上提出了一种模糊神经网络PI控制器的设计方法.该方法结合了模糊逻辑与神经网络,使得模糊控制器模拟了人的控制功能,不仅对环境变化有较强的适应能力,还拥有自学习能力.相比模糊PID控制,其具有计算量小、稳定性强等特点.对BLDCM进行建模与分析;在BLDCM数学模型的基础上,分别设计模糊PID控制器和模糊神经网络PI控制器;对设计的控制器进行仿真验证并分析.实验结果表明,模糊神经网络PI控制具有跟踪性能好、超调小、响应快、脉动小等优点,其动静态特性均优于模糊PID控制.     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于PSO-BP神经网络的临时支架支撑力自适应控制

为了使临时支架的支撑力更好地与矿压相适应,提高支架的支护能力,以双联自移式临时支架为研究对象,提出了基于粒子群优化（PSO）-BP神经网络的临时支架支撑力自适应控制方法。利用PSO算法的全局搜索能力及快速收敛特性对BP神经网络的初始权值进行优化,提高BP神经网络的收敛速度;再通过优化后的BP神经网络实现PID参数在线自调整,构建PSO-BP神经网络优化PID控制器,使临时支架的支撑力更快速、准确地达到预定值,实现临时支架支撑力自适应控制,避免因支护力和顶板压力不匹配而对顶板造成破坏。用单位阶跃信号模拟临时支护支架的期望初撑力进行实验验证,结果表明,与BP神经网络优化PID控制器及传统PID控制器相比,PSO-BP神经网络优化PID控制器可以更快、更准确地达到预期的初撑力,调整时间仅为0.5s且基本不存在超调。根据实际地质条件仿真模拟开挖支护过程中支架受到的顶板压力,研究3种控制器的支撑力自适应控制效果,结果表明,在PSO-BP神经网络优化PID控制器的控制下,系统误差仅为0.02 MPa,误差最小,控制效果最好。     

基于BP神经网络的贴片机运动精度控制

将BP神经网络PID控制方法应用于贴片机运动精度控制器设计;针对传统PID控制器参数难以整定等问题,提出了BP神经网络和PID控制器相结合的方法,该方法既有常规PID控制器结构简单的特点,又有BP神经网络自适应、自学习以及逼近任意函数的能力;首先根据伺服电动机的工作原理建立了电枢控制伺服电动机模型传递函数,在此基础上建立了贴片机单关节轴位置控制器模型传递函数;其次描述了BP神经网络和PID控制器相结合的控制模型,并对具体的控制算法进行了定义;最后利用MATLAB仿真工具对贴片机单关节位置控制进行了仿真;仿真结果表明,结合BP神经网络的PID控制系统提高了系统的稳定性、快速性和动态性能并获得很好的控制效果。     

刨花板热压控制系统BP神经网络整定PID控制

针对刨花板热压控制系统中热压控制存在的非线性、纯滞后和时变性等现象,根据BP神经网络PID和常规PID控制的控制思想,提出了BP神经网络PID的控制策略,实现了对PID参数的在线自整定,完善了PID控制器的性能,提高了系统的控制精度.仿真结果表明,与常规PID控制器相比,该控制器明显提高了热压控制系统的动态性能和稳定性...     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

基于BP神经网络PID控制的恒流充电控制系统

针对传统PID控制在储能电容恒流充电中不能实现控制参数非线性动态整定的问题,提出了一种基于BP神经网络PID控制的恒流充电控制方法.首先介绍了传统PID控制,并与BP神经网络PID控制进行了对比和分析,然后确定了BP神经网络的模型,并计算了三层BP神经网络的权值系数,最后使PID控制器输出了调节系数KP、KI、KD.由...     

基于神经网络的恒温控制系统的研究与设计

由于恒温控制的数学模型很难建立,针对这一难题提出了基于神经网络的PID控制器,侧重介绍了BP神经网络PID控制器算法的基本知识以及控制器的设计原理,通过实验仿真证明了神经网络PID控制器的控制效果比传统的PID控制在静态特性和动态特性方面都有所提高,而且具有较好的鲁棒性,该控制器在工业控制中将会发挥越来越大的作用.     

基于BP+RBF神经网络PID高压热动力试验台研制

针对高压热动力试验台测控系统需要控制的参数多,控制任务要求复杂,控制精度要求高,且各参数间存在耦合的情况,提出了基于BP+RBF神经网络PID的智能控制的方法;应用智能控制的方法解决传统的PID控制无法解决的问题;实际应用表明基于BP神经网络整定的PID控制器具有较好的自学习和自适应性,能保证控制精度等要求,控制效果比较令人满意。     

基于BP网络的PID控制在滑油压力气动控制中的应用

根据实验室现场对控制的要求,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。把该控制器应用于某航空发动机燃油泵调节器滑油压力控制中,实验结果表明,与传统数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁棒性。     

直升机智能PID控制研究

针对直升机俯仰角度控制和旋转轴速度控制需求,对模糊PID控制、神经网络PID控制和免疫PID控制在不同控制规律下的系统控制效果进行了对比研究。仿真实验表明,神经网络PID控制器准确性最高,系统响应无误差,稳定性较好,但响应时间较长;模糊PID控制器系统动态响应时间较快,系统稳定性相对最好,但存在微量误差;免疫PID控制器控制直升机旋转轴时,系统响应速度和稳定性明显优于其他两类控制器,但对俯仰角控制效果差。     

BP神经网络模型预测控制算法的仿真研究

为克服被控对象参数变化导致控制精度降低的问题,研究了一种BP神经网络模型预测控制算法。借助最小二乘递推算法在线预测系统模型参数,利用BP神经网络在线预测PID参数以控制被控对象。该算法基于模型预测,首先在线性系统中验证其控制效果,然后将非线性问题作线性处理,采用BP神经网络模型预测PID控制器予以实现控制非线性系统。仿真曲线显示BP神经网络PID控制器用于线性系统可达到高精度控制要求;对于非线性系统有自适应及逼近任意函数的能力。仿真研究表明,该算法与传统BP神经网络PID控制器相比,其自适应能力更强,稳定性更好,控制精度更高。     

基于BP神经网络的汽包建模及其控制器设计

针对锅炉汽包系统的强耦合性和非线性及传统的PID控制方法存在控制精度低、调节时间长等问题,提出了利用基于数据的建模方法,对汽包系统进行误差反向传播(BP)神经网络建模,并对神经网络模型进行泛化能力测试,然后利用基于BP神经网络的PID控制方法设计汽包液位优化控制器.实验仿真结果表明,基于BP神经网络建立的汽包模型具有较好的泛化能力,神经网络PID优化控制器在控制精度高、收敛速度快和鲁棒性强等方面都优于传统PID控制器.     

基于CAFSA-FNN的扭矩加载系统控制研究*

针对磁粉制动器扭矩加载系统的非线性和滞后性,提出了一种基于混沌人工鱼群-模糊神经网络(CAFSA-FNN)PID控制器。该控制器采用基于Mamdani模型的模糊神经网络来整定PID控制器的控制参数,并结合混沌人工鱼群算法离线粗调和BP算法在线细调来学习和调整模糊神经网络的参数。利用Matlab进行离线仿真优化,在此基础上使用PID控制器、模糊神经网络控制器、人工鱼群-模糊神经网络控制器以及本文设计的控制器进行磁粉制动器扭矩加载实验,实验结果证明了该控制器的稳定性、快速性和有效性,能够解决滞后性问题。     

BP神经网络PID控制算法在农作物干燥控制系统中的应用研究与设计

针对传统PID控制算法对于农作物烘干控制方法存在的不足,以实现对农作物高效、节能的干燥为目的,设计了一种基于BP神经网络PID控制算法的新型农作物干燥控制系统;系统采用DS18B20、SHT10为信息采集源,将采集到的温湿度信息传递到以C8051F340单品机为核心的控制器进行整个干燥过程的控制决策;算法仿真及实验结果表明,基于BP神经网络PID控制算法的控制器具有较高的精度和较强的适应性,最终可以获得满意的控制效果。     

火电厂锅炉主汽温控制策略的比较研究

锅炉的主汽温被控对象是一个大惯性、大迟延、非线性且对象变化的系统,常用的汽温控制系统有串级PID控制和基于BP神经网络的PID控制。串级PID控制一般能将主汽温控制在允许的范围内;基于BP神经网络的PID控制将神经网络所具有的自学习能力与PID控制器的鲁棒性相结合,能实现对非线性、大时滞系统模型的控制。对这两种策略在不同负荷下进行了实验仿真,该结果对当前电厂的经济性和安全性有一定参考价值。     

模糊控制在H型钢连轧张力模型中的应用

以二机架连轧为基础,根据H型钢连轧装置的系统模型和张力模型,采用模糊PID的变形结构控制器,实现无张力控制或微张力控制。仿真结果表明,该控制方法比传统PID控制更好的改善了系统的动态性能,提高了稳态精度。     

基于合作粒子群算法的PID神经网络非线性控制系统

PID神经元网络 (PIDNN)模型为一种新型的神经网络模型,兼有PID与神经网络的共同优点,应用于复杂的控制系统.取得优良控制性能,但其后向传播算法 (BP)限制了该模型的应用范围.为实现对非线性多变量系统的有效控制,扩展神经网络的应有范围,本文采用PIDNN神经网络设计了多变量PIDNN神经网络 (MPIDNN)控制器,并用本文作者提出的合作粒子群算法 (CPSO)取代了传统BP后向传播算法,通过比较MPIDNN_CPSO、MPIDNNCRPSO、MPIDNN_PSO和MPIDNN_BP4种控制器的控制性能,仿真结果表明,基于CPSO算法的MPIDNN控制器实现了对非线性多变量不对称系统的有效控制.与传统的BP算法相比,CPSO算法提高了控制系统的稳定性、精确性与鲁棒性.     

基于PSO的神经网络PID在液位控制中的应用

针对在PCT-Ⅱ型过程控制实验装置上进行液位控制时,常规PID控制参数不易整定,调节时间偏长,而采用BP神经网络PID控制时,网络对初始赋值敏感,容易陷入局部最优,收敛速度慢.基于微粒群(PSO)算法的全局寻优特性,该文将PSO算法用于BP神经网络初始赋值的优化,设计一种基于微粒群的BP神经网络PID智能控制算法,并在实际液位装置上运行调试.结果表明:本文所提出的控制方案与传统PID控制方法相比,响应速度快,调节时间短,具有很好的鲁棒性,达到了更优的控制质量.     

模糊PID控制及其在H型钢连轧张力控制中的应用

以二机架连轧为基础，根据H型钢连轧装置的系统模型和张力模型，采用模糊PID的变形结构控制器，实现无张力控制或微张力控制。仿真结果表明，该控制方法比传统PID控制更好的改善了系统的动态性能，提高了稳态精度。