共查询到18条相似文献,搜索用时 78 毫秒
1.
神经网络PID控制及其Matlab仿真 总被引:14,自引:0,他引:14
讨论了基于神经网络的PID控制,并将其作用于工业控制,利用神经网络的自学习能力进行在线参数整定,并利用Matlab软件进行仿真。仿真结果表明,神经网络PID控制器具有较高的精度和较强的适应性,可以获得满意的控制效果。 相似文献
2.
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. 相似文献
3.
基于优化BP神经网络的PID控制研究与仿真 总被引:5,自引:3,他引:5
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。 相似文献
4.
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。 相似文献
5.
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。 相似文献
6.
《电子技术与软件工程》2016,(24)
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。 相似文献
7.
基于S函数的BP神经网络PID控制器及Simulink仿真 总被引:2,自引:0,他引:2
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. 相似文献
8.
9.
为了解决传统PID控制器对时变系统控制能力不强的弱点。利用神经网络理论与传统PID控制理论相结合。设计了一种基于神经网络的增量PID控制器,实现PID参数的在线自整定。通过实例仿真试验比较,这种控制器比传统的PID具有较强的适应性,可以获得满意的控制效果。 相似文献
10.
基于模糊PID控制的水轮机调节系统应用与仿真研究 总被引:2,自引:2,他引:0
针对水轮机调节系统的非线性、时变性及大惯性等特点,建立了其较为精确的数学模型,研究了模糊控制的基本原理,在此基础上构建了水轮机调节系统的模糊PID控制模型,并设计了适合水轮发电机组的模糊控制器,最后利用Matlab软件做了深入细致的仿真研究。研究表明,与常规的PID控制算法相比,引入模糊PID控制的水轮发电机组的调节特性得到了明显改善,并具有良好的动态品质。 相似文献
11.
12.
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。 相似文献
13.
为实现方位保持平台高精度快速反应的要求,针对方位保持平台的工作特点,提出了采用BP神经网络控制算法的三级温度控制策略。试验结果表明该温控系统及算法可有效缩短方位保持平台的反应时问,提高方位保持平台的保持精度,是一种实用而有效的温度控制方法。 相似文献
14.
15.
16.
17.
18.
基于改进PID神经元网络的多变量系统控制算法 总被引:1,自引:1,他引:1
PID神经元网络具有动态特性,在系统控制应用中相比于传统的PID控制方法可取得更优的效果,但其学习算法为梯度学习算法,初始权值随机取得,为了提高其控制量逼近控制目标的速度和系统响应时间,引入粒子群算法对初始权值进行优化,最后应用Matlab软件对改进后的PID神经元网络算法进行仿真。仿真结果表明,该方法具有较好的控制性能。 相似文献