基于PID神经网络的纸浆浓度控制

本文将一种不同于用神经网络调整PID参数的新的融合算法—PID神经网络(PIDNN)应用于纸浆浓度控制。经过对纸浆浓度控制系统的仿真研究表明,PIDNN既具有常规PID控制器结构简单的优点,又具有神经网络自学习、自适应之能力,大大改善了纸浆浓度控制系统的性能。     

基于分数阶PID控制器的TCR型SVC的研究

为了提高整数阶PID控制器的控制精度,将控制器的阶次推广到分数阶领域,利用Oustaloup递归算法,结合TCR型SVC的传递函数,框图化实现了分数阶PID控制器,并通过仿真结果表明,当发生故障时,安装分数阶PID控制的SVC的系统比安装常规PID控制的SVC的系统振荡衰减快。     

纸浆浓度的神经网络PID控制

针对造纸过程中纸浆浓度控制的特点,通过BP神经网络与PID相结合,组成神经网络控制器,用于纸浆浓度控制。利用神经网络自学习、自适应的功能,根据实际工况在线实时调整PID参数,使纸浆浓度的控制处于一种最优状态,达到较好的控制品质。     

基于模糊分数阶PID的食品包装机张力控制系统设计

针对食品包装机袋膜张力较难控制问题,设计了一种模糊分数阶PID袋膜张力控制系统。利用专家知识和成熟经验,结合分数阶控制,制定分数阶PID 5个参数的控制规则,实现分数阶PID参数在线实时整定,提升了袋膜张力控制精度和稳定性。以PLC和触摸屏为核心,以TIA Protal为开发平台,完成控制系统硬件设计、网络组态、程序设计,实现控制系统升级。仿真结果表明:模糊分数阶PID控制器具有响应速度快、模型失配鲁棒性好、抗干扰能力强的优势。该控制系统能够满足包装机袋膜张力控制精度和稳定性需求。     

基于变论域模糊PID的纸浆浓度控制系统研究

针对传统模糊PID控制器因变量论域、比例因子、量化因子等参数设置固定不能实现纸浆浓度精确控制的问题,本课题提出将变论域思想与模糊PID控制相结合的变论域模糊PID控制算法。首先在模糊控制器中引入论域伸缩因子使模糊控制器输入输出变量的论域范围随纸浆浓度误差及误差变化率进行伸缩调整,以提高模糊控制器的控制精度;然后利用变论域模糊控制器对PID的3个参数进行调整,实现PID控制器的实时在线整定。仿真结果表明,变论域模糊PID控制算法可以有效地克服纸浆浓度控制过程存在的时变性、多干扰、时滞性缺点,能够实现纸浆浓度控制的稳定性和精确性。现场实际应用表明,应用变论域模糊PID控制算法的控制系统可将上浆浓度误差控制由±0. 3%降为±0. 025%以内。     

神经网络PID控制器在纸浆浓度调节中的应用

在造纸过程中,针对纸浆浓度控制系统的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能力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,对纸浆浓度的调节进行控制,并使用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,可以获得满意的控制效果。     

MDF施胶系统模糊神经网络PID控制

针对中密度纤维板(MDF)施胶系统中存在的非线性、纯滞后等现象,提出一种模糊神经网络PID控制方法。系统采用模糊神经网络控制器和PID控制器相结合的结构,改进了模糊神经网络自学习的能力,能够实时整定PID控制器的参数,提高控制系统的精度。仿真结果表明,模糊神经网络PID控制系统能够提高MDF施胶系统的响应速度和抗干扰能力,并且使MDF施胶系统具有较好的控制效果与控制精度。     

纸浆浓度的PID控制优化的研究

提出采用遗传算法去优化纸浆浓度的PID控制参数。仿真结果表明:通过遗传算法得到的PID控制参数与Zieglar-Nichols方法相比,该方法得到的PID控制器在纸浆浓度控制中超调小,过渡时间短,控制更平稳,能获得更好的控制效果。     

基于模糊自适应分数阶PID的PMSM控制研究

设计一种模糊自适应分数阶PID(Fuzzy Adaptive Fractional Order PID, FAFOPID)控制器,应用于永磁同步电机（Permanent Magnet Synchronous Motor, PMSM）的跟踪控制,应用模糊逻辑实现控制器参数的在线调整,对其进行控制器参数优化,提高系统的稳态精度和控制性能。此外,通过改变系统参数验证了PMSM系统的鲁棒性,结果表明设计的FAFOPID控制系统具有超调量更小、响应速度更快、系统更稳定的优点。     

改进型模糊-Smith控制器在纸浆浓度控制系统中的应用

本文提出改进型模糊-Smith控制器并将其应用于纸浆浓度控制系统。该控制器利用Smith预估算法克服纯滞后，利用模糊控制来提高系统的鲁棒性，而在稳态阶段则切换为PID控制来提高控制精度。仿真实验结果表明该方法可以提高系统的控制品质，实际应用表明了该控制器的优越性。     

气垫式流浆箱解耦控制的分析及应用

在建立气垫式流浆箱数学模型的基础上,利用神经网络原理设计了神经网络解耦控制器。根据总压和浆位给定值以及其输出值,通过自学习、调整网络权值来实现闭环控制的神经网络解耦控制思路,将强耦合的总压和浆位分解为两个单回路PID闭环控制系统。采用PID控制算法对解耦后的两个单回路闭环系统进行常规控制。实际运行效果表明,该控制系统可使总压和浆位的调整互不影响,且系统稳定。     

纸浆浓度的专家-模糊PID控制系统

介绍了应用于纸浆浓度控制的模糊控制与专家控制复合控制系统。根据纸浆浓度本身存在的大滞后特性以及模型的不确定性,结合模糊控制和专家控制二者各自的优缺点进行探讨,并利用Matlab仿真对比。结果表明,专家-模糊PID控制的控制性能明显优于传统PID控制系统,能很大程度地改善系统的动态特性,使得系统更快地进入稳定状态,具有良好的鲁棒性。     

一种自适应协调控制器

讨论了非线性系统的协调控制问题，提出了用传统ＰＩＤ控制器和神经控制器结合的方法实现未知非线性系统的自适应协调控制，还给出了神经控制器在线修正的再励学习算法．通过仿真实例，说明了多模式控制器协调模式的控制有效性及其在线控制优势．     

食品包装袋膜模糊PID自适应纠偏控制

为了减小食品包装袋膜跑偏对产品包装外观美观度和品质造成的影响,提出了一种基于模糊PID的食品包装袋膜的智能纠偏控制算法。首先分析了拉膜机构在运动过程中出现袋膜跑偏的原因,并探究了纠偏系统数学模型。利用CCD传感器对包装袋膜偏移量进行检测,将检测结果传送到控制器中,由控制器中的模糊PID控制算法完成袋膜纠偏的闭环自适应控制。仿真和试验结果表明,模糊PID控制算法相比传统PID控制方法超调量更小、稳定性高、调节周期短。该控制方法具有较好的纠偏效果,包装袋膜平均纠偏精度最高达到0.69 mm。     

PID神经网络在卷纸辊张力控制中的应用

分析了PID神经网络（PIDNN）的结构及参数调整算法,并将其用于纸机卷纸辊张力控制。经过仿真研究表明,PIDNN控制器的稳态响应过程比常规PID控制器快,没有超调,没有静差,过渡时间较短,收敛性较好,控制效果比常规PID控制算法有很大改善。     

置换蒸煮锅温度测量方法的改进及锅内温差控制

针对置换蒸煮锅温差难以消除这一难题,在传统蒸煮锅温度测量的基础上,提出一种新的温度测量方法,并将神经网络控制、PID串级控制和解耦控制有机地结合起来,提出一种神经网络PID串级解耦控制系统。解决了蒸煮锅温度控制时滞性、时变性和非线性等问题,应用Matlab仿真比较表明,该控制系统具有更好的动态性能和鲁棒性,其控制效果明显优于常规PID串级控制系统。     

基于RBF神经网络的纸张定量水分解耦控制系统设计

抄纸过程中纸机系统具有大滞后、非线性、时变等特点,纸张定量与水分之间存在强耦合效应,针对这些问题,设计了一种基于RBF神经网络的PID解耦控制方法.利用RBF神经网络辨识定量与水分的数学模型,实时调整PID控制器的参数,实现系统的解耦功能.仿真结果表明,该方法具有良好的静态、动态性能和很强的自适应性,能有效解决纸张定量和水分之间的耦合作用.