基于神经网络PID智能复合控制方法研究

PID控制器被广泛应用在工业过程控制领域,但是在实际应用中往往具有非线性、时变不确定性,导致PID参数整定难以达到最佳控制要求.本文将神经网络技术应用于PID控制中,利用神经网络具有的非线性函数逼近能力,通过对系统性能的学习来实现具有最佳组合的PID控制.本文采用了BP神经网络PID控制器,实现PID参数的在线自整定,通过仿真实验比较,BP神经网络PID控制比传统的PID控制和单神经元网络PID有好的控制效果.     

汽车零部件刚度试验中的力加载控制研究

汽车零部件刚度试验是指汽车零部件受力时抵抗弹性变形的能力的试验,力的控制精准是试验的前提。由于汽车零部件种类繁多,而且不同的汽车零部件具有不同的力学性质,因此传统的PID控制无法实现稳定的控制。通过对传统PID控制缺陷的原因进行分析,提出一种基于BP神经网络整定的PID控制方法。基于现有的刚度试验平台,建立刚度试验控制系统和加载系统的数学模型。采用MATLAB进行BP神经网PID控制仿真实验,并和普通PID控制进行比较。仿真结果表明基于BP神经网络整定的PID控制能够在线调整PID三个参数以适应不同刚度的零部件,进而实现稳定的控制。     

基于MATLAB的专家整定PID控制系统设计与仿真

针对在复杂系统中实现在线整定参数的PID控制问题 ,介绍了一种基于专家系统的自整定PID控制系统设计方案 ,同时利用MATLAB中的SIMULINK和控制系统工具箱进行了仿真研究 ,仿真结果表明 ,专家整定PID控制系统比常规PID控制器(控制参数固定 )控制效果好     

神经网络控制算法应用探索

采用神经网络控制,选取应用最广泛的BP算法,与传统PID控制结合的控制策略来实现对主汽温的有效控制,仿真结果表明基于BP神经网络的自整定PID控制具有良好的自适应能力和自学习能力,对大迟延和变对象的系统可取得良好的控制效果,是采用多策略的智能控制与PID结合实现主汽温控制的一次有益的尝试与探索。     

基于BP神经网络的盾构推进速度自适应PID控制

盾构掘进过程中地质多变,推进速度要求实现非线性控制,因此对控制方法提出较高的要求.在分析了盾构推进液压系统原理的基础上,建立了盾构推进速度仿真模型,设计了基于BP神经网络的盾构推进速度自适应PID控制器,运用MATLAB软件对常规PID推进速度控制和基于BP神经网络的自适应PID推进速度控制进行了阶跃响应仿真对比,并对基于BP神经网络的自适应PID推进速度控制的正弦跟踪特性进行了仿真.仿真结果表明基于BP神经网络整定的PID控制具有良好的跟踪能力和鲁棒性,相比于传统PID控制系统响应迅速,超调量小,具有很高的响应精度和良好的在线整定能力,对于盾构推进速度这种非线性过程,控制效果比较理想.     

六自由度运动平台控制系统的神经网络优化

阐述了六自由度运动平台的控制原理，并根据控制系统的特点，提出采用基于RBF和BP神经网络来改进常规PID控制器实现系统控制性能。在该控制系统结构中，提出了在RBF网络辨识Jacobian的基础上，将BP神经网络引入了平台控制系统中PID控制器的控制参数在线整定的算法，最后给出了在MATLAB下的具体仿真算法。     

基于遗传算法的贮液缸液位PID控制参数整定

目的在啤酒灌装过程中,贮液缸内液位的变化会直接影响啤酒的质量和产量,而对液位控制的准确、稳定与否,关键在对PID参数的选择。方法针对在贮液缸液位控制调试过程中PID参数选择的盲目性等问题,采用遗传算法对PID参数进行整定,并与临界比例度法整定的结果进行比较。结果经过遗传算法整定的PID参数,其输出响应曲线上升最短时间为3.98 s,超调量最小可达1.9%,调整最短时间为2.23 s。经过比例度法整定的PID参数,其输出响应曲线上升最短时间为1.92 s,超调量最小达23.7%,调整最短时间为11.62 s。结论采用遗传算法整定的PID控制参数总体效果较好,其输出响应曲线上升时间为3.98 s,超调量最小可达4.2%,调整最短时间为2.23 s,满足控制要求。     

增量式PID神经网络控制器和仿真

针对三档阻尼可控减振器的特点,利用神经网络理论,设计一种基于M×Q×3结构BP神经网络的PID 神经网络控制器。该控制器可根据被控系统的运行状态,通过神经网络的自学习、加权系数调整,使神经网络输出PID控制器参数,从而达到较好的控制效果。对被动悬架与可控悬架系统进行三种典型工况的仿真分析,验证本文所提控制算法的有效性。     

半桥逆变型磁共振式无线充电系统建模与控制

针对半桥谐振逆变型磁共振式无线充电(MCR-WCT)系统工作状态模糊、高阶非线性、控制理论不成熟等问题,在建立半桥谐振逆变电路等效模型的基础上,采用广义状态空间平均法(GSSA)对MCR-WCT系统进行大信号和小信号建模,在GSSA模型的基础上设计电流单闭环控制器,制定基于BP神经网络的自整定PID控制策略。最后,通过Matlab编程对GSSA大信号模型进行暂态和稳态分析,对比Simulink模型仿真结果验证GSSA模型的可行性;通过Matlab仿真对比经典PID控制和BP神经网络自整定PID控制策略,在电流设定值为1 A的阶跃响应中,BP神经网络自整定PID控制在0.25 ms内达到稳态,稳态误差在2%内,最大超调量只有5%,相比经典PID控制具有更好的动静态性能。     

地震模拟振动台三参量控制参数整定技术的研究

对地震模拟振动台三参量控制及其参数整定技术进行了研究,提出了一种快速三参量控制参数整定方法。通过对三参量控制算法的研究,确定三参量控制器中三参量反馈及前馈环节中各个参数的数学表达式,从而完成三参量控制器中控制参数的整定,极大地提高了地震模拟振动台三参量控制参数整定的效率。最后,通过仿真和现场试验的方法,将传统三参量控制参数整定方法与快速三参量控制参数整定方法进行对比试验,进一步证明了快速三参量控制参数整定方法的可行性和高效性。     

基于模糊自适应PID控制器的张力控制系统

针对常规PID控制在张力控制中,控制参数难以整定的问题,设计出一种基于模糊控制原理的自适应PID控制器,根据偏差和偏差变化率来实时调整Kp、Ki、Kd参数.仿真结果显示,这种模糊自适应PID控制器比常规PID控制器在张力控制中有更好的控制特性.     

改进粒子群算法的啤酒灌装机液位控制PID参数整定

目的 整定最优的PID控制参数,对啤酒灌装机中贮液罐液位进行控制,以保证PID控制器能满足啤酒生产中的控制要求。方法 结合Rosenbrock搜索法和个体扰动策略来改进粒子群算法,并利用改进算法整定PID参数,最后将整定好参数的PID控制器用于控制液位对象;基于Matlab进行仿真实验,利用粒子群算法与文中方法做比较。结果 通过Matlab仿真验证,改进了粒子群算法整定的PID参数,其跟踪特性的调节时间为16.18 s,超调量为10.20%,IAE性能指标约为6.09;粒子群算法整定结果表明,跟踪特性的调节时间为27.72 s,超调量为26.90%,IAE性能指标约为7.23。结论 与原始粒子群算法相比,文中算法整定的3个PID参数在控制液位对象时综合性能评价指标更好,且能使系统平稳过渡,超调较小,响应速度快,调节时间快,其控制器性能能满足啤酒灌装机的生产要求。     

基于遗传算法的控制参数整定及其在温度控制中的应用

目的在啤酒生产过程中,通过确定PID参数,以保证准确控制发酵罐温度。方法针对发酵罐温度控制现场调试过程中PID参数选择的随机性等问题,采用遗传算法对PID参数进行整定,并基于OPC将Matlab与WINCC进行联机调试,实现数据的在线整定与监控。结果经过遗传算法整定的PID参数,其输出响应曲线上升时间为2.81 s,超调量为9.12%,调整时间为5.22 s。结论采用遗传算法整定的温度控制的PID参数效果较好,其响应速度快,超调量小,调整时间短,满足现场控制要求。     

基于BP参数自整定的输出增量反馈预测控制

输出增量反馈广义预测控制是一种能有效抑制超调的预测控制,其控制输出的效果与参数选取合适与否有很大的关系。针对人工选参数困难,工作量大这一问题,采用BP神经网络对最大输出增量和输出柔化系数进行在线调整,提出一种基于BP参数自整定的输出增量反馈预测控制。仿真结果表明,该控制算法实现参数自整定,控制效果好。     

基于BP神经网络PID的纸浆浓度自适应控制

目的为了克服纸浆浓度控制系统的滞后性、非线性和时变性,以提高纸浆浓度控制性能。方法针对纸浆浓度控制问题提出一种BP神经网络PID控制技术,构建3-4-3的BP神经网络结构,并在该基础上建立BP神经网络PID控制的数学模型,利用BP神经网络实现PID参数的自适应调整。结果仿真结果表明,BP神经网络PID控制相较于传统PID控制收敛速度更快、超调量更小、抗干扰能力更强、鲁棒性更好。结论该控制方法实现了纸浆浓度的自适应控制,为纸浆浓度的最优控制提供了一种有效可行的控制方法。     

动态定量称量包装系统BP神经网络PID控制算法

目的针对动态定量称量包装控制系统具有大惯性、滞后、非线性且无法建立精确数学模型等缺点,研究提高动态定量称量包装系统控制精度的方法。方法提出了一种改进型BP神经网络PID的定量称量包装控制系统,将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数K_i,K_p,K_d,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。结果仿真和实验结果表明,改进型BP神经网络PID控制响应速度快、超调量较小,系统称量误差得到大幅度减小。结论所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。     

参数自整定PID温控系统的控制算法与仿真研究

常规PID温控系统的PID参数采用人工凑试的整定方法十分烦琐费时。提出了一种用于某热成像设备分子筛激活机中恒温炉温控系统的PID参数自整定控制算法,它基于PID参数的优化规律利用步进搜索的方法实现对PID参数的自动整定。仿真结果验证了该方法的有效性与实用价值。     

基于改进灰狼算法的啤酒灌装PID液位控制

目的 针对啤酒罐装液位控制存在的变负荷、多模态、PID参数整定难的问题,提出一种基于改进灰狼算法的PID参数整定方法,以提高啤酒生产的工作效率。方法 对灰狼算法进行改进,使用欧式距离变化率动态调整收敛因子,平衡算法的全局搜索能力;引入动态自适应权重因子,提高算法的优化速度和精度;与基本灰狼算法比较并用测试函数验证改进算法的性能。结果 仿真结果表明,改进后的灰狼算法在收敛速度和精度上提升效果显著;改进灰狼算法整定的PID参数的上升时间为1.9s,调节时间为5.12 s,超调量为3.78%。结论 与基本灰狼算法对比,改进灰狼算法对啤酒灌装液位PID参数进行整定,调节时间快,超调较小,可以更好地满足啤酒生产的控制要求。     

包装覆膜自适应恒张力控制方法研究

目的为解决悬浮包装生产过程中薄膜张力不稳定等问题,建立覆膜过程薄膜张力数学模型。方法针对传统PID控制在薄膜张力控制中的诸多不足,基于BP神经网络设计自适应PID薄膜张力控制方法。根据系统运行状态,调节PID控制器的参数。通过神经网络的自身学习来调整权系数,确保被控对象处于稳定工作状态。为进一步优化BP神经网络控制性能,利用鱼群寻优算法实现初始阈值和权值优化。最后,进行仿真和实验研究。结果仿真和实验结果表明,基于改进BP-PID控制算法进行张力控制时,系统响应速度较快,最大超调量较小。薄膜张力的最大相对误差只有0.5N,误差值都比较小。结论改进BP-PID算法具有较高的控制精度和稳定性,可满足包装覆膜要求。     

非线性PID控制器的应用

叙述了传统非线性PID模型的常见缺陷,通过分析PID各环节在不同响应曲线时应有的变化趋势,以偏差作为参数修正量,生成了各环节的系数,建立了一种通用的非线性PID控制器模型。研究利用非线性PID控制器在线整定参数的功能和具有良好鲁棒性的特点,应用于船舶航向控制。