永磁同步电机的复合控制及参数自整定研究

针对常规的比例-积分-微分(PID)控制器性能不足,以及PID参数手动调整不便等问题,对前馈控制结构及径向基函数(RBF)神经网络进行了研究,提出了一种"三闭环+前馈"的复合PID控制结构。利用RBF神经网络对控制系统进行了在线辨识,结合梯度下降法对控制器的PID参数进行了自动调整,并在实验平台上进行了常规的三闭环PID控制器和"三闭环+前馈"的复合PID控制器的对比实验,以及位置环PID参数自整定的实验。研究结果表明:相比于常规PID控制结构,复合控制结构的位置响应性能提高了12%,速度响应性能提高了31%;利用RBF神经网络能够实现PID参数的自整定,且整定效果较好。     

单神经元PID控制仿真与实现研究

经典PID控制参数整定方法繁琐并且容易对设备造成损伤,此外,当系统对象存在非线性、环境变化或者其他因素时,系统的稳定性和响应速度也会受到一定的影响。为了解决这些问题,该文引入神经网络与PID控制方法相结合,控制对象选择双容水箱,对系统进行多次仿真、对比,然后提出神经网络控制仿真参数设置方法,进而将神经网络PID控制算法应用于实际控制系统中,实验证明该创新方案不仅解决了PID控制方法存在的问题,还找到了一个低成本的升级方案,为控制系统提供了重要的技术支持。     

戈壁地貌地形探测器接地压力神经网络控制研究

针对戈壁地貌地形探测器接地压力调节系统具有的非线性特点,提出了地形探测器接地压力的BP神经网络PID控制方法,设计了BP神经网络PID控制器,并利用MATLAB软件编程进行了仿真分析和实验。研究结果表明,BP神经网络PID复合控制较之常规PID控制可使系统具有更优的动态性能和良好的跟随特性,是一种有效的控制策略。     

模糊神经网络在阀门开度控制中的应用

针对电磁阀控气缸系统时变、非线性的特性,应用模糊神经网络整定PID参数。利用AMESim物理图形建模软件搭建被控对象的模型,应用MATLAB编写模糊神经网络PID的S函数,再联合MATLAB和AMESim对算法进行仿真,仿真结果表明模糊神经网络PID的适应性好、抗干扰能力强,性能优于常规PID。最后搭建实验平台进行了实验。实验结果表明,系统在不同环境下的控制精度高、响应快、过程平稳,满足阀门开度控制的要求。     

基于神经网络PID的永磁同步电机调速系统

针对永磁同步电机多变量、强耦合、非线性、运行中参数变化的特点,设计了一种基于神经网络PID的永磁同步电机空间矢量控制方法.仿真分析和硬件平台实验结果表明,将神经网络PID控制器运用于永磁同步电机控制具有可行性,相对于传统PID控制器,神经网络PID控制器能够使系统具有更快的响应能力,并能提高系统的适应性.     

基于神经网络的模糊自适应PID控制方法研究

针对常规PID控制器不能在线修正参数以及模糊规则和率属函数对专家经验的依赖性,提出了神经网络模糊自适应PID控制器,从而综合了传统PID控制、模糊控制、神经网络控制的优点,使其具有PID控制的广泛适用性和神经网络的自适应和自学习能力,同时又具备模糊控制的非线性控制作用;仿真实验可知该控制器具有更快的响应和更好的平稳性.     

基于步进电机的神经网络PID控制在恒压供气系统中的应用

针对常规PID控制的缺陷，提出了一种基于神经网络的自适应PID控制器，利用神经网络的自学习能力进行在线调整PID参数，通过控制步进电机将其应用于控制恒压供气系统中的气压。实验结果表明，基于神经网络的PID控制器具有计算速度快、适应性强等优点，其控制效果明显优于常规PID控制器，将其应用于恒压供气系统中是行之有效的。     

模糊神经网络PID控制在振动打桩机中的应用

针对双马达电液伺服系统难以进行同步控制,实现无级调频调矩的问题,提出了基于Mamdani型的模糊神经网络PID控制方法。该方法的主要思想是结合模糊推理和神经网络控制技术,构成模糊神经网络,实时调整PID参数。实验结果表明：与传统PID控制方法相比,该方法改善了系统的动态特性,提高了控制精度。     

基于BP网络的气动人工肌肉位置跟踪的研究

用BP神经网络对单支气动人工肌肉系统进行了阶跃信号及正弦波位置跟踪的研究，实验证明，运用BP神经网络PID控制器，与PID及神经网络控制器相比，有较好的跟踪效果。     

污水处理自动化控制系统控制策略研究

结合污水处理过程的特点,将BP算法与传统PID控制进行有机结合,构造基于BP神经网络的PID控制,实现PID控制器参数的在线整定。将该控制策略应用于污水处理系统的溶解氧浓度控制中,并与常规PID控制效果进行了仿真实验和对比研究,结果表明基于BP神经网络的PID控制法有着传统PID方法无法比拟的优势。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

Application of PID Controller Based on BP Neural Network in Export Steam's Temperature Control System

By combining the Back-Propagation(BP)neural network with conventional proportional Integral Derivative(PID)controller,a new temperature control strategy of the export steam in supercritical electric power plant is put forward.This scheme can effectively overcome the large time delay,inertia of the export steam and the influence of object in varying operational parameters.Thus excellent control quality is obtained.The present paper describes the development and application of neural network based controller to control the temperature of the boiler’s export steam.Through simulation in various situations,it validates that the control quality of this control system is apparently superior to the conventional PID control system.     

采用炉膛辐射信号的锅炉燃烧系统模糊神经网络预测控制的仿真研究

针对火电厂燃烧过程中主蒸汽压力控制系统的大时滞、大惯性和非线性 ,采用以炉膛辐射信号为中间被调量的串级控制系统 ,并设计一个基于神经网络预测模型的模糊神经网络控制器作为主控制器。该控制器首先将神经网络与预测控制相结合 ,采用递阶遗传算法对神经网络的结构和权值分别进行训练 ,以实现非线性、大时滞系统模型的精确预测 ;然后将模糊控制与神经网络相结合 ,实现模糊神经网络预测控制。考虑到炉内剧烈的湍流燃烧造成炉膛辐射信号包含随机分量 ,又设计了一个附加判断器的二自由度 PID控制器作为副控制器。仿真结果表明 ,该方案显著提高了非线性、大时滞燃烧系统的控制品质 ,且易于工程实现     

神经网络方法在循环流化床燃烧中的应用

本文分析了循环流化床锅炉燃烧控制系统的特点。针对主蒸汽压力控制系统。提出一种新型的基于改进BP神经网络的PID控制方法。该方法将神经网络和PID控制策略相结合。既具有神经网络自学习、自适应及逼近任意函数的能力。又具有常规PID控制器结构简单的特点。仿真研究表明这种BP神经网络PID控制能克服对象的大惯性、抗干扰性。大大改善控制品质。     

基于PID的电液比例径向柱塞泵仿真控制与分析

针对电液比例控制径向柱塞泵变量机构,设计了基于PID神经元网络控制算法的控制器,并通过计算机仿真,再现了系统跟踪变量控制信号的系统响应,仿真结果表明,基于PID神经元网络控制算法控制器的电液比例控制径向柱塞泵,具有良好的控制性能。     

包钢热电厂2~#锅炉汽包水位控制系统的应用与研究

保持汽包的正常水位是汽包锅炉和汽轮机安全运行的重要条件之一.汽包水位控制的目的就是要克服锅炉负荷变化所引起的"虚假水位"和各种干扰对水位的影响,维持汽包水位在允许的范围内变化.传统的控制方式主要采用三冲量PID控制算法,本文提出了用模糊PID参数自整定控制算法实现对汽包水位进行控制的方案,模糊PID参数自整定算法是在PID控制的基础上引入模糊控制的思想,既具有模糊控制灵活而适应性强的优点,又具有PID控制精度高的特点.     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

污水处理转刷曝气自适应控制系统的研究

针对某污水处理示范工程,对于一体化氧化沟的转刷曝气控制系统及相应的控制算法系统进行了研究.设计了全数字化的闭环控制系统,以溶解氧指标为控制对象进行了控制算法设计,针对转刷曝气工艺的特点,采用神经PID调节算法,引入了线性神经元(NNC)对经典PID算法进行优化、应用梯度下降法对NNC网络权值进行在线计算.在实验的基础上,确定了网络权值的初始值.采用C语言实现了算法的编程,该控制系统已在示范工程中得到初步使用.     

基于BP神经网络的多变量PID解耦控制

基于神经网络实现智能PID控制的策略,它以经典的PID控制为基础,通过神经网络参数整定实现,进而进行自学,用于多变量系统的解耦控制。本文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真。通过计算机仿真证明了基于神经网络的PID控制器网络结构简单规范具有良好的自学习和自适应解耦控制能力。系统易于实现,融解耦器与控制器于一体,适用于非线性多变量系统的解耦控制。能够使解耦后的系统具有良好的动态和静态性能,特别是依据BP控制规律来确定网络连接权的初值,还具有参数快速收敛的优点。     

基于灰色预测的多变量自适应PID控制器

针对汽轮发电机组具有多变量、强耦合、大时滞等特点,提出一种基于灰色预测的多变量自适应PSD控制算法。该方案通过一组灰色系统预测模型GM（1,N）对多变量系统的输出预测实现对角解耦。采用无辨识智能自适应PSD控制算法优化PID控制器的参数,用优化后的PID控制器对每个子系统进行控制。该方案不需要精确的数学模型,在线估计参数少,计算简单。仿真结果表明,与其他方法相比,这种控制方法响应速度更快,而且具有更好的自适应性和鲁棒性。