BP神经网络的液位PID控制及仿真

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.     

基于BP神经网络PID控制的无刷直流电动机调速系统设计

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。     

基于BP神经网络的模糊PID控制器的设计

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。     

基于BP神经网络的PID优化控制研究

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。     

基于神经网络的增量PID算法及仿真研究

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。     

BP神经网络控制器在矢量控制系统中的应用

针对在矢量控制系统中普通PI控制器参数整定过程较为繁琐且性能易受电机参数影响的问题,将BP神经网络控制器应用于矢量控制系统,构造了基于BP神经网络的PI控制器,实现了PI控制器参数的在线自整定。在MATLAB/Simulink环境下进行了仿真验证,结果表明神经网络控制器较普通PI控制器具有更快的响应速度和更小的超调量。     

基于优化BP神经网络的PID控制研究与仿真

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。     

基于神经网络的PID控制及其仿真

提出基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.这里采用三层前向网络、动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能.最后用Matlab软件对一个实例进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,它可以获得满意的控制效果.     

基于BP神经网络的温度模糊PID控制器设计

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。     

基于BP神经网络自整定的PID温度控制系统的设计

摘要：针对于传统PID温度控制系统的参数不能在线实时调整的缺陷,提出了一种基于BP神经网络自整定的PID温度控制系统,该控制系统在硬件上以Cortex-M3内核处理器为控制核心加上数据采集,信号放大,开关控制,液晶显示等外围电路构成,在软件上以BP神经网络PID算法为核心最终形成了一个完整的温度控制系统。在基于新型烟熏治疗仪开发的背景下成功的设计了一个误差不超过±0.5℃的BP神经网络温度控制系统。     

基于BP神经网络PID控制在热力站的应用

热力站的换热器是一个非线性、时变的控制系统。常规的PID控制对热力站是不能达到较好的控制效果,于是提出了基于BP神经网络的智能PID控制方法对热力站控制。本文在介绍了BP神经网络模型的基础上,使用基于BP算法的PID控制器对热力站的换热器进行优化和整合,实现了对PID参数的在线调整,并使神经网络的学习和收敛速度加快,结果表明,采用神经网络PID控制对非线性系统及其参数有良好的整定,具有更好的适应性和鲁棒性。     

基于S函数的BP神经网络PID控制器及Simulink仿真

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.     

模糊PID控制系统的设计与研究

为了解决工程中二阶系统的控制问题,在此对PID控制与模糊控制的原理进行了研究,并将二者的优势相互结合,设计了一种具有参数自整定功能的模糊PID控制系统。对PID参数初值的确定,隶属度函数的选取,模糊控制规则表的设计做了较为深入的研究。并利用Matlab/Simulink软件对控制系统进行了仿真研究。对阶跃输入下PID控制系统与该文设计的模糊PID控制系统的响应情况做出了定量的比较。结果表明对于二阶延迟系统,模糊PID控制器的超调量与调节时间均小于传统的PID控制,能显著提高控制效果。     

模糊工程PID在气动位置伺服中的应用

针对现有高精度气动位置伺服控制算法复杂,难于在工程上实现的问题。提出一种基于调整因子的模糊工程PID控制器,采用归一化加速度参量反映系统响应的快慢,引入变论域的思想构建模糊工程PID控制器的自调整机构。该机构根据系统误差和归一化加速度参量输出调整因子,动态调整基于工程整定法的模糊PID控制器的比例因子,以改变模糊控制器输入输出与模糊子集的映射关系,从而改善模糊控制器的动、静态性能。仿真与试验结果表明,该方法简单且具有良好的控制效果。     

基于PID控制算法的温度控制系统的应用研究

PID控制是最早发展起来的控制策略之一,具有算法简单、鲁棒性好和可靠性高的特点,被广泛应用于温度、压力、流量、液位等工业控制场合。温度系统具有非线性、惯性大、滞后现象严重等特点,难以建立精确的数学模型,给控制过程带来很大难题。以电加热锅炉温度控制为例,研究一种简单实用的控制方案,采用温度PID控制算法以达到系统稳定、调节时间短且超调量小的性能指标。经仿真研究,参数整定PID控制达到了温度控制系统的理想效果,具有一定的应用价值。     

BP神经网络在教学质量评价中的应用

结合BP神经网络的特点,探讨了基于BP神经网络的教学质量评价方法。利用BP神经网络方法建立高校教学质量评价系统的模型,将教学评价指标概念量化成确定的数据作为其输入,教学效果作为输出,并利用MATLAB系统加以实现。     

基于微粒群改进BP算法的非线性方程PID参数整定研究

文章从微粒群算法和BP神经网络基本原理出发,研究了将其用于PID控制的可行性,实现参数的在线自整定。仿真结果表明。基于微粒群优化BP神经网络的非线性PID参数自整定取得了良好的控制效果。     

基于BP神经网络的PID控制器的设计及模拟研究

本文首先对BP神经网络进行概述,然后对基于BP神经网络的PID控制器的设计进行分析,最后进行模拟仿真研究,得出基于BP神经网络的PID控制器与传统PID控制器具有适应性强、精度高等明显优势的结论.     

神经网络PID控制及其Matlab仿真

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。     

单片机模糊PID自整定控制算法的实现及仿真

介绍了单片机模糊自整定PID控制的系统结构、控制思想、控制算法以及在电液伺服系统上的应用方法,给出了其基于MATLAB的系统仿真结果,并对该模糊自整定PID控制结果与传统的PID控制仿真结果进行了比较.