基于BP神经网络模糊PID的主动悬架控制研究

为了提高汽车的乘坐舒适性,抑制因路面不平引起的汽车振动,利用多体动力学软件ADAmS建立某SUV整车模型,利用mATLAB设计了一种BP神经网络模糊PID主动悬架控制器,并与模糊PID控制器进行仿真对比,深入研究模糊PID控制器及BP神经网络模糊PID主动悬架控制器控制效果。研究发现,采用提出的BP神经网络模糊PID主动控制策略后,汽车悬架系统的车身加速度、悬架动挠度、轮胎动变形分别比被动控制下降了36.3%、25.1%和12.0%,而采用模糊PID控制策略只下降了34.3%、19.1%和10.4%。这说明所提出的BP神经网络模糊PID控制策略具有更加优异的主动悬架控制效果。     

基于遗传算法的模糊神经网络控制器在烘干炉温度控制系统中的设计与仿真

以烘干炉温度为被控对象,由于烘干炉温度控制具有非线性、大滞后和无法建立精确数学模型等特点,传统的控制器很难达到理想的控制效果,为此设计了一种基于遗传算法的模糊神经网络控制器.基于遗传算法的模糊神经网络控制器是将遗传算法的全局寻优和BP算法的在线学习结合起来,先用遗传算法对神经网络的参数进行离线训练,然后再用BP算法对模糊神经网络控制器进一步在线学习.仿真结果表明,基于遗传算法的模糊神经网络控制器与模糊控制、传统PID控制相比较,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到良好的控制效果.     

基于DEBP模糊神经网络的醇烯比值控制研究

在炼油厂轻汽油醚化系统中醇烯比值对烯烃转化率的影响较大,由于实际生产中醇烯比值控制过程具有非线性和大滞后特性,因此传统的PID控制方式对于醇烯比值的控制效果不够稳定。该文提出将基于DEBP算法的模糊神经网络用于轻汽油醚化系统醇烯比值的控制当中。对反应釜内的醇烯比值控制过程构建数学模型,建立模糊神经网络控制器,将差分进化算法与BP算法进行组合形成DEBP算法,利用此算法对模糊神经网络参数进行优化,仿真验证了基于DEBP算法的模糊神经网络控制比传统PID控制效果更好。     

模糊神经网络PID控制器在VEHSLS中的应用

该文设计了模糊BP神经网络PID控制器,用于提高VEHSLS控制精度和响应速度。该控制器把模糊逻辑、BP神经网络和PID控制的优点相结合,充分利用了模糊逻辑的抽象能力、神经网络的自学习功能和HD控制算法简单的特点,使系统可以通过模糊神经网络在线调整PID控制器的参数,进而提高了VEHSLS控制精度和系统的稳定性。     

基于BP神经网络模糊励磁控制器的研究

针对常规型PID作用下的控制器参数改变的不确定性,将BP-NN网络技术和Fuzzy模糊理论引进PID式控制器中,组成了BP神经网络技术的模糊规则的PID式控制器。经过对数学模型的仿真实例的对照和研究,发现基于BP神经网络和模糊技术的PID控制器能改善动态性能,控制效果好。     

低压铸造机液面加压控制技术研究

针对低压铸造机液面加压系统参数整定困难、压力控制精度不佳的问题,对液面加压系统的组成、工艺以及机理等进行了研究。提出了模糊神经网络在线整定PID参数的方法,设计了2输入、3输出的模糊神经网络;分析了BP学习算法的缺点,改进了模糊神经网络训练方法,使用果蝇算法作为外层循环,BP算法作为内层循环训练模糊神经网络;选择合适的目标函数对模糊神经网络进行了训练,在Matlab中对传统PID、模糊PID和FNN-PID的控制效果进行了仿真分析。研究结果表明:和传统PID控制相比,使用FNN-PID控制器的液面压力最大误差减小了35.6%,平均误差减小了21.6%,有效提高了液面压力的控制精度。     

静变电源的优化模糊神经网络PID控制研究

为提高静变电源输出电压的质量,采用了优化模糊神经网络PID控制器代替模糊PID控制,所采用的优化模糊神经网络充分融合了模糊逻辑和神经网络两者的优点,使推理速度加快,并通过在系统运行时神经网络不断地增加和完善模糊控制规则,单神经元通过自学习调整控制因子,提高了系统控制的精度.将该方法和PID稳态控制性能的优势相结合,实时地对系统控制量进行调整.在MATLAB/SIMULINK环境下,对于优化模糊神经网路PID和模糊PID在静变电源控制中的应用分别进行了仿真.仿真分析结果表明,经过BP神经网络和单神经元网络学习后,控制器具有良好的控制性能和自适应能力,很好地满足了系统的鲁棒性、快速性的要求.     

改进的BP神经网络方法在液压控制系统中的应用研究

由于BP神经网络自身存在的一些缺陷,在液压控制系统中基于BP神经网络的PID控制器有时无法达到良好的控制效果.在研究BP神经网络主要改进方法的基础上,针对液压控制系统特性,综合采用引入陡度因子、归一化处理、采用输出层步长比输入层步长小等多种方法对应用于液压控制系统的BP神经网络算法进行改进.研究结果表明,改进后的控制系统延迟小、稳定性强、控制效果良好、对实际应用有较好的指导作用.     

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。     

基于动态惯性权重的电子节气门改进PSO-BP优化控制

针对汽车电子节气门系统存在的动态迟滞非线性问题,提出一种模糊神经网络PID控制器的设计方法。该控制器将动态调整惯性权重的粒子群优化算法和BP算法结合来优化模糊神经网络参数,修正模糊神经网络在寻优过程中收敛缓慢、易陷入局部最小值的不足。利用模糊神经网络的自学习能力,对PID控制器参数进行整定。仿真结果表明,经过优化后的模糊神经网络PID控制器相比于模糊PID控制器在响应时间、超调量和振荡次数等方面都有显着提升。在模拟气流扰动工况施加扰动信号后,该控制器表现出良好的抗干扰性能。在电子节气门响应试验中,节气门响应曲线存在轻微超调,但稳态误差较小,表明该控制方法下电子节气门具有良好的动态响应特性。     

基于模糊神经网络PID的线切割张力控制系统的分析

分析了张力系统与模糊PID控制之间的关系,及控制系统对线切割机床加工精度和效率的影响。往复走丝线切割张力控制包含复杂的非线性问题,而模糊PID控制器在处理非线性问题方面有很大优越性。用神经网络建立模糊控制规则表,调整PID参数,使模糊PID对张力控制效果达到更好。利用神经网络和模糊PID结合的方法,分析神经网络模糊PID实现的控制,证明模糊神经网络PID控制系统具有较好的鲁棒性和优越性。     

基于改进算法的锅炉燃烧系统的经济性研究

针对锅炉燃烧系统的非线性、时变性和强耦合的特点,传统的控制方法的控制精度不高、自适应能力差等,提出了一种改进的模糊神经网络控制算法,对烟气含氧量进行控制。为克服常规算法的缺陷,将BP算法和粒子群PSO算法二者相结合,充分利用PSO算法的全局寻优能力和BP算法的局部搜索能力。另外引入了动态递归神经网络,对系统模型进行在线辨识,从而提高了网络的训练效率和控制器的控制效果,使系统达到经济燃烧。     

基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况,提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制,并将GA的全局寻优及BP局部寻优相结合,克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明,该方法具有很强的自适应性和鲁棒性。     

基于模糊神经网络的络筒机纱线张力控制系统的研究

针对络筒机的纱线张力不稳定性问题,结合模糊系统的鲁棒性、容错性以及神经网络学习能力强的特点,提出了应用模糊神经网络控制器控制纱线张力的方法。开展了纱线张力控制系统、神经网络和模糊控制算法的分析,建立了模糊控制系统和神经网络之间的关系,设计了基于模糊神经网络的纱线张力控制器,应用MATLAB软件仿真验证了基于模糊神经网络的络筒机纱线张力控制系统的可行性。研究结果表明,与线性插值模糊控制效果相比,模糊神经网络控制作用下的系统超调量小,调节时间快,稳定性好,具有一定使用价值。     

基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制

研究一类欠驱动无人艇的直线航迹跟踪控制问题,提出了一种自适应T-S(Takagi-Sugeno)模糊神经网络控制方法。首先在神经网络体系结构中设计前件网络匹配T-S模糊控制器的模糊规则前件,设计后件网络进行T-S模糊运算推理从而生成模糊规则后件;其次基于梯度下降法原理,设计了T-S模糊规则参数的优化学习算法;然后结合BP神经网络的误差反向传播原理和梯度下降法,设计了模糊神经网络体系误差的反向传播迭代算法,用于高斯隶属度函数参数的学习优化;最后设计了基于T-S模型的模糊神经网络控制器,并通过仿真实验验证了所提出方法和所设计控制器的有效性。     

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。     

一种电解加工间隙的智能测控方法研究

从理论上推导了电解加工中阴极表面上承受的力与阴阳极间间隙的关系;采集电解加工过程中阴极表面上的力信号,经过信号处理后用其训练一个BP神经网络,实现间隙的在线检测;设计了一个模糊控制器,把间隙的误差转化为力的误差,将误差的变化信号作为模糊控制器的输入,将进给速度的增量作为模糊控制器输出。在MATLAB的Simulink模块中建立间隙智能控制系统进行了仿真试验,结果表明,该模糊控制器对间隙的控制效果较好。     

电液伺服系统的模糊神经网络并行自学习鲁棒控制

基于模糊神经网络结构，提出了一种复合式控制方案，解决了传统自适应控制中模型的在线辨识和控制器的在线设计问题。达到了对不确定非线性系统的高精度输出跟踪；通过引入运行监控器，解决了模糊神经网络实时性差的问题；同时，利用一个鲁棒反馈控制器，来保证模糊神经网络学习初期闭环系统的稳定性。应用到电液力伺服加载系统中，获得满意控制效果。     

L-M神经网络的磨削淬硬参数预测

针对基于传统BP算法的神经网络训练中收敛速度较慢的缺点,提出一种基于L-M(Lev-enberg-Marquardt)算法的磨削淬硬层厚度预测,并开发了基于L-M算法的磨削淬硬神经网络预测系统.仿真结果表明:该系统模型显著缩短了训练时间,具有较高的准确性.通过网络训练和网络检验,得出该神经网络系统的预测值与实测值十分接近的结论,可充分证明L-M法BP神经网络对于磨削淬硬参教预测具有很好的效果.     

基于BP神经网络PID机房温度控制研究

基于一种适用于数据中心信息机房温度调节的通风地板，利用计算流体力学搭建了房间系统数学模型，设计BP神经网络控制规则对传统的PID控制进行优化从而提升控制效果。利用Matlab中S函数的编写对控制器进行设计，并用Simulink搭建传统PID与BP神经网络PID的温度控制系统。仿真结果表示添加了BP神经网络算法的PID控制器效果稳定性提升了40%，超调量变小且无静差。将控制方法应用到机房温度分布不均匀的实际工程中，结果显示所提方法能够保证机房温度均匀分布，节能效率显著提升。