纱线卷绕系统恒张力先进控制策略

针对纱线卷绕系统内外部扰动较多，系统具有时变性和不确定性，纱线张力值波动较大，控制精度不高导致纱线断头等问题，提出了学习速率自适应与蚁群算法联合改进的BP神经网络PID控制策略。通过学习速率自适应提高网络学习速率，并利用蚁群算法调整网络初始参数。分别测试PID算法、BP神经网络PID算法与改进BP神经网络PID算法。结果表明：基于改进BP神经网络的无刷直流电机PID控制器鲁棒性更强，性能良好，纱线卷绕系统张力波动较小，断头率降低。     

基于改进粒子群优化IPSO算法的茶叶烘干机温度控制策略

针对茶叶烘干机热效率低,温度不稳定、茶叶品质不易保证的问题,对燃煤式热风干炉进行研究,通过对粒子群算法(PSO)进行混沌处理,得出了一种改进粒子群算法(IPSO),然后通过IPSO对模糊PID控制器的参数进行优化,以解决粒子群算法易早熟、寻优效率低以及PID参数无法实时在线调整的缺点。根据热风炉的实时温度,自动调节热风炉的排烟量,以实现烘干机的温度恒定。同时,采用优化后的模糊PID控制策略对系统进行了仿真和测试。结果表明,该研究所用方法能根据烘干机温度有效控制热风炉排烟量,从而实时控制热风温度,实现恒温控制的目的。     

基于BP神经网络的卷染机温度控制技术

为了解决高温高压卷染机中的温度控制问题,提出了一种改进的温度控制算法。该算法在BP神经网络PID控制算法的基础上引入积分分离结构,当温度控制误差较大时采用PD结构,去除积分成分以提高控制调整速度,当温度控制误差较小时采用完整的PID控制算法结构,保留积分成分以保证控制精度。仿真结果显示:相对于传统的PID控制算法,基于BP神经网络的PID控制算法能够保证在较高温度时控制精度的前提下,提高温度控制稳定速度、缩短温度控制时间,达到更好的控制效果。     

纸机蒸煮锅上下温差问题的研究与解决策略

为实现针对纸机蒸煮锅上下温差的有效控制,提出了一套BP神经网络与PID控制器相结合的温度控制算法,基于造纸机蒸煮锅升温保温系统的基本流程提出了PID控制方案,并利用BP神经网络对于PID控制器中的主要参数进行自动调整。经实验研究发现,基于BP神经网络的PID控制算法能够有效缩小锅顶温度与锅底温度之间的差距。     

基于神经网络PID的番茄室温环境控制

番茄在温室环境中种植时,温度、湿度、CO_2浓度是影响番茄品质的重要因素。番茄温室环境通常是一个非线性、时变性、滞后性复杂系统,采用传统PID对温度、湿度、CO_2浓度进行控制效果并不理想。为提高番茄温室环境控制效果,设计一种基于神经网络PID的自适应控制方法。介绍番茄温室控制方案,结合控制方案设计控制系统硬件。为提高温室系统自适应能力,将神经网络自学习算法与PID算法相结合,实现PID参数的在线自适应调整。仿真结果表明,该控制方法与传统PID控制方法相比,大幅降低系统收敛时间,控制精度得到大幅提高。     

改进的PID神经网络在黑液液位控制中的应用

针对黑液液位控制系统的非线性、大惯性及时变性的特点,对PID神经网络（PIDNN）在黑液液位控制中的可行性进行了深入研究与探讨。通过Matlab仿真,比较了常规PID算法、基于BP的神经网络算法和PIDNN算法对黑液液位的控制效果,验证了PIDNN算法的良好自适应性和鲁棒性。     

木塑挤出机温度的BP神经网络PID控制算法

针对木塑复合材料挤出过程中挤出温度采用传统PID控制的不足,设计研究了木塑挤出机温度的BP神经网络PID控制系统。针对挤出温度控制过程中的高非线性和分段温度的特点,提出BP神经网络PID控制算法以改善温度系统性能,实现对温度模型的高效控制。木塑挤出机温度的传统PID控制与木塑挤出机温度的BP神经网络PID控制进行仿真对比,结果表明木塑挤出机温度的BP神经网络PID控制在系统升温的速度、超调量、调节时间、抗干扰能力方面具有明显优势,在控制精度方面更符合木塑挤出机温度控制要求。     

基于RBF神经网络PID的全自动称重包装 智能控制

全自动称重系统具有非线性强、大滞后以及时变性的特点,严重影响物品动态称重包装精度,为了提升自动称重精度。首先给出了下料称重系统的组成以及原理,并在此基础上建立了数学模型,针对传统PID控制存在动态响应慢、超调量大等缺点,提出了一种基于RBF神经网络PID的自动称重控制方法,阐述了神经网络结构和学习算法,以实现PID控制器比例、积分、微分系数的实时调整,用于提高下料称重包装精度。仿真试验结果表明,RBF神经网络PID控制响应速度快、自适应性强、系统称重误差减小。该控制方法能够有效提高自动称重精度、提升了系统的鲁棒性。     

BP神经网络在数控伺服系统中的应用

在分析三环伺服系统的基础上,针对传统PID控制的不足,将BP神经网络与常规PID控制相结合,提出了一种基于BP算法的PID控制新策略,通过编写有关程序,应用Matlab进行仿真运行.仿真实验表明系统跟随输出响应迅速,超调小,调速精度高,且能适时对参数进行在线调整,表现了很好的自适应性和鲁棒性,能很好地满足系统设计要求.     

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。     

改进BP算法优化的纺织空调智能PIDNN控制

针对纺织厂多输入多输出空调系统采用一般PID控制方法,控制精度不高,难以实现温湿度的理想控制和满足生产工艺要求的问题,提出了一种优化改进BP算法与PID神经元网络相结合的空调温湿度控制方法。分别对一般PID控制方法,未改进BP算法与PIDNN结合的控制方法,以及优化改进的BP算法结合PIDNN控制方法进行了测试对比。结果表明:优化改进的BP算法与PIDNN相结合后,解耦效果更理想,鲁棒性更强,响应速度更快,控制效果更好。认为:优化改进的BP算法结合PIDNN控制方法能实现温湿度间的理想解耦,提高系统控制精度,有效缩短控制时间,可满足纺织厂生产工艺对温湿度的要求,使纺织空调系统智能化程度提高。     

试论PID控制器的参数整定

PID控制算法在工业控制领域中应用广泛,但在实际应用中,其参数整定问题一直是一个尚未完全解决的难点。文章介绍了BP神经网络的基本原理,对神经网络模型进行构建,在构建过程中通过相关方法对权系数进行有效修正,同时对PID参数进行整定,运用matlab软件对一个实例进行了仿真研究,分析了BP神经网络学习速率,隐层节点数对控制效果的影响。     

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。     

基于模糊神经网络PID控制的花茶烘焙温控系统设计

针对花茶烘焙时对温度的精细化要求,提出由模糊控制、神经网络和PID组合算法构成的控制系统,实现对温、湿度的可靠控制,达到对鲜花快速去湿干燥的目的。系统将温度和湿度的误差e和误差率ec作为输入变量进行模糊化处理,确立隶属度函数,通过模糊推理和解模糊化生成输出量,为PID控制系统提供优化的调控因子△K,精准控制执行单元。系统采用RBP神经网络算法对模糊控制过程进行精细实时变量调控,以Delta(δ)函数和梯度下降算法为学习规则调整网络加权系数w、中心向量cij和基宽向量bij。系统利用Matlab软件进行数据仿真,对比传统PID控制和模糊控制,验证模糊神经网络PID组合控制的优越性,数据分析表明组合控制系统对温度的响应速度和数据的精确性都明显改善,扰动补偿和抗干扰能力有效提高,系统鲁棒性更好。     

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BP神经网络算法的可见光图像热目标自动识别技术

BP算法即误差逆向传播学习算法,按照BP算法进行训练的多层神经网络被称为误差逆传播神经网络,即BP神经网络。BP神经网络按有人管理示范的方式进行学习,学习期间网络误差由后向前传递修正各权值和阈值。本文将主要探讨基于BP神经网络算法的可见光图像热目标自动识别技术。     

基于神经网络控制的双色凹印机套准系统设计

针对目前双色凹印机套准控制器数字化、自动化及智能化不足的问题,建立双色凹印机套准误差数学模型,结合BP神经网络PID控制器的特点,设计了一种基于BP神经网络的凹印机套准控制器。根据凹印机套准误差模型中两个印组的速度与张力对套准误差的影响关系,设计神经网络模型。在单个控制周期中,神经网络通过在线学习印组速度与张力的干扰参量调整PID参数以适应当前工作环境。仿真结果证明了该系统的可行性与优越性。     

基于BP神经网络自抗扰控制的放卷张力控制系统

文章为提高轧染机放卷系统对张力控制的稳定性,通过结合BP神经网络算法和自抗扰控制提出一种放卷张力控制方法。根据放卷的运行机理,建立其数学模型,并推导出系统的动态解耦和静态解耦模型,设计了自抗扰控制器。在自抗扰技术的基础上,引入BP神经网络对非线性组合部分的参数进行整定,得到BP神经网络自抗扰控制器。通过仿真实验与PID控制器对比发现,该控制器实现了放卷系统张力的解耦并且能保证织物张力的稳定,能够抑制系统内部参数变化引起的张力波动以及具有良好的抗干扰性能,同时为织物的恒张力印染做出了充分的准备。     

山梨醇结晶温控系统的研究

山梨醇广泛应用于食品行业,针对山梨醇结晶温控系统存在时变大滞后特性,研究了一种融合遗传算法和神经网络的PID控制器。该控制算法采用RBF网络在线辨识被控对象,先利用遗传算法优化神经网络的初始权值,再结合神经网络所具有的自学习和任意非线性表达能力,用BP神经网络自整定PID参数,对结晶过程温度进行控制。仿真结果表明:该控制器提高了系统的控制性能,具有很强的自适应性和鲁棒性,满足山梨醇生产的要求。     

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。