PM2.5测量系统中改进神经网络控制算法优化补偿

针对现阶段PM2.5测量系统的测量精度较低的问题,提出了改进的BP神经网络PID控制算法对其进行优化补偿。通过对粒子群优化算法的速度公式进行了改进,采用优化的粒子群算法优化了BP神经网络,将其用于PID的在线参数调节,以PM2.5测量系统作为研究对象,将改进的BP神经网络PID控制算法与传统PID分别作了仿真研究。研究结果表明,基于改进的粒子群优化算法改进的BP神经网络PID控制算法与传统的PID控制相比,提高了测量精度,在一定程度上减少了误差。     

BP神经网络PID的气动位置控制系统的研究

本文提出了一种将常规PID控制与BP神经网络相结合的自适应PID控制器,该控制器运用神经网络和BP算法实现了对PID参数的在线调整,利用变步长法和引入动量项来改进BP神经网络学习算法,有效减小了学习过程的振荡趋势,改善了收敛性,避免了学习过程陷入某些局部最小值,并将其用于在线调整气动位置伺服控制系统的PID参数,实现具有最佳组合的PID控制。MATLAB仿真表明,本文控制算法的静态特性、动态品质良好,鲁棒性强。     

基于遗传算法BP神经网络的恒压供水系统的研究

针对恒压供水系统普遍存在的非线性、大滞后和不确定的特点,设计了一种基于遗传算法BP神经网络的PID控制器,该控制器先通过遗传算法优化BP神经网络的初始权值,再利用BP神经网络的自学习和自适应能力,自动调整PID控制器的参数,达到自适应控制目的,解决了传统PID控制算法难以控制未知复杂系统的问题。软件仿真表明,本系统的恒压性能和动态性能有较大的提高,控制效果比较理想。     

基于多种群遗传神经网络的非线性系统辨识

提高非线性系统的辨识精度,本文提出利用多种群遗传算法对BP神经网络权值进行优化,并将该算法用于非线性系统辨识中,取得了良好的效果。实验证明,与单纯采用BP神经网络辨识方法相比,本文方法对非线性系统有更强的辨识能力。     

DVD光学头的BP神经网络自适应PID控制器设计

搭建了一套基于DVD聚焦循道伺服技术和双光子吸收三维光存储技术的双光头三维光盘存储系统.针对DVD光学读取头传递函数,采用BP神经网络自适应PID控制算法,构建PID控制系统仿真模型,通过BP神经网络的超强自学习和非线性逼近能力在线调整PID控制器参数,并进行计算机Matlab仿真.仿真结果表明,BP神经网络自适应PID控制算法提升了系统的响应速度,减小了系统的超调量.     

RBF辨识PID控制器在温室温度控制中的应用研究简

针对温室温度控制系统存在的大滞后、大惯性等问题,提出采RBF辨识PID控制策略。该控制算法根据径向基函数（RBF）网络在线辨识温室温度系统的模型,获取被控对象Jacobian信息。利用BP网络实时调整PID控制器的3个参数,实现温室温度控制系统的在线自整定控制。通过仿真验证,并与RBF—PID控制器作对比,仿真结果表明,该控制算法有较强的鲁棒性、自适应性,其追踪性能和控制参数自适应的能力都优于RBF—PID控制器。     

基于动态神经网络在线辨识的PID控制

针对工业控制领域中复杂非线性时变系统和传统RBF神经网络辨识PID控制的不足,提出了一种基于聚类结合算法的动态RBF神经网络在线辨识PID自适应控制方法.通过优化的动态RBF辨识神经网络更好地描述了控制对象的动态行为,获得PID参数在线调整信息,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比该方法具有较高的控制精度,较快的系统响应,较强的适应性和鲁棒性.     

基于SPDA的电脉冲除冰供电负载控制算法研究

为了减小采用基于SPDA的飞机电脉冲除冰供电对变频交流配电网电源品质的影响,针对电脉冲除冰负载控制问题,提出了BP神经网络PID控制算法。 该算法充分利用神经网络的自学习能力和逼近函数的能力及PID控制的鲁棒性,有效地提升了电脉冲除冰负载控制能力,使用仿真软件分析初步验证了该控制方法的有效性,并基于实验平台模拟飞机变频发电机(VFG)对发动机短舱进行除冰供电。实验结果显示,提出的基于BP神经网络PID控制方法是有效的。     

基于WNN-PID的直流电机位置跟踪控制

提出了一种新颖的小波基神经网络的网络拓朴结构.通过该网络对对象进行在线辨识,得到其Jacobian信息,使用神经网络与模糊算法共同在线调整PID参数的方法,实现直流力矩电机位置的准确跟踪,仿真和实验表明:使用该方法能够实现电机位置的准确跟踪;基本克服了一般神经网络控制对初始权值的依赖,大大提高了对象的辨识精度,增强了系统的动态响应品质,并具有很强的鲁棒性.     

基于改进的神经元PID战术网络拥塞控制

未来信息化的网络中心战中,网络拥塞问题成为制约战争信息有效传输的瓶颈。单神经元PID拥塞控制算法中,系统的稳定性和超调量等性能对于神经元的增益系数K的依赖性很大,结合无需辨识的自适应控制算法,动态地调整增益系数K;另外,为了进一步提高控制器品质,加入调整因子在线调整神经元权值的学习率;最后将改进后的算法应用到战术网络拥塞控制中。仿真结果验证了所提算法的有效性。     

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。     

基于改进神经网络算法控制开关电源的研究

针对数字开关电源的控制策略问题,提出一种改进共轭梯度算法的BP神经网络PID控制系统.以BUCK变换器为研究对象,在BP神经网络PID算法的基础上,通过改进共轭梯度算法优化控制系统的调节时间和恢复速度,以提高数字开关电源系统的控制性能和输出性能.基于MATLAB软件完成系统建模进行仿真研究.结果表明:改进后的控制系统比...     

基于参数BP网络的自整定PID控制在柔性结构控制中的应用

针对大射电望远镜(LT)悬索粗调系统为一非线性慢时变大滞后柔性系统的特点,提出用参数BP神经网络自整定PID控制器来实现馈源轨迹跟踪策略.仿真研究表明,该控制算法可以很好地满足馈源系统轨迹跟踪高精度要求.     

基于神经网络补偿的永磁同步电机控制

当永磁同步电机采用矢量控制策略时,为了在改善系统跟踪性能的同时兼顾系统的抗干扰性能,可以将速度环控制由一自由度PID控制改为二自由度PID控制,改善系统的跟踪性能和抗干扰性能,此外由于PID控制参数不可调,为减小系统误差,可以引入BP神经网络算法对系统补偿,仿真结果表明,系统的跟踪特性和抗干扰性能都得到改善。     

基于改进PID神经元网络的多变量系统控制算法

PID神经元网络具有动态特性,在系统控制应用中相比于传统的PID控制方法可取得更优的效果,但其学习算法为梯度学习算法,初始权值随机取得,为了提高其控制量逼近控制目标的速度和系统响应时间,引入粒子群算法对初始权值进行优化,最后应用Matlab软件对改进后的PID神经元网络算法进行仿真。仿真结果表明,该方法具有较好的控制性能。     

粒子群优化BP-PID的矿井提升机调速系统

传统PID控制器在矿井提升机变频调速系统应用中,由于控制参数固定且不易整定,导致电机转速超调大、电磁转矩和转子磁链脉动大,进而出现矿井提升机调速系统控制效果差的问题。针对这一问题,文中提出一种改进粒子群优化BP神经网络PID控制器的算法。由于BP神经网络算法存在收敛速度慢和极易陷入局部最优的缺点,现将粒子群算法收敛速度快和全局最优特性与神经网络结合,并通过设计神经网络收敛系数进一步加快收敛速度。仿真结果表明,粒子群优化的神经网络控制效果比神经网络好,且效果明显优于传统PID控制器;相较于神经网络PID控制器,矿井提升机转速调节系统稳速调节速度明显提高;与传统PID控制器相比,电机电磁转矩和转子磁链脉动明显降低,具有较强的稳定性和鲁棒性。     

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。     

基于优化GA-BP神经网络的金融产品营销预测

传统BP神经网络存在着网络结构参数确定过于依赖经验、易于陷入局部解等缺陷,为了改进BP神经网络模型的应用缺陷,提出优化GA-BP算法,通过GA算法优化BP神经网络拓扑结构和网络参数初始值的选取过程,并且为了验证模型的可行性,以某银行短期理财产品营销的客户历史数据作为实证研究对象,并通过与BP神经网络模型的对比实验,验证该模型可以更精确地预测银行理财产品的客户营销结果。实验结果表明将该模型用于对金融产品营销数据的仿真计算,可以更精确地预测未来营销结果。