基于搜寻者优化算法的PID神经网络解耦控制

传统的PID神经网络,由于初始权值随机选择,权值学习采用BP算法,所以容易陷入局部极值,进而导致该方法无法得到高精度的控制结果。该文提出采用搜寻者优化算法优化PID神经网络初始权值,再把最优初始权值带入PID神经网络,实现解耦控制。对一个耦合系统进行仿真实验,结果表明,与目前控制效果较好的粒子群算法优化PID神经网络相比,该算法收敛速度更快、稳态误差更小,同时也具有良好的自适应和抗干扰能力,能够实现快速、高精度、稳定的解耦控制。     

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。     

改进BP神经网络PID多变量解耦控制器的设计

针对多变量系统间的耦合问题,设计了改进的BP神经网络与PID控制器相结合的多变量解耦控制器。在将BP神经网络附加动量项的基础上,还将激活函数进行了改进。利用神经网络的自学习能力,在线调整PID控制器的三个参数,实现了多变量系统的解耦控制。用Matlab软件对一个耦合系统模型进行仿真,结果表明,改进后神经网络PID控制器优于传统神经网络PID控制器,震荡小,系统响应速度快,可以得到满意的解耦效果。     

基于粒子群优化PIDNN的温室温湿度解耦控制仿真

针对温室系统的温湿度解耦控制,提出了利用粒子群算法来优化PID神经元网络权值的控制方法。仿真结果表明优化后的PIDNN解耦控制器调节时间短,超调量小,增强了控制系统的鲁棒性,为多变量强耦合系统的解耦控制提供了一种有效的方法。     

不确定性X-Y定位平台PID控制方法研究

X-Y定位平台属于强耦合非线性系统,且由于结构复杂性及外界干扰,当前测量水平难以获得其精确的数学模型,提出基于自适应神经网络的PID控制策略。考虑到X-Y定位平台系统精确的数学模型难以获得,利用神经网络良好的学习能力来逼近系统未知非线性模型,设计神经网络控制器;为了保证神经网络在学习的初期阶段的控制精度,设计PID控制器来进行辅助补偿控制;为加快学习速度,提高运动控制的实时性,设计变学习率的优化算法来实现神经网络权值的在线调整。试验结果验证了所提控制方法的有效性。     

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.     

遗传算法和小波神经网络PID在电机控制系统中的应用

提出了一种基于遗传算法和小波神经网络的PID参数整定方法.首先,利用具有自然进化的遗传算法对小波神经网络的初始权值进行优化训练,解决了控制器网络初始权系数对控制效果产生的影响;其次,利用小波神经网络对PID参数进行在线调节;最后,将此算法运用到电机控制系统的PID参数寻优中.仿真结果表明:基于此算法设计的PID控制器可以极大地提高寻优速度,鲁棒性强,改善了电机控制系统的动态性能和稳定性.     

一种基于多参数优化的神经网络控制器研究

针对常规PID+CMAC复合控制器中多个控制参数难以确定的问题,提出采用改进遗传算法对PID控制参数、CMAC神经网络学习率和惯性量等多参数进行寻优,把常规PID控制、CMAC神经网络和遗传算法的优点结合起来,设计了基于改进遗传算法多参数优化的PID+CMAC自适应控制器.仿真结果表明,提出的多参数优化的CMAC控制器具有良好的鲁棒性、抗干扰能力和自适应能力,是解决不确定性非线性对象控制问题的一种有效的控制方法.     

优化PID与神经PID控制主动悬架的性能对比研究

为主动悬架选择一种更可行的控制方法,对PID与神经PID控制主动悬架进行了优化后的性能对比研究。基于1/4车二自由度主动悬架模型,利用遗传算法以悬架二次型性能指标为目标函数,分别对PID控制主动悬架的增益系数与神经PID控制主动悬架的初始权值和学习效率进行了优化。优化结果显示:优化后的PID控制主动悬架的综合性能较神经PID控制主动悬架略优。出现上述结果的原因在于:当神经PID控制主动悬架的学习效率等于零时则退化成PID控制主动悬架,学习效率不等于零则导致神经PID控制主动悬架的实时PID权值偏离了最优的PID权值。此外凸块路面输入下的仿真也显示优化PID的鲁棒性也略优于优化神经PID。因此,选择算法较复杂的神经PID对主动悬架进行控制是没有必要的。     

多变量PID神经元网络控制系统在集气管压力系统中的应用

针对某焦化厂焦炉集气管压力系统具有强干扰、强耦合、非线性的特点,采用一种多变量PID神经元网络控制算法,更好地实现了解耦控制。这种多变量PID神经元网络与常规的PID控制算法比较不仅具有较好的动态性能和稳态性能,而且还具有很强的自学习功能和自适应解耦能力,适用于对非线性多变量系统的解耦控制。     

基于改进遗传算法的PID参数优化在闪蒸罐压力控制中的应用

由于在加氢裂化过程中闪蒸罐压力控制存在非线性、大滞后等问题,运用常规比例-积分-微分(Proportion-IntegralDerivative,PID)控制效果较差,虽然传统遗传算法可以优化PID参数,提高控制精度,但是收敛速度慢,整定时间长,限制了其在闪蒸罐压力控制中的应用。针对以上问题,提出了一种通过改进遗传算法优化PID参数的新型方法,该方法以传统遗传算法为基础,通过对适应度值的自适应缩放、交叉率和变异率分别按Sigmoid函数和高斯分布函数自适应调整等策略来提高遗传算法的全局搜索能力和收敛速度,从而实现对PID控制参数的优化。仿真结果表明,用改进遗传算法优化后的闪蒸罐压力PID控制具有更好的自适应性和鲁棒性,使系统调节时间减少到86 s,超调量减少到0. 141 8%,有效地改善了系统的动、静态特性。     

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。     

基于改进遗传算法的多变量DMC参数优化

针对常规PID控制策略对多变量控制系统控制不理想的问题,提出了一种基于改进遗传算法的多变量动态矩阵控制。该方法将控制方法和参数优化算法相结合,对多变量动态矩阵控制参数进行寻优。在此基础上,对遗传算法进行改进,提高了其寻优能力。仿真结果表明,改进后的遗传算法能快速准确地跟踪设定值,减小调节时间。     

一种基于改进的粒子群优化算法的神经网络PID控制器

针对多输入多输出(MIMO)复杂过程控制中控制性能偏慢等问题,对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳,提出了一种粒子群优化算法,提高了PSO算法的收缩因子以保证优化的收敛性,并进行了Matlab仿真。研究结果表明,所提出的神经网络PID控制器的改进粒子群算法优化,在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。     

神经网络在解耦控制中的应用研究

针对多输入多输出耦合对象，研究基于BP神经网络的解耦控制，提出采用神经网络解耦和PID控制相结合，对系统进行解耦控制的方法，通过对两输入两输出耦合对象进行计算机仿真结果表明，解耦控制效果很好。     

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。     

基于免疫遗传和RBF网络的火灾探测器温箱自适应控制

为了解决火灾探测器闭环温箱的控制,提出了一种基于免疫遗传优化的RBF网络参数整定PID算法.首先利用免疫遗传算法对初始PID参数及其学习率进行优化;然后在RBF辨识网络基础上实现了PID参数的在线调整. 实验表明该算法能实现火灾探测器温箱系统的PID自适应控制,具有控制精度高、抑制噪声及扰动能力强的优点.     

自适应遗传算法在变风量空调系统解耦控制中的应用

变风量空调系统由于节能高效的优点受到了国内外的广泛关注,而其又具有多变量、非线性、强耦合等特点,为了优化系统提高稳定性,提出了一种基于自适应遗传算法的解耦控制策略。该策略采用机理分析和系统辨识的方法并结合实验数据建立被控对象耦合特性的数学模型;通过一种类前馈的补偿方法,设计了变风量空调系统解耦补偿器的传递函数矩阵;根据系统控制性能指标的要求,设计了变风量空调系统4个控制回路的PID控制器,并使用自适应遗传算法对PID控制算法的控制参数进行了整定。继而对实际系统中4个耦合回路进行仿真分析,实验结果表明类前馈解耦有效地提高了控制系统的稳定性和鲁棒性。     

基于改进遗传算法的气体混合控制系统的设计与仿真

针对传统气体混合存在精度低、混合时间长等问题,研究了以质量流量控制器为主的气体混合系统,设计了改进遗传算法整定PID参数的控制系统。利用模式识别建立了系统数学模型,针对标准遗传算法的缺陷,设计了一种改进比例选择算子并提出自适应法调整交叉、变异概率。进行仿真实验验证改进遗传算法优化PID控制系统的控制性能。实验结果表明,相比标准遗传算法和Z-N法优化PID,基于改进遗传算法优化PID控制系统具有更高的控制精度以及更快的混合时间。     

真空退火温度的建模与解耦控制

真空退火炉中温度的精确控制是一个多变量控制问题。为实现退火温度的精确控制,以真空退火炉现场实际采集的数据为基础,辨识出真空退火炉温区温度的二阶滞后模型,提出一种二阶滞后系统的多变量预测函数解耦控制算法。将多变量系统的解耦控制问题化简为若干个单变量系统的预测函数控制,采取分散优化策略代替整体优化,利用预测函数控制算法的特点,引入基函数增加了设计的自由度,减少了在线计算量,使参数设计和算法过程求解大为简化,得到一个解析的控制量计算方程,实现退火温度二阶滞后系统的多变量预测函数解耦控制。仿真结果表明,控制方法优于传统或改进的PID控制系统。将该控制方法应用于实际的 2 100×2 100真空退火炉退火温度控制系统中,取得了很好的控制效果。