基于混合学习算法的RBF神经网络主蒸汽温度控制

针对火电厂主蒸汽温度的大迟延、模型不确定性特点,提出一种使用径向基(RBF)神经网络整定PID串级主蒸汽温度控制策略.采用一种最近邻聚类法和梯度下降法相结合的混合学习算法构造RBF神经网络,在线辨识被控对象并对PID主控制器参数进行在线调整.仿真结果表明,基于混合学习算法的RBF神经网络PID控制器具有控制精度高、响应速度快的优点,系统动态品质优于常规算法的RBF神经网络PID控制.     

基于LabVIEW的解耦控制仿真研究

介绍了1种PID神经网络解耦控制结构和1种神经网络辨识器,并分别给出了前向算法及反向传播算法;最后应用LabVIEW,采用子程序模块化的编程思想,实现了神经网络控制器和辨识器的编程,并应用到2种被控对象的线性模型进行计算仿真,得到了2种被控对象的解耦控制结果,证明了PID神经网络解耦控制的有效性和使用LabVIEW实现...     

基于模糊神经网络PID的钻杆排放控制系统设计

本文为克服钻杆在排放过程中存在的非线性问题和保证钻杆在排放过程中运动的平稳性。本文采用鲁棒控制和模糊神经网络控制器相结合的实时控制器来保证所设计控制系统的稳定性和控制效果。构建的模糊神经网络PID控制器,可用于实时辨识被控对象模型,并提供非线性关系的动态模型。通过实验仿真表明本文所设计的模糊神经网络PID控制器具有良好的动态特性和鲁棒性。     

过热汽温自适应逆控制方案研究

针对火电厂锅炉过热汽温对象,将神经网络辨识技术和自适应逆控制技术相结合,提出了一种过热汽温自适应逆控制方案.该方案首先利用RBF神经网络在线辨识被控对象模型获得其Jacobian信息,在此基础上利用对角回归神经网络(DRNN)在线辨识获得被控对象的逆模型作为控制器,串联在控制对象前面构成自适应逆控制系统.通过对超临界600 MW机组过热汽温对象进行仿真研究表明,该控制方案能很好地适应过热汽温对象特性的变化,并且可以有效克服对象的大惯性和非线性,获得良好的控制品质.     

基于RBF神经网络的永磁同步电机速度控制

针对常规PID控制的永磁同步电机调速系统性能不足,利用RBF神经网络较强的非线性映射能力,提出一种基于RBF神经网络PID自整定方案。该算法通过RBF神经网络在线辨识对PID参数整定,改善常规PID控制效果。在Matlab/Simulink构建了基于S函数的RBF神经网络PID控制器和永磁同步电机调速系统,并结合研究对象进行仿真研究。仿真结果表明:该控制器具有较好的静、动态性能,并有较强的自适应性和鲁棒性。     

模糊控制器的设计及其鲁棒性分析

本文分析了常规PID控制器,模糊自适应PID控制器和变结构模糊PID控制器的原理,并设计了3种控制器。针对同一控制对象进行了ATLAB仿真,分别对比了被控对象参数和结构均不变、被控对象参数改变、被控对象结构改变等3种不同情况下控制器的鲁棒性。从仿真结果可以看出,变结构模糊PID控制器在3种情况下的鲁棒性最好。     

基于神经网络自适应PID控制算法的原水预处理系统

原水预处理系统中传统PID控制器对V型滤池水箱水位控制存在超调大、稳态精度低等问题,本文设计了神经网络自适应PID控制算法,采用BP神经网络对PID参数进行自动整定,采用RBF神经网络对被控对象进行在线辨识,并在Compact Logix系列PLC上实现了神经网络自适应PID控制算法。将该算法用于原水预处理V型滤池水箱水位控制,实际控制效果表明:神经网络自适应PID控制算法控制精度高,鲁棒性好,大大提高了原水预处理系统的产水品质。     

新型智能数字PID控制器及其应用

针对BP神经网络-PID控制器盲目选取PID参数初值容易陷入局部最小和给定值大幅变化引起系统性能变坏等问题,提出了一种新型智能数字PID控制器,用积分分离型数字PID取代BP神经网络-PID控制器的传统数字PID,抑制超调,改善系统性能;用继电器自整定法确定PID参数的初值,防止神经网络的局部极小问题。对时变和非时变非线性被控对象,分别用Marlab对新型智能数字PID和传统数字PID的控制效果进行了仿真。结果表明,新型智能数字PID控制器具有更好的控制效果和更好的鲁捧性。将该控制器用于某冶炼厂铅板生产中的铅液温度（坩锅温度）的控制,获得了满意的控制效果。     

基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。     

基于模糊补偿的神经网络算法在调速系统中的应用

提出了一种带模糊补偿的神经网络算法并应用在异步电机速度控制系统中，一个动态神经网络用于被控装置的在线辨识，然后根据被控装置的输出和参考模型的响应迭代出控制信号，具有四条简单规则的模糊逻辑块用于提高整个系统的闭环特性。仿真结果显示，对比传统的最优PID控制器，本文提出的控制策略具有更好的瞬变特性及抗干扰特性。     

交流稳压电源的改进神经网络PID控制

建立了交流稳压电源主电路数学模型并分析其闭环稳压控制原理。由于装置具有较强的非线性和变结构、变参数特性,采用经典PID控制器很难获得理想的控制效果。将人工神经网络与传统PID控制器相结合,构成一种不依赖于被控对象精确数学模型的神经网络PID控制器。为了提高神经网络的收敛速度,采用Levenberg-Marquardt算法计算连接权值更新量,并对当前解施加一个以一定概率保留的随机扰动,加快迭代过程跳出局部极小点。对装置主电路和改进神经网络PID控制器进行仿真,结果表明:系统动态响应快,鲁棒性强,调节平滑,具有较好的控制效果。最后,制造并测试了额定电压660 V、容量400 k VA的实验样机,对理论研究进行了实验验证。     

BP-PID Control Applied in Evaporator of Organic Rankine Cycle System

According to the problem that the selection of traditional PID control parameters is too complicated in evaporator of Organic Rankine Cycle system (ORC), an evaporator PID controller based on BP neural network optimization is designed. Based on the control theory, the model of ORC evaporator is set up. The BP algorithm is used to control the , and parameters of the evaporator PID controller, so that the evaporator temperature can reach the optimal state quickly and steadily. The MATLAB software is used to simulate the traditional PID controller and the BP neural network PID controller. The experimental results show that the , and parameters of the BP neural network PID controller are 0.5677, 0.2970, and 0.1353, respectively. Therefore, the evaporator PID controller based on BP neural network optimization not only satisfies the requirements of the system performance, but also has better control parameters than the traditional PID controller.     

带补偿的神经网络辩识器在异步电机调速系统中的应用

本文提出了一种带模糊补偿的神经网络算法并应用在异步电机速度控制系统中.一个动态神经网络用于被控装置的在线辨识,然后根据被控装置的输出和参考模型的响应迭代出控制信号,具有四条简单规则的模糊逻辑块用于提高整个系统的闭环特性.仿真结果显示,对比传统的最优PID控制器,本文提出的控制策略具有更好的瞬变特性及抗干扰特性.     

基于神经网络的PID控制器在电厂热工过程中的应用研究

对近年来智能控制中的几种典型的神经网络PID控制器的主要成果及其应用进行了总结,并探讨了神经网络和其它智能控制算法与常规PID控制结合的研究方向,最后对基于神经网络的PID控制器在电厂热工控制过程中的应用提出了展望。     

基于BP网络PID算法的恒压供水系统研究

采用神经网络控制理论与PID（比例、积分、微分）控制算法,设计一个基于SIMATIC CPU226 PLC的BP神经网络PID控制器。恒压控制系统由BP神经网络PID控制器、丹佛斯VLT2900变频器和水泵机组组成。解决了传统PID控制算法难以保证系统在任何工况条件下始终具有最佳控制性能的难题。试验结果表明：系统可以在线自整定PID参数,具有较好的自适应能力,控制效果比较理想。     

两区域负荷频率的智能自适应PID控制

利用神经网络动态辨识电力系统的动态模型,并将模型逻辑技术与神经网络相结合,通过动态寻优确定最优性能指标下的ＰＩＤ控制器参数,具体设计了一种两区域负荷频率的神经模糊自适应ＰＩＤ控制器。使两区域负荷频率控制既有非线性控制作用和自学习自适应能力,又有ＰＩＤ控制的广泛适用性。     

基于模糊神经网络的电动执行机构

电动执行机构控制的对象往往有多参数、非线性、时变以及变量强耦合的特点,很难建立精确的数学模型.模糊神经网络控制系统利用神经网络的非线性映射能力完成模糊控制,能很好地解决控制对象的动态特性所具有的非线性、时变性、参数可变等问题.仿真对比试验表明,电动执行机构采用模糊神经网络控制器(FNNC)后,系统的响应速度变快,调节精度提高.该控制器的适应性、鲁棒性也明显优于常规PID控制器.     

永磁同步直线电动机径向基神经网络PID控制

针对永磁同步直线电动机的初级磁链近似为常数这一特点,在d-q轴下建立了直线电动机的数学模型。直线电动机具有非线性、耦合性、负载扰动、时变不确定性等特点。常规PID控制虽然结构简单、输出稳定、易实现,但在高速高精度应用场合却不能达到理想的控制效果。提出了一种基于RBF神经网络与传统PID控制相结合的新策略,形成RBF神经网络整定PID控制,在一定程度上改进了PID控制性能。仿真结果表明,RBF神经网络PID控制具有更好的动态响应性和更加稳定的跟踪性能。     

基于神经网络PID控制的开关稳压电源

针对开关稳压电源非线性,如采用单纯的PID控制,难以在整个工作范围内建立数学模型的特点,提出了BP神经网络的PID控制方法。介绍了以MSP430F449为核心控制器件开关稳压电源的系统结构及软件实现方法。仿真和实验数据表明该控制器具有响应速度快、精度高和良好的鲁棒性。     

汽包水位的模糊调整自适应神经网络控制仿真研究

提出了一种基于模糊调整的自适应神经网络控制策略,将其应用到电站锅炉汽包水位的仿真研究中。应用模糊推理机在线训练神经网络控制器。将蒸汽流量信号作为神经网络的输入,使系统具有前馈补偿能力。构造了鲁棒控制器,保证在控制初期以及对象特性变化的情况下系统具有很强的鲁棒性。仿真结果表明了该控制策略的有效性。