汽包锅炉燃烧的PID型神经网络解耦控制系统仿真研究

介绍了汽包锅炉燃烧控制系统的控制任务、物理量间关系、原则性控制方案、传统控制方法,以及解耦控制方法的发展,引入了PID型神经网络控制系统的结构、学习算法、初始权值参数选取.MATLAB仿真结果表明,该控制系统对多变量强耦合时变的锅炉燃烧控制对象具有良好的解耦性能和自学习控制特性.     

基于神经网络PID炉温控制系统设计

将 BP 神经网络控制策略引入炉温控制系统,通过神经网络模拟实现 PID 控制器参数在线调整.在电阻炉炉温控制系统模型的基础上,详细介绍了神经网络 PID 控制器的算法,并对经典 PID 参数选取进行了分析.最后将神经网络 PID 与经典 PID 控制效果进行了仿真比较.     

基于PID神经网络的电液比例速度控制系统的研究

通过引入PID神经网络对电液比例调速系统进行控制处理,将复杂控制对象简化为一阶环节．有效地克服了难以建立数学模型的复杂系统采用PID控制时容易遇到的控制参数难以整定等缺点,使系统整体性能明显改善,仿真结果表明了所采用方法的有效性．     

基于反馈线性化的二自由度协调控制系统设计

协调控制系统的性能直接影响单元机组运行的安全性和经济性。为了克服非线性环节以及能量供需之间关联耦合作用对协调控制系统控制品质的影响,将反馈线性化方法与二自由度控制结构结合,针对一个典型的非线性机炉系统模型,设计出协调控制系统。在不同工况下的仿真试验表明,所设计的控制系统具有良好的设定点跟踪性能、抗干扰能力及鲁棒性。     

基于PID神经网络的多变量解耦技术在变风量空调中的应用

本文分析了空调控制系统、变风量空调系统特点及目前存在的控制问题,提出了空调控制系统引入智能控制方案的可行性与必要性,针对变风量空调系统的特点和要求,提出变风量空调系统的控制方案。控制回路由冷水流量一送风温度控制、风机转速一静压点静压控制、送风量一室内温度控制、新风量一二氧化碳浓度控制四个控制回路组成,建立了一种新的多层神经网络,实现了神经网络和PID控制规律的本质结合,在变风量空调控制系统中表现出很强的学习和自适应解耦能力,MATLAB仿真试验说明了系统设计的有效性。     

GMA的PID神经网络控制器设计与仿真研究

由于磁滞非线性现象,导致超磁致致动器(GMA)在开环系统中产生了定位误差,在闭环系统中造成了系统不稳定.为了克服该问题,应用PID神经网络系统,提出了一种实时滞回补偿控制策略,以实现GMA的精密位移跟踪控制.PID神经网络是依据GMA的滞回特性构造的,通过反馈误差学习方案在线自适应学习GMA的逆滞回模型.通过仿真,结果表明该控制策略能够适应GMA滞回特性随机械负载的变化,在线建立GMA的滞回逆模型,从而消除滞回非线性,实现GMA的精密定位.     

基于神经网络的配料补偿方法研究

介绍了自动配料系统控制方案的选用与构成,使用S7-200系列PLC实现了配料的自动控制.由于自动配料系统的复杂性,传统的补偿控制方法不能满足其精确度的要求.通过对影响配料精度因素的分析,设计了一种基于动态神经网络的配料控制系统.通过现场实际采集的配料历史数据,对系统进行仿真分析.结果表明,该方法可以有效减小配料误差.     

基于DSP的模糊神经网络控制算法在电阻炉上的应用

目的 使电阻炉控制技术适应非线性、大滞后、大惯性、时变对象的控制要求,提高炉温的热效率和控制效果,达到节能的目的.方法 通过对电阻炉工作特性分析,根据电阻炉的特点及控制指标要求,采用了模糊控制与神经网络技术相结合方法,应用了DSP芯片,构建了基于DSP技术硬件和软件技术平台.结果 采用模糊控制神经网络控制方法,提高了系统的稳态性能和动态性能,减小超调量,缩短了动态调节时间,提高了控制系统的实时性,有效地实现了对电阻炉的温度控制.结论 基于DSP的模糊神经网络控制算法优于常规的控制方法,使炉温的控制精度大大提高,抗干扰能力增强,取得了良好的控制效果.     

应用IRMCF341的无位置传感器PMSM控制系统的研究

针对频率自控式永磁同步电动机的转子位置检测问题,提出一种基于IRMCF341的无位置传感器PMSM控制系统,同时采用了通过测量电机定子电流来估算转子位置的方法和PID控制策略.本系统经研究与开发后,在实验样机上做了测试,其结果表明,该系统的硬件和软件设计方案及无位置传感器检测方法是可行的,系统不仅获得良好性能和高可靠性,同时也减少了电路体积,降低噪声.     

三容系统的解耦神经网络PID控制

三容水箱是常见的非线性强耦合系统,利用一种非线性动态解耦的方法对其进行解耦(其特点是能利用非线性补偿的方式将该类系统各回路输入与输出之间完全解耦),然后采用基于BP神经网络的PID控制策略对其进行控制,并利用MATLAB进行仿真。仿真结果证明解耦的有效性,表明了BP神经网络的PID算法比传统的数字PID具有更强的抗扰动性。     

基于BP神经网络整定的PID控制及其仿真研究

讨论BP神经网络PID控制,利用BP神经网络的自学习能力实现PID控制参数的在线整定,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控制器参数调整简单,具有很高的精度和很强的适应性,可以获得满意的控制效果.     

基于PID神经元的温度控制系统研究

应用神经网络控制理论和方法，对传统温度控制系统进行控制，可以得到无静差，无超调的优良性能，这对于传统工业改造具有实际意义。     

神经网络PID控制在倒立摆系统中的应用

PID控制是工业过程控制中最常用的一种控制方法 ,但当被控对象具有复杂的非线性特性 ,难以建立精确的数学模型 ,且由于对象和环境的不确定性 ,往往难以达到满意的控制效果。作者用神经PID控制方法应用于倒立摆系统 ,克服了常规PID控制的不足 ,取得了很好的控制效果     

基于模糊神经网络PID的永磁同步直线电机控制算法研究

针对永磁同步直线电机(PMLSM)系统模型参数的时变性、非线性以及负载扰动等问题,在建立永磁同步直线电机的动态数学模型的基础上,结合传统PID算法和具有强自适应能力、强抗干扰能力的模糊神经网络智能算法的优点,提出一种基于模糊神经网络PID的永磁同步直线电机控制算法。运动控制系统仿真实验结果表明:系统经模糊神经网络PID控制静态误差为零、干扰影响小,过渡过程时间缩短近50%,相对于传统PID控制和模糊PID控制具有更高的控制精度、更好的动态特性和静态特性。     

转炉煤气回收系统的PID神经网络控制策略研究

针对转炉炉口差压控制系统非线性、纯滞后和大干扰的特点,通过分析转炉煤气回收过程工艺及炉口差压对煤气回收效果的影响,提出将传统PID与神经网络控制策略相结合的炉口差压控制策略,并在对被控对象的辨识模型进行仿真分析的基础上,将控制策略投入工业应用。结果表明,与传统的PID控制策略相比,此控制策略具有较强的抗干扰能力,可显著改善控制系统的动态性能,并达到较好的煤气回收和烟气减排效果。     

神经网络PID控制系统设计与实现

设计了神经网络PID控制器,并搭建了交流变频调速控制系统,利用VB和DSP实现了变频调速控制系统。实验结果充分证明了神经网络PID控制器参数能够在线整定,具有较强适应性、系统响应速度快、抗干扰能力强的特性。     

神经网络参数自整定PID控制在供热过程控制中的应用

目的 使供热控制技术适应大滞后、大惯性、时变对象的控制要求,提高供热控制性能以及抗干扰性.方法 采用神经网络理论与增量式PID控制相结合的智能控制方法 ,利用神经网络的自学习能力,在线整定PID三个控制参数,使系统具有更好的鲁棒性和自适应性.结果 仿真实验表明,与常规增量式PID控制效果相比,提出的控制方案使热力站二次网回水温度控制过程很快进入稳态,超调量减小3.57%,通过在线学习及自动更新Kp,Ki,Kd参数,控制系统响应速度加快,且能有效抑制扰动.结论 神经网络参数自整定PID控制算法优于常规的控制方法 ,提高了供热过程的动态和稳态性能,抗干扰能力增强,取得了良好的控制效果.     

定量称重包装系统RBF神经网络PID控制研究

针对定量称重包装系统具有惯性、滞后、非线性时变且无法建立精确模型等特点,分析物料动态称量响应过程的动态特性及影响定量称重包装精度的相关因素和误差来源,提出1种基于RBF神经网络PID的定量称重包装控制策略。利用具有任意非线性表达能力及较强自学习能力的RBF神经网络寻求最佳的PID参数,并通过Matlab仿真验证控制策略的有效性。结果表明,与传统的PID控制相比,RBF神经网络PID控制策略具有较强的抗干扰能力,可显著改善定量称重包装系统的控制效果。     

基于RBF神经网络二级倒立摆系统的PID控制

针对二级倒立摆系统,提出一种基于RBF神经网络的PID控制方法。该方法采用RBF神经网络对PID控制器的参数进行优化修正,从而使控制器处于最优状态,实现二级倒立摆的稳定控制。仿真结果表明,该方法的控制精度较高,响应迅速,超调量较小。对于多变量、非线性、不稳定的快速系统,具有较好的控制效果。