基于粒子群算法–反向传播神经网络自适应的氧调器控制系统

氧气面罩中的核心部件是氧气调节器(氧调器).针对当前氧气调节器的大流量、低吸气阻力、快速响应的性能需求,本文在分析了电子氧气调节器工作原理的基础上,介绍了氧气调节器的数学模型,采用了反向传播(BP)神经网络自适应控制算法,并使用粒子群算法(PSO)对BP神经网络自适应控制算法的初值进行筛选.最后,对算法的性能进行了仿真.仿真结果表明,系统具有鲁棒性,且与传统的比例–积分–微分(PID)控制方法和自抗扰控制(ADRC)方法相比, PSO–BP神经网络自适应控制方法实现了更精确的吸气阻力调节、更快的响应速度.此外,当呼吸频率变化或者外界干扰变化时,相比于常规PID算法和ADRC算法则需要人工调整控制参数, PSO–BP神经网络自适应算法则可以自动在线学习训练并调整控制参数,应用前景广阔.