混合网络在慢时变系统中的应用

针对工业慢时变系统非线性、调节时间长、参数难以用常规PID控制方法整定等的特点,提出了一种混合神经网络参数自整定复合控制方案。将BP网络和PID结合起来充当系统的控制器,实现PID参数的自整定,RBF网络充当辨识器,实现对受控对象模型的辨识。仿真结果表明,该系统具有较好的性能。     

神经网络PID参数自整定的应用研究

PID控制是工业控制中应用最为广泛的控制方法,但在实际应用中,其参数整定仍未得到较好的解决.本文把神经网络技术应用在PID控制中,采用BP网络对被控对象在线辨识,利用神经元自适应PID在线调整参数,构造神经网络PID自整定控制器.通过在实际交流变频调速系统上的实验表明,当突然加、减负载时,神经网络PID控制与传统PID控制相比,具有恢复时间短、超调量小等特点.     

BP神经网络PID温度控制在恒温振荡器中的应用

PID参数整定过程一直困扰着工程技术人员,研究PID参数自整定技术具有十分重要的工程意义。描述了PID参数整定的原理,阐述了BP神经网络PID控制的系统结构及算法,给出了基于LPC2368温度控制系统的硬件设计和软件设计方法。最后给出了基于BP神经网络的PID控制响应的温度曲线并与传统PID控制方法作了比较。结果表明:运用BP神经网络的PID控制算法,具有过渡时间短、超调量小、几乎没有振荡等优点,且结构简单,易于实现,具有较广阔的工业应用前景。     

神经网络模糊PID控制器在直接矩控制中的应用

介绍了一种模糊自整定PID参数控制器的设计方法,并提出利用神经网络训练PID参数的基值。对常规PID控制和神经网络模糊PID控制系统作了对比研究,仿真实验结果表明新方法既保证了系统的稳态精度,又保证了系统的快速响应和坚韧性。将该方法用于直接转矩控制系统中,取得了远远优于常规PID调节器的控制效果。     

基于BP神经网络PID参数整定的空燃比控制策略研究

采用BP神经网络实现在过渡工况下发动机空燃比的PID控制系统的参数整定,建立了发动机燃烧及燃油供给系AMESim仿真模型,利用MATLAB／Simulink设计了改进空燃比BP神经网络PID控制仿真模型,在AMESim环境下进行了动态仿真．仿真试验表明：基于BP神经网络PID参数整定的空燃比控制策略具有良好的自适应性能,与经典PID控制相比,改善了过渡工况下燃油的供给,实现了空燃比的精确控制．     

基于参数自整定的模糊智能供水策略

针对一次性整定的PID参数难以保证供水控制系统的控制效果始终处于优化状态的问题,提出了一种基于参数自整定的模糊智能供水策略。采用该策略系统一旦偏离正常状态,在系统性能超过容许范围时,自动启动PID参数的整定过程进行在线参数模糊自整定,按照整定后的PID参数系统自动切换到正常工作状态。重新整定的PID参数可使供水系统达到更好的控制品质。仿真实验表明:实时修改控制器的参数可以保证控制系统具有优良的控制品质。     

模糊参数自整定PID控制器的设计与仿真研究

为实现PID参数的自动整定,在PID控制和模糊控制的基础上,设计了一种用于晶体生长炉温度控制系统的模糊参数自整定PID控制器,该控制器基于PID参数的优化规律,利用模糊控制规则对PID参数进行在线的自动整定.与常规PID温控系统比较,该控制器的系统超调量明显减小,控制系统的动静态性能均得到改善,升温速度和目标温度控制精度达到了设计指标,系统仿真验证了该设计的有效性与实用价值.     

焦炉冷鼓系统自适应PID控制器设计

焦炉冷鼓系统的稳定状态直接影响炼焦生产的工艺指标。根据现场不同工况(正常工况、检修保温工况、非正常工况),采用最近邻聚类学习算法训练的RBF网络辨识,建立焦炉冷鼓系统及其控制系统的仿真模型,辨识出Jacobian信息并用于BP神经网络整定PID参数,实现适应不同工况的自整定PID控制。仿真结果表明,建立的模型及控制系统能将冷鼓系统的初冷器前吸力快速、有效地稳定在一定范围内,控制精度高、稳定性好,可保证焦炉冷鼓系统在不同工况下稳定运行,其自适应能力对稳定生产工艺指标具有一定的有效性。     

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BP-RBF神经网络的永磁无刷电机控制研究

针对常规PID对永磁无刷电机这类非线性系统控制时参数难以整定、适应性差的问题,提出一种基于径向基函数神经网络在线识别与BP神经网络自适应控制相结合的控制方法,即BP-RBF神经网络自适应控制。该方法构造一个RBF网络对系统进行在线辨识,并把辨识信息传入BP网络,通过BP网络实时调节PID系数,从而完成对电机转速的自适应控制。基于Simulink仿真平台,分别将BP、BP-RBF和传统PID算法应用到永磁无刷电机的调速系统中,并对控制效果进行了仿真验证。结果表明,BP-RBF控制方法具有上升时间短、鲁棒性强、转速波动小的优点。     

基于BP神经网络的改进增量式PID暖通控制器设计

为了克服传统PID控制在暖通空调系统应用中超调量大、控制精度低的缺陷,提出了一种基于BP神经网络的PID控制器设计方法.利用BP神经网络具有很强的学习能力、任意逼近非线性能力、自适应性和鲁棒性等特点,将BP神经网络与PID控制结合,实现了PID的3个控制参数的在线自整定.仿真结果表明,该方法可以显著改善系统的动态性能和控制精度,实现了PID控制参数的在线动态调整,避免了由于系统模型和结构参数变化导致的控制效果不稳定.     

基于通讯的智能PID参数整定控制系统的仿真开发

开发了一个基于上、下位机通讯的智能PID参数整定控制系统，上位机的算法采用基于BP神经网络的PID参数在线整定，并利用MATLAB来实现，上、下位机的通信以及显示监控部分利用VC来实现，利用VC与MATLAB之间的接口程序来实现下位机的测量数据，PID控制和上位机的智能PID参数整定部分的数据和命令传递，对一个非线性时变系统，作了仿真实验，仿真结果良好，表明本文所采用的方法是可行的，有效的。     

永磁同步电动机的动态神经网络SVPWM控制

针对永磁同步电动机控制系统中低速转矩脉动大以及由此引起的高频噪声、动态响应慢等问题,提出一种基于神经网络动态自整定的永磁同步电机矢量控制系统的实施方案。给出基于神经网络动态自整定PID控制器的结构,以及PID参数在线自整定的学习控制算法。将这种综合控制策略引入永磁同步电动机空间电压矢量PWM控制中,仿真结果表明系统低速性能好、转矩脉动小、谐波含量少,当电机参数改变或者受到外部扰动时,系统具有良好的动态特性。     

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,进而进行自学习,用于多变量系统的解耦控制.论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.     

PID控制的参数模糊自整定方法

针对一般PID控制算法在线调整PID的三个参数难度较大的问题,研究了PID控制的参数模糊自整定方法,即根据偏差和偏差变化率与PID三个参数的模糊关系,进行参数模糊自整定,该方法具有通用性和适应性强,参数容易整定,控制效果好等特点。并应用在WK－1型温度控制系统上,进行了实时控制实验,取得了很好的控制效果。     

基于神经网络和遗传算法的PID参数自整定算法

针对常规PID(proportional-integral-derivative)参数整定过程依赖被控对象的数学模型、不能灵活得到期望的性能指标等问题,提出了一种基于神经网络和遗传算法的PID参数自整定算法。该算法首先通过训练神经网络得到PID控制器参数和控制性能指标之间的映射关系;再利用遗传算法进行最优解搜索,得到全局范围内一组最优的控制器参数,使得给定的基于时域性能指标的目标函数值最优;最后,以水箱液位系统为例对所提算法进行实验验证。实验结果表明,与传统的ZN (Ziegler Nichols)参数整定法相比,所提算法整定的参数具有了更好的控制效果,同时可以通过改变目标函数中的性能指标权重系数,灵活得到不同期望的控制效果。     

PID控制的参数模糊自整定方法

针对一般PID控制算法在线调整PID的三个参数难度较大的问题,研究了PID控制的参数模糊自整定方法,即根据偏差和偏差变化率与PID三个参数的模糊关系,进行参数模糊自整定.该方法具有通用性和适应性强,参数容易整定,控制效果好等特点.并应用在WK-1型温度控制系统上,进行了实时控制实验,取得了很好的控制效果.     

基于神经网络的除氧器水位解耦控制

基于神经网络的PID控制,针对电厂除氧器被控对象的耦合特性,提出了一种比例、积分和微分参数在线自整定的神经网络PID控制算法,结合神经元补偿解耦网络,用来消除除氧器水位与凝泵出口压力之间的耦合影响,实现对除氧器水位系统的解耦控制。仿真结果表明控制系统基本消除了耦合变量之间的耦合作用,消除了系统输出的稳态误差,大大改善了系统的调节品质。     

方舱自整定PID温度控制系统的设计

一般的智能控制方法,由于参数收敛速度慢、算法复杂、调试频繁等原因,很难适应精密温度控制系统的控制要求.介绍了一种自整定PID控制系统,论述了该系统的硬件设计、控制算法及软件设计.实验结果证明,该系统可以自动算出PID控制器的准确参数,达到较好的控制效果.     

基于神经网络模型的拱泥机器人控制

拱泥机器人是为打捞沉船的关键工序—水下攻打千斤洞而设计的特种机器人.分析了拱泥机器人在水下泥土环境中受力情况,建立了基于MATLAB的拱泥机器人头部的动力学模型.针对拱泥机器人工作环境的不确定性,将传统PID控制与神经网络相结合,建立了一种应用BP神经网络实现PID参数自整定的自适应PID控制模型.控制器由PID控制器、神经网络NNC和NNI组成.神经网络NNC能够根据拱泥机器人动态特性的变化,自动整定PID参数,从而改善了控制性能.神经网络NNI为NNC提供学习的梯度信息.计算机仿真结果表明该方法是有效的.