基于对角递归神经网络整定的PID解耦单元机组负荷控制系统

针对火电厂单元机组具有多变量强耦合、非线性及参数时变的受控对象，提出了基于对角递归神经网络整定的PID解耦控制方法，其主要特点是能够提供一个对角递归神经网络来辩识系统模型，进而对PID控制器参数进行整定，实现多变量解耦控制。通过对火电机组负荷控制系统的设计和仿真研究，表明系统达到了动态近似解耦、静态完全解耦和无静差跟踪，并具有响应速度快，鲁棒性好等特点。图5参6     

单元机组协调系统的神经网络解耦控制仿真研究

神经网络控制是一种新颖的智能控制方法。应用神经网络技术,对难以精确建模的复杂非线性对象进行神经网络模型辨识作为控制器,提高了响应的快速性和准确性,可满足工业过程所提出的安全性、可靠性与易实现性的要求。大型火力发电单元机组协调控制系统是一个相对复杂的多变量控制系统,控制对象具有大时滞、时变、非线性、强耦合的特点,传统的PID控制算法很难实现对过程参数的良好跟踪和理想的控制效果。针对单元机组协调控制系统的特点将神经网络解耦控制应用于单元机组协调控制系统中,仿真实验表明,神经网络解耦控制具有较强的适应性和较高的控制精度,提高了负荷的响应速率,控制效果优于传统的PID控制算法。     

基于模糊神经网络的生物质气化炉的智能控制

利用神经网络理论与模糊理论融合而成的模糊神经网络,对具有非线性、非最小相位特征、大时滞以及负荷干扰特点的生物质气化炉气化过程进行了研究,设计了生物质气化炉炉温及一次进风量的智能控制系统.控制对象分别为气化炉气温及烟气含氧量,调节对象分别为生物质给料量与一次进风量,所建立的模糊神经网络具有五层拓扑结构,输入为给定值与实测值的误差及误差变化率,输出为PID参数变化量.仿真实验表明:该控制系统与传统的模糊控制系统相比具有更好的控制效果.     

基于神经网络的PID控制系统在联合站的应用

研究了神经网络技术与PID相结合的方法在油田联合站集输控制系统中的应用。把神经网络与传统的PID控制有机结合寻找出了一个最佳的PID非线性组合控制规律，在一定程度上解决了传统PID调节器不易在线实时整定参数，难于对一些复杂过程和参数慢时变系统进行有效控制的不足，从而提高了控制器对系统与环境的适应能力和控制效果。     

基于BP神经网络的解耦方法在直流锅炉控制系统中的应用

分析了直流锅炉运行时各变量之间的耦合关系;针对直流锅炉参数多变、强耦合的特点,提出了一种改进的误差反向传播算法(BP)神经网络分散解耦方法,对直流锅炉汽温-压力控制系统进行解耦,然后采用基于BP神经网络的PID控制方法对解耦后的2个近似独立的单输入单输出系统进行控制.仿真实验结果表明:BP神经网络分散解耦控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的控制效果.     

基于RBF神经网络自适应PID的预焙阳极焙烧炉温度控制

针对工况变化频繁的焙烧炉焙烧过程,提出了一种基于径向基函数(RBF)神经网络自适应PID的控制策略,该方法是通过神经网络的自学习能力在线调整PID控制器的参数,因而,其兼顾神经网络和传统PID控制的特点,能根据被控对象当前特征迅速地做出相应决策、克服实际控制过程稳态性和准确性之间的矛盾。将其应用于预焙阳极焙烧炉温度过程控制中,实验结果表明:它具有很强的自适应能力和鲁棒性,达到了满意的控制效果。     

基于自适应RBF神经网络PID控制微燃机排气温度

为了获得更好的微燃机性能,需要对排气温度进行很好的控制,采用自适应RBF神经网络PID控制器进行控制。建立了微型燃气轮机排气温度控制的数学模型,给出了一般的RBF神经网络,并引入径向基函数神经网络对PID控制的参数进行调整。通过将其应用于排气温度控制来证明所提出的控制策略的有效性。通过仿真模拟,排气控制系统的动态响应可以有效地提高,并且所提出的控制器的抗扰动性优于PID控制器。     

电阻炉温度智能控制系统优化

随着科学技术的发展,人们在关注机械设备自动化的同时也更为注意设备的精准化。电阻炉作为工业热加工的主要设备之一,是一种利用电流通过电阻材料发生热能的加热炉,电阻炉结构简单、炉温均匀,比较容易控制而且加热质量好,没有烟尘、没有噪声。电阻炉的温度控制能力会直接关系到产品的质量,在现有的电阻炉温度控制系统框架的基础上提出了一种优化措施,用热电偶代替温度传感器,实现对电阻炉炉温数据的采集,提高温度测定的精度,用神经网络算法改进PID算法,提高算法的适应性。通过仿真实验结果发现,优化后的电阻炉温度上升具有较强的规律性,缩短了电阻炉温度调控时间,对温度的控制效果较好,可以为工业的热处理提供更好的保障。     

神经网络自适应PID控制在柴油机齿条位置控制中的应用

提出了基于BP神经网络的PID控制算法在柴油机齿条位置控制系统中的应用，把传统的PID控制和BP(误差反向传播)神经网络控制相结合，采用“先离线学习，后在线控制”的思想实现了齿条位置闭环的自适应控制。初步实验结果表明，该控制算法能满足齿条位移控制的性能指标，且其稳态特性较好，克服静摩擦的效果令人满意。     

基于自适应神经网络模糊PID的磨煤机控制研究

以衡丰发电厂钢球磨煤机辨识结果为研究对象,基于MATLAB/Simulink平台搭建自适应神经网络模糊PID的磨煤机控制系统仿真模型,通过自适应神经网络对模糊规则进行训练和学习,改进磨煤机出口温度控制、入口负压控制以及负荷控制策略.仿真结果表明:自适应神经网络模糊PID控制优化效果明显,在磨煤机50％工况下,相比传统P...     

风力机变桨系统单神经元自适应PID控制

在分析风力发电系统能量转换理论的基础上,将单神经元自适应算法与常规PID算法结合,通过单神经元自学习,对PID控制器的系数进行在线调整,提出一种单神经元自适应PID调节变桨角度的控制方法,建立了风力机桨距角控制数学模型.风速超过额定值后,利用单神经元自适应PID控制器进行变桨控制,将控制结果与采用常规PID控制器的控制性能进行了对比.结果表明:单神经元自适应PID控制器可以将输出功率恒定在额定值,能够对变桨系统进行有效控制,达到预期的目标.     

基于忆阻神经网络的光伏面板清扫机器人PID控制器研究

机器人清扫是光伏面板高效、便捷的清扫方式。文章研究了光伏面板清扫机器人的PID控制器的优化策略。文章基于忆阻器独特的纳米级电路特性,设计了一种新型的突触电路;然后,基于新型的突触电路,构建对应的神经元和神经网络电路,并将忆阻神经网络和光伏面板清扫机器人中的PID控制器相结合,提出一种新型PID控制方法,该方法在一定程度上解决了传统PID控制器体积大、功耗高和相关参数不可调的问题;最后,基于仿真结果验证了文章提出方案的可行性和有效性。     

采用神经网络改善式循环柴油机的供氧控制

在氧气反馈调节的基础上,不依赖系统模型,借助神经网络的构成前馈控制器,以反馈输出引导网络权值及输出的调整,使网络逐步学成前馈补偿功能,并最在控制中占据主导地位,实现对负荷扰动的补偿。仿真结果表明,采用这一复合控制系统能有效地改善氧气控制的动态特性。     

用RBF网络整定的火电厂主汽温PID串级控制系统

火电厂主汽温具有大惯性、大迟延等特性，其动态特性随负荷而变化，采用常规的按照典型工况整定的固定参数PID串级控制难以获得满意的控制效果。为此，提出一种用RBF网络整定的PID串级主汽温控制策略，将RBF神经网络和常规PID串级控制相结合构成的智能PID控制器不仅具有常规PID控制器的特性，而且具有智能控制器的自学习能力，增强了系统对不确定因素的适应性。仿真研究结果表明：系统动态品质明显优于通常的PID串级控制，能适应对象参数的变化。具有较强的鲁棒性和自适应能力。     

基于互信息和PID神经网络的SCR脱硝扰动补偿控制

针对火电厂选择性催化还原(Selective Catalytic Reduction,SCR)烟气脱硝系统机理复杂,工况变化时呈现的不确定性、强扰动等特点,提出了一种基于互信息和PID神经网络的SCR烟气脱硝扰动补偿控制方法。利用PID前向神经网络的学习性能逼近被控对象的逆构成扰动观测器对系统进行反馈补偿,以达到超前消除系统扰动的目的。选取观测扰动和系统扰动的互信息为目标函数,采用改进的帝国竞争算法实现PID神经网络权值的优化调整。设计鲁棒PID控制器来进一步克服被控对象存在的不确定性。仿真实验表明,该方法具有突出的抗干扰能力和较好的鲁棒性,控制品质优于常规的PID控制。     

Application of neural network for the modeling and control of evaporative condenser cooling load

Artificial neural network (ANN), in comparison with PID controllers which have broad applications in the highly complex HVAC systems, has recently received more attention. The present paper includes thermodynamic modeling of an evaporative condenser under steady state and transient state conditions for establishing control of thermal capacity, using Artificial neural network. To train the system under dynamic condition, predictive neural network, capable of understanding dynamic behavior and predicting the preset output is used. The principle operation of such neural networks is based on the reduction of gradients of errors existing between the predicted output and the actual output of the system. To control the system thermal capacity, neural controller based on training received from the reduction of gradients between the output controller and the ideal output, is used. Results obtained during present investigation indicate that artificial neural network controller is suitable substitute for PID controllers for thermal systems.     

BP神经网络在水轮机调节过程中的应用

由于水轮机调节系统的大惯性、"水锤"效应等特点及其结构复杂等问题,采用传统的常规PID控制已很难满足控制要求,控制品质也难以改善,控制过程中易发生超调量大、震荡频次多、收敛时间过长等问题。对此,在常规PID控制基础上设计了基于BP神经网络自适应PID控制,并在Matlab软件中完成相关程序的编写及仿真试验。仿真结果表明,基于BP神经网络自适应PID控制是一种有效的水轮机调速器参数整定方法,相较于常规PID控制能获得更好的动态性能。     

模糊PID神经网络算法在污水处理中的应用

溶解氧控制是污水处理厂控制的关键,针对当前溶解氧控制效率低下的问题,提出了一种具有自学习和自适应功能的模糊PID神经网络算法。首先建立PID模糊控制规则表;然后采用神经网络对模糊控制规则表进行不断的训练,得到最佳的模糊控制规则表;最后利用Matlab仿真和工程模拟调试进行验证。结果表明,在大滞后非线性的曝气控制系统中,模糊PID神经网络算法能在最短的时间内使溶解氧达到所期望的值,且整个控制过程具有良好的动态性能和稳态性能。     

锅炉汽包水位的模糊PID控制研究

为了改善传统PID控制器对锅炉汽包水位的控制效果,在传统PID控制的基础上,运用MATLAB软件,融入模糊控制算法,对锅炉汽包水位进行仿真研究,结果表明:采用模糊PID控制的锅炉汽包水位控制达到稳态的时间仅为0.073 3 s,远小于常规PID控制所用的时间0.5 s;采用模糊PID控制的锅炉汽包水位控制产生的最大超调为0.06%,远小于常规PID控制产生的超调0.2%;采用模糊PID控制器进行控制,系统仅振荡了1次就进入稳态,系统的平稳性得到了很好的改善,平稳性及自适应方面均明显优于传统PID控制,控制效果更能达到工程实际要求。