改进的PID神经网络在黑液液位控制中的应用

针对黑液液位控制系统的非线性、大惯性及时变性的特点,对PID神经网络（PIDNN）在黑液液位控制中的可行性进行了深入研究与探讨。通过Matlab仿真,比较了常规PID算法、基于BP的神经网络算法和PIDNN算法对黑液液位的控制效果,验证了PIDNN算法的良好自适应性和鲁棒性。     

神经网络分数阶PID控制器在纸浆浓度控制中的应用

分数阶PID控制器继承了常规PID控制器的优点,并且具有更高的控制精度和更强的鲁棒性。针对常规PID控制器在纸浆浓度控制过程中存在的问题,设计了一种基于神经网络的分数阶PID控制器。用分数阶PID控制器代替常规PID控制器,并通过神经网络调节分数阶PID控制器的5个控制参数,实现一种参数自整定的PID控制器。仿真实验结果表明,神经网络分数阶PID控制器比常规PID控制器的控制精度高,对纸浆浓度的控制更稳定;采用神经网络分数阶PID控制器控制纸浆浓度是切实可行的,具有很好的推广应用前景。     

纸浆浓度的神经网络PID控制

针对造纸过程中纸浆浓度控制的特点，通过BP神经网络与PID相结合，组成神经网络控制器，用于纸浆浓度控制。利用神经网络自学习、自适应的功能，根据实际工况在线实时调整PID参数，使纸浆浓度的控制处于一种最优状态，达到较好的控制品质。     

PID神经网络在卷纸辊张力控制中的应用

分析了PID神经网络（PIDNN）的结构及参数调整算法,并将其用于纸机卷纸辊张力控制。经过仿真研究表明,PIDNN控制器的稳态响应过程比常规PID控制器快,没有超调,没有静差,过渡时间较短,收敛性较好,控制效果比常规PID控制算法有很大改善。     

采用Smith-PIDNN模型控制漂白工段碱化塔的温度

针对纸浆漂白过程温度控制的大滞后、大惯性、对象参数时变的特点,传统的Smith预估器在理论上解决了纯滞后系统控制问题,但其依赖于被控对象精确的数学模型,在应用中存在缺陷。本文采用PID神经网络(PIDNN)与Smith预估相结合的算法,利用Smith对纯滞后系统进行预估补偿以及PIDNN的自适应、自学习和在线调整控制器的参数功能。仿真结果表明,Smith-PIDNN算法简单、稳定且收敛速度快,能有效的解决系统大滞后、大惯性及蒸汽压力时变等问题。     

神经网络PID控制器在纸浆浓度调节中的应用

在造纸过程中,针对纸浆浓度控制系统的大滞后和模型不确定的特性,利用BP神经网络所具有的自学习能力和任意非线性表达能力,提出了用BP神经网络自整定PID参数的控制策略,对纸浆浓度的调节进行控制,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控制器具有很强的适应性,可以获得满意的控制效果。     

基于神经网络的碱回收蒸发工段黑液液位及浓度控制系统设计

针对造纸黑液碱回收蒸发工段多变量、大时滞、强耦合、难控制的特点,设计了以PIDNN为控制器的黑液液位控制,将传统PID和神经网络的优点巧妙结合,不仅结构简单,而且具有自适应学习能力;黑液浓度设计成基于径向基函数（RBF）的神经网络控制,对黑液浓度和流量进行解耦在线辨识,对控制器参数在线实时调节。实践表明,黑液液位控制与传统PID控制相比,PIDNN的调节时间减少约18 s,超调量降低约20%;与BP-PID相比,PIDNN的调节时间降低约14 s。黑液浓度的实际值可以快速跟随给定信号,有效黑液流量的变化对其干扰很小。     

纸浆浓度控制系统的设计

介绍了应用自整定PID控制的纸浆浓度控制系统的设计。首先建立纸前沿浓度控制的数字模型，包括干扰和参数变化的分析，在此基础上进行了自整定PID控制器的设计。通过固定参数PID控制器和自整定PID控制器实际运行效果的比较，表明设计的自整定PID控制器具有很高的性能。实际运行结果表明，系统可以实现初次应用时控制参数自整定和过程参数变化情况下控制参数自整定，保证系统一直在最优状态运行。     

纸浆浓度的PID控制优化的研究

提出采用遗传算法去优化纸浆浓度的PID控制参数。仿真结果表明:通过遗传算法得到的PID控制参数与Zieglar-Nichols方法相比,该方法得到的PID控制器在纸浆浓度控制中超调小,过渡时间短,控制更平稳,能获得更好的控制效果。     

基于PLC的纸浆浓度PID控制系统设计

造纸工艺中纸浆浓度直接关系到纸张质量,浓度过大可能造成纸张硬度过大不宜裁剪,浓度过小可能造成纸张硬度过低容易损伤。在此背景下,文章设计了一种基于PLC(Programmable Logic Controller,可编程逻辑控制器)的纸浆浓度PID(Proportional Integral Derivative,比例、积分和微分)控制系统,系统包括采集变送模块、控制器、执行机构和显示模块。以西门子S7-1200系列PLC作为系统控制中心,以气动调节阀和电-气阀门定位器作为执行机构,以市面上常见的纸浆浓度计作为采集变送模块,采集变送模块、控制器和执行机构相互配合,实时监测纸浆浓度变化并及时调整,提高纸张生产质量。     

基于模糊神经网络PID控制的粉体包装计量控制系统

针对粉体包装计量控制系统由于传感器、螺杆的旋转惯性、零点漂移,下料冲击力等因素的影响而造成的系统延迟、非线性等问题,提出一种基于模糊神经网络PID控制粉体包装计量控制系统。利用模糊神经网络良好的动态控制特性和自学习能力来调整PID控制比例、积分、微分3个调整参数。借助MATLAB simulink仿真软件进行系统的模拟仿真。结果表明,该模糊神经网络PID控制系统稳定时间能缩短约45%,超调量约减少16%。由此可得模糊神经网络PID控制系统优于传统的PID控制系统。     

基于RBF的纸浆连续蒸煮智能控制

针对纸浆连续蒸煮常规仪表控制中所存在的缺点,提出了用RBF网络来建立连续蒸煮过程的控制模型。通过改变蒸煮压力来克服用碱量及其浓度的波动对纸浆硬度的影响,从而达到稳定纸浆硬度的目的。仿真结果和实际应用都表明,用这种方法设计的控制器有很高的精度,很好的鲁棒性。     

气垫式流浆箱解耦控制的分析及应用

在建立气垫式流浆箱数学模型的基础上,利用神经网络原理设计了神经网络解耦控制器。根据总压和浆位给定值以及其输出值,通过自学习、调整网络权值来实现闭环控制的神经网络解耦控制思路,将强耦合的总压和浆位分解为两个单回路PID闭环控制系统。采用PID控制算法对解耦后的两个单回路闭环系统进行常规控制。实际运行效果表明,该控制系统可使总压和浆位的调整互不影响,且系统稳定。     

纸浆浓度的专家-模糊PID控制系统

介绍了应用于纸浆浓度控制的模糊控制与专家控制复合控制系统。根据纸浆浓度本身存在的大滞后特性以及模型的不确定性,结合模糊控制和专家控制二者各自的优缺点进行探讨,并利用Matlab仿真对比。结果表明,专家-模糊PID控制的控制性能明显优于传统PID控制系统,能很大程度地改善系统的动态特性,使得系统更快地进入稳定状态,具有良好的鲁棒性。     

食品包装袋膜模糊PID自适应纠偏控制

为了减小食品包装袋膜跑偏对产品包装外观美观度和品质造成的影响,提出了一种基于模糊PID的食品包装袋膜的智能纠偏控制算法。首先分析了拉膜机构在运动过程中出现袋膜跑偏的原因,并探究了纠偏系统数学模型。利用CCD传感器对包装袋膜偏移量进行检测,将检测结果传送到控制器中,由控制器中的模糊PID控制算法完成袋膜纠偏的闭环自适应控制。仿真和试验结果表明,模糊PID控制算法相比传统PID控制方法超调量更小、稳定性高、调节周期短。该控制方法具有较好的纠偏效果,包装袋膜平均纠偏精度最高达到0.69 mm。     

纸浆浓度的仿人智能PID控制

在分析仿人智能控制基本思想的基础上,提出了用仿人智能控制动态修正PID参数的设想.结合某一实际浓度控制工段,总结操作人员的经验,用规则化语言加以表述,并编程实现.通过对浓度控制效果曲线的比较,证明该控制方案较之普通PID控制在动态性能、鲁棒性能等方面都有较大的改善.