直流电机调速系统仿真研究

研究无刷直流电机神经网络的PID控制.针对传统的双闭环PID控制器对控制参数难以适应,抗干扰能力差,对无刷直流电机进行控制时速度较慢、稳定性较差的缺点,为解决上述问题,提出了一种改进的BP网络PID控制的直流电机调速系统.首先确定改进的BP网络的结构,计算BP网络各层输入和输出,再选择增量式数字PID控制算法,计算控制器的输出,对PID控制参数进行自适应修改从而对直流电机进行调速.仿真结果表明,在提高调速系统的稳定性、响应速度、参数适应性和鲁棒性,同时根据对象输出的变化实时调整参数,改善了系统控制存在的稳态精度不高的问题.     

刨花板热压控制系统BP神经网络整定PID控制

针对刨花板热压控制系统中热压控制存在的非线性、纯滞后和时变性等现象,根据BP神经网络PID和常规PID控制的控制思想,提出了BP神经网络PID的控制策略,实现了对PID参数的在线自整定,完善了PID控制器的性能,提高了系统的控制精度.仿真结果表明,与常规PID控制器相比,该控制器明显提高了热压控制系统的动态性能和稳定性...     

双闭环直流调速系统优化及仿真研究

研究双闭环直流调速系统优化问题,直流调速系统具有不确定性、时变性和非线性,难建立准确的数学模型,而常规PID控制难以自适应双闭环直流调速系统参数变化,控制精度低,稳定性差.为了提高双闭环直流调速系统控制精度,提出一种改进的RBF神经网络PID的双闭环直流调速系统.RBF神经网络不需要建立精确的数学模型,具有自适应、自学习能力,可以对PID控制器的3个参数进行在线性优化,从而对双闭环直流调速系统进行准确控制.仿真结果表明,改进RBF神经网络控制解决了常规PID控制算法存在的难题,可以获得较高的控制精度,增强了双闭环直流调速系统的抗干扰能力和鲁棒性,为系统的优化设计提供了依据.     

直流调速系统的模糊／PID控制器设计

本文采用模糊/PID控制策略对直流调速系统的转速环进行了设计,根据转速误差的阀值由模糊控制切换到PID控制,给出了模糊控制规则和PID控制器各参数确定的方法,并利用Matlab进行了仿真验证,结果表明模糊/PID控制器具有较好的控制性能。     

基于BP神经网络的贴片机运动精度控制

将BP神经网络PID控制方法应用于贴片机运动精度控制器设计;针对传统PID控制器参数难以整定等问题,提出了BP神经网络和PID控制器相结合的方法,该方法既有常规PID控制器结构简单的特点,又有BP神经网络自适应、自学习以及逼近任意函数的能力;首先根据伺服电动机的工作原理建立了电枢控制伺服电动机模型传递函数,在此基础上建立了贴片机单关节轴位置控制器模型传递函数;其次描述了BP神经网络和PID控制器相结合的控制模型,并对具体的控制算法进行了定义;最后利用MATLAB仿真工具对贴片机单关节位置控制进行了仿真;仿真结果表明,结合BP神经网络的PID控制系统提高了系统的稳定性、快速性和动态性能并获得很好的控制效果。     

基于BP神经网络PID控制的PMLSM调速系统设计

针对永磁直线同步电动机提升系统的非线性、时变性、易受扰动等特性,在所建立的永磁直线同步电动机d-q轴动态数学模型的基础上,设计了一种改进型BP神经网络PID控制的PMLSM调速系统。该系统将BP神经网络算法中固定的学习速率改为自适应可调,同时添加动量项以减小学习过程中的振荡趋势,极大地改善了算法的收敛速度,避免了网络落入局部最小值的结果。仿真结果表明,使用改进的BP神经网络PID控制器可使PMLSM调速系统的调节时间和超调量大幅减小,响应速度加快,使提升系统具备较好的动态性能和较强的鲁棒性。     

BP神经网络在永磁同步电机中的应用

永磁同步电机是一个多变量、非线性、强耦合的系统,传统PID速度控制效果不理想.在分析永磁同步电机数学模型的基础上,采用改进型BP神经网络与传统PID控制相结合作为速度控制器,应用于永磁同步电机调速系统中.在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制,实现了电机速度的自适应控制.仿真结果表明:应用这种新型控制方式的永磁同步电机调速系统具有良好的动态性能和稳态精度.     

BP神经网络PID控制在空调系统中的应用

针对空调房间这样一个多干扰、大惯性、高度非线性系统控制性能优化较困难,传统的控制策略不但在控制精度、灵敏度以及系统稳定性上存在缺馅,而且能耗大.为了提高空调制冷和供暖效果,提出一种新的基于BP神经网络的PID控制方案,通过BP算法修正BP网络自身权系数,实现了PID控制器参数的在线调整.仿真结果显示BP神经网络PID控制系统比单纯的BP神经网络或PID控制系统建模时间短,系统更稳定,超调量更小,更适合应用于复杂的空调系统控制中.     

直流电动机调速控制系统的仿真研究

研究直流调速系统控制性能优化问题,直流调速系统是一种具有时变性和非线性的复杂控制系统,无法建立精确数学模型,传统PID控制的控制效果依赖于被控对象的精确数学模型,传统PID无法动态适应直流调速系统,难以获得较高的控制精度.SVM具有非线性控制能力,不需要建立精确的直流调速系统数学模型就可以进行精确逼近,为提高了直流调速系统控制精度,提出一种支持向量机和传统PID相结合的直流调速系统控制方法(SVM-PID).通过支持向量机对传统PID控制器3个参数进行在线整定,使PID控制器能够适应直流调速系统非线性变化,从而实现对适应直流调速系统精确控制,最后采用仿真验证SVM-PID性能.仿真结果表明,SVM-PID较好的克服了传统PID控制器存在的不足,提高了系统的抗干扰能力,减小了系统的超调量,为提高控制系统的性能提供了依据.     

PID神经网络控制器在发动机油门控制中的应用

BP网络与PID控制器相结合,可以实现对PID控制器参数的优化调整。但是BP网络的隐含层层数和神经元节点数的选取尚无定则,需要反复的计算论证才能确定;并且网络连接权重初值选取为随机值,难以保证系统初始运行的稳定。本文提出一种将BP神经网络与PID控制规律融合的新方法--PID神经网络,该方法控制结构简单、系统参数物理意义明确,同时又克服了上述网络的诸多缺点。将该方法应用于对发动机油门开度的仿真控制,仿真结果表明该控制器大大改善了发动机油门控制系统的性能,仿真效果良好。