基于最小二乘辨识模型的PID自整定应用研究

针对工业数据模型辨识精度不高及PID不能在线自整定问题,提出一种闭环在线自整定控制策略。控制策略利用递推最小二乘辨识方法获得模型,基于该模型采用改进的遗传算法进行PID自整定,构成闭环在线自整定系统。通过MATLAB中的App designer平台验证了所提方法的可行性和有效性。仿真结果表明:辨识得到传递函数可以很好地拟合跟踪工业数据,PID自整定参数闭环阶跃响应控制效果良好。     

基于阶跃响应二阶加纯滞后模型的系统辨识

阶跃响应法广泛用于系统辨识,特别是工业过程领域。辨识方法的一大特点是它能够根据阶跃响应辨识出模型参数,即使在被辨识的系统没有达到稳定状态之前,阶跃信号已经被加入。另外,这种方法可以在非零初始值下,同时辨识出模型参数和延时时间。由于对估计方程中的输出变量进行积分,即使输出信号中包含较大测量噪声,最终所得的参数估计值还是可靠的。     

一种简捷快速的系统辨识方法的研究

基于对开环系统阶跃响应曲线的分析。提出了采用最小二乘逼近数据来得到精确模型的方法。此方法通过时域方法分析阶跃响应曲线。确定出模型的几个关键特性．并且结合圈形界面来实现辨识过程。用户可通过圈形用户界面对阶跃响应进行编辑直接获得系统模型的结构和参数。其操作简单。方便，只需拖动几个手柄就可完成。最后给出仿真实例验证了此方法的精确性。     

320MW火力发电机组空载阶跃试验与仿真

在珠江电厂3号机励磁系统模型参数测试工作中,完成了励磁调节器模型参数辨识、发电机空载特性测量,完成了发电机空载阶跃响应等试验;建立了励磁控制系统空载阶跃响应仿真模型,并通过将仿真结果与实际空载阶跃响应结果比对,验证了励磁控制系统模型参数的准确性。     

气分装置过程模型辨识及评价标准研究

以锦州石化一套气体分离装置实施先进控制为背景,介绍了系统辨识的条件、辨识方法以及各种辨识模型结构.针对气体分离装置节能降耗技术开发与应用项目中复杂的工业流程,采用阶跃响应法,利用Matlab系统辨识工具箱中主要功能函数,对过程模型进行辨识,并分析不同模型的辨识结果.结合损失函数、预测最终误差、赤池信息等准则,对不同结构类型的辨识模型进行评价.     

神经网络模型参考自适应控制在污水处理中的仿真研究

污水处理厂目前广泛使用序批式活性污泥法处理污水.该方法是一种复杂动态生物反应过程,难以建立准确的数学模型,同时采用常规的PID控制难以达到较好的控制品质.针对以上问题,该文提出了RBF神经网络模型参考自适应控制策略,利用神经网络辨识器对污水处理模型进行辨识,使神经网络控制器不依赖被控对象精确的数学模型.仿真结果表明,该...     

液压位置系统及其噪声模型的辨识

本文讨论了用ARNAX时间序列模型来辨识液压系统的阶和参数,同时得到系统的干扰噪声模型。文中提出的增广最小二乘法和BIC定阶准则的结合,比已有方法辨识参数和阶的精度要高。进一步根据估计参数的渐近正态性确定模型的子阶和时滞。文中应用该方法辨识了液压位置系统及其噪声模型的阶和参数。仿真和实测阶跃响应比较,证明得到的辨识模型是有效的。     

多变量电液伺服系统及噪声模型的辨识

本文提出了用多变量CARMA时序模型来辨识电液伺服系统的阶和参数,同时得到系统的干扰噪声模型。文中用极大似然法和BIC定阶准则来估计模型的阶和参数,根据估计参数的渐近正态性态角模型的子阶和时滞。文中应用该方法辨识了电液位置和力耦合系统及其噪声模型的阶和参数。仿真和实测阶跃响应比较,证明得到的辨识模型是正确的。该方法可用于任何多变量机械系统的模型辨识。     

基于改进变异蚁群算法神经网络的空间大型可展开天线动态响应辨识

针对空间大型可展开天线柔性大、展开过程中弹性变形与刚体运动相互耦合、机构运动参数时变的特点,提出了基于改进变异蚁群算法神经网络的辨识模型用于可展开天线动态响应辨识的方法。该方法采用改进变异蚁群算法优化神经网络权值,将变异机制引入蚁群算法,解决了蚁群算法收敛慢的缺点,对变异蚁群算法进行改进,提高了算法跳出局部最优的能力,进一步加快了收敛速度。仿真结果表明,该辨识模型兼具神经网络和蚁群算法的优点,不仅具有优异的非线性逼近能力,还具有高的运算效率。该辨识模型能够准确地辨识天线的动态响应,辨识的收敛速度快且精度高。     

基于预测误差参数辨识的薄膜热电偶动态校准研究

本文研究了瞬态高温测量用薄膜热电偶的动态校准问题。利用脉冲激光产生温度脉冲,根据基于预测误差法参数辨识理论,采用MATLAB程序建立了薄膜热电偶动态辨识模型,并计算了该模型的参数;利用辨识模型计算得到了薄膜热电偶的阶跃响应和时间常数,解决了动态校准参数识别问题。     

基于神经网络的通用模型自适应控制

应用复合正交神经网络来实现过程的自适应逆控制方法,和通用模型控制器策略相结合,提出了一种基于神经网络的通用模型自适应控制方法,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而保证通用模型控制策略的可实现性.另一方面,在自适应逆控制中采用复合正交神经网络具有算法简单、学习收敛速度快等优点,可以克服常用的BP和RBF神经网络一些缺点.基于神经网络的通用模型自适应控制方法中的参考轨迹是一条典型的二阶曲线,该控制器参数具有明显的物理意义,参数整定方便.仿真验证了该控制策略的有效性.     

CMAC神经网络控制器与BP神经网络辨识器的系统设计

提出了一种基于CMAC神经网络控制系统,该系统由CMAC神经网络控制器和BP模型辨识网络组成。文中介绍了CMAC神经网络控制器的结构及学习算法,还给出了系统辨识的BP网络结构及学习算法。仿真结果表明了此法的可行性和有效性。     

基于神经网络的自适应控制方法

本文提出了一种新的自适应控制方法－基于神经网络的自适应控制,采用神经网络ＢＰ算法作为控制器来控制实际对象,动态地修改神经网络的权值作为自适应方法,使系统较好地适应负荷和外扰的变化,从而获得满意的控制质量。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

基于神经网络的电动舵回路容错控制方法研究

为了克服电动舵回路故障和非线性因素的影响,提出一种基于神经网络误差反馈学习的电动舵机容错控制器设计方法,根据电动舵机系统动力学特征建立系统非线性数学模型,采用反馈误差学习控制律进行神经网络容错控制,由参考信号和实际输出信号对比产生的误差信号驱动神经网络学习从而产生控制信号,以达到实现容错重构控制的目的,仿真结果表明,神经容错网络控制器能够达到满意的控制效果。     

基于神经网络的三自由度摇摆台运动学反解

针对传统的数值解法不能满足实时控制算法的要求，研究使用BP网络和径向基函数（RBF）神经网络求解三自由度摇摆台运动学反解的方法。通过离线的迭代算法生成高精度的样本点来训练神经网络，使用动量法、变学习率法和共轭梯度法提高BP网络的收敛速度。使用正交最小二乘法训练的RBF网络具有更小的泛化误差，更适合于实时控制应用。     

一种单入口匝道自适应模糊控制算法研究

高速公路入口匝道控制系统是一种非线性时变系统。本文基于BP神经网络和自适应模糊控制，结合MATLAB仿真工具，对一种单入口匝道自适应模糊控制算法进行了研究。深入阐述了单入口匝道自适应模糊控制算法的三层BP神经网络结构、数学模型、仿真以及其他相关算法中存在的缺陷。通过仿真实验得出结论，这种控制算法在高速公路控制上能够达到理想的效果。     

污水处理转刷曝气自适应控制系统的研究

针对某污水处理示范工程,对于一体化氧化沟的转刷曝气控制系统及相应的控制算法系统进行了研究.设计了全数字化的闭环控制系统,以溶解氧指标为控制对象进行了控制算法设计,针对转刷曝气工艺的特点,采用神经PID调节算法,引入了线性神经元(NNC)对经典PID算法进行优化、应用梯度下降法对NNC网络权值进行在线计算.在实验的基础上,确定了网络权值的初始值.采用C语言实现了算法的编程,该控制系统已在示范工程中得到初步使用.     

基于神经网络PID的蒸汽涡轮实验系统转速控制

采用组态软件WebAccess构建了蒸汽涡轮网络监控实验平台,利用神经网络PID算法实现了对蒸汽涡轮转速的有效控制,提供了面向蒸汽涡轮系统的神经网络PID参数整定方法,通过实验验证了控制算法的可靠性,为进一步研究汽轮机的关键控制技术提供了实验基础。     

STUDY ON INJECTION AND IGNITION CONTROL OF GASOLINE ENGINE BASED ON BP NEURAL NETWORK

According to advantages of neural network and characteristics of operating procedures ofengine, a new strategy is rapresented on the control of fuel injection and ignition timing of gasolineengine based on improved BP network algorithm. The optimum ignition advance angle and fuelinjection pulse band of engine under different speed and load are tested for the samples trainingnetwork, focusing on the study of the design method and procedure of BP neural network in engine