基于PLC的BP神经网络PID控制算法实现

本文研究BP神经网络PID控制算法在PLC中的具体实现方法。着重介绍了BP神经网络自整定PID控制系统结构和算法;以S7-1200 PLC为控制器,采用SCL语言进行了BP神经网络自整定PID控制算法功能块的设计,给出了功能块参数的说明;试验表明,相比常规PID控制,BP神经网络自整定PID控制能获得更好的控制效果,设计的算法功能块具有一定的通用性和可移植性,为先进控制算法拓展到工程实际领域提供了应用参考。     

基于神经网络自适应PID控制算法的原水预处理系统

原水预处理系统中传统PID控制器对V型滤池水箱水位控制存在超调大、稳态精度低等问题,本文设计了神经网络自适应PID控制算法,采用BP神经网络对PID参数进行自动整定,采用RBF神经网络对被控对象进行在线辨识,并在Compact Logix系列PLC上实现了神经网络自适应PID控制算法。将该算法用于原水预处理V型滤池水箱水位控制,实际控制效果表明:神经网络自适应PID控制算法控制精度高,鲁棒性好,大大提高了原水预处理系统的产水品质。     

BP神经网络PID控制器在热油锅炉温控中的应用

介绍了基于BP神经网络PID控制算法,结合多模态控制理论,提出将BP神经网络PID控制器应用于热油锅炉温控中,并将其与普通PID控制进行比较。结果表明,该方法具有超调量小、过渡时间短、鲁棒性好等特点,弥补了常规PID在锅炉控温中参数难以整定等缺点。将此控制策略应用于热油锅炉温控中,构建了锅炉的自控系统,使锅炉处于最佳的燃烧状态,保证锅炉的安全经济运行。     

一种基于遗传算法和神经网络的PID控制

提出了一种融合遗传算法和神经网络的PID控制算法。该控制器先利用遗传算法对BP网络的初始权系数进行学习优化，再利用BP算法实现对PID参数在线调节，解决了控制器网络初始权系数对控制效果产生的影响，仿真结果表明了该控制方法的有效性。     

新型智能PID控制的PMLSM调速系统研究

为进一步提高永磁直线电机调速系统的动静态性能,提出将BP神经网络与传统PID控制器相结合,以实现PID参数的最优化自整定。在研究常规BP神经网络的控制算法的基础上,对常规BP算法的学习速率和动量因子不能动态调整带来的缺陷进行分析,提出基于误差变化率的动态调整算法,实现对PID控制器参数的自寻优,并将算法应用于永磁直线电机矢量控制系统速度调节器中。仿真实验结果表明,改进后的基于BP神经网络PID控制算法与传统PI控制器相比,控制系统的动静态性能更优,稳定性更好,解决了由于参数整定困难而导致PID控制器性能不能达到最优化的问题。     

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明：模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。     

基于BP神经网络的PID控制器的仿真研究

针对经典PID控制参数整定困难且受时变、非线性等因素影响不能达到预期控制效果的实际情况,介绍了一种基于BP神经网络的PID控制器的构成和算法实现。仿真结果表明,基于BP神经网络的PID控制器参数调整简单,具有较高的精度和较强的适应性。     

压电驱动平台的自适应PID控制

为了辨识出最优的PID控制参数,建立压电驱动平台传动系统的动力学模型;根据压电陶瓷实际的迟滞特性曲线的非对称性,改进为非对称的PI迟滞模型,形成基于改进PI迟滞模型的前馈PID控制。采用基于改进的单神经元自适应PID控制算法和基于BP神经网络的PID控制算法,实现PID参数的在线实时调整。搭建压电陶瓷驱动平台实验系统,并进行闭环控制实验。结果显示,驱动平台在前馈PID控制、单神经元自适应PID控制算法及基于BP神经网络自整定PID控制算法下的平均定位误差分别为16.5 nm,8.3 nm及5.1 nm。自适应PID闭环控制精度优于前馈PID控制,神经网络整定PID控制精度高于单神经元自适应PID控制。     

基于神经网络的自适应PID控制器及其应用

介绍一种基于神经网络的自适应PID控制器,运用神经网络和BP算法在线调整PID参数,PID参数的初值采用继电器自整定法整定。仿真分析和实际应用结果表明,与传统的数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁捧性。     

新型智能数字PID控制器及其应用

针对BP神经网络-PID控制器盲目选取PID参数初值容易陷入局部最小和给定值大幅变化引起系统性能变坏等问题,提出了一种新型智能数字PID控制器,用积分分离型数字PID取代BP神经网络-PID控制器的传统数字PID,抑制超调,改善系统性能;用继电器自整定法确定PID参数的初值,防止神经网络的局部极小问题。对时变和非时变非线性被控对象,分别用Marlab对新型智能数字PID和传统数字PID的控制效果进行了仿真。结果表明,新型智能数字PID控制器具有更好的控制效果和更好的鲁捧性。将该控制器用于某冶炼厂铅板生产中的铅液温度（坩锅温度）的控制,获得了满意的控制效果。     

BP-PID Control Applied in Evaporator of Organic Rankine Cycle System

According to the problem that the selection of traditional PID control parameters is too complicated in evaporator of Organic Rankine Cycle system (ORC), an evaporator PID controller based on BP neural network optimization is designed. Based on the control theory, the model of ORC evaporator is set up. The BP algorithm is used to control the , and parameters of the evaporator PID controller, so that the evaporator temperature can reach the optimal state quickly and steadily. The MATLAB software is used to simulate the traditional PID controller and the BP neural network PID controller. The experimental results show that the , and parameters of the BP neural network PID controller are 0.5677, 0.2970, and 0.1353, respectively. Therefore, the evaporator PID controller based on BP neural network optimization not only satisfies the requirements of the system performance, but also has better control parameters than the traditional PID controller.     

BP神经网络整定的PID在机器人轨迹跟踪中的应用

充分利用BP神经网络能够逼近任意非线性系统的优点,将BP网络和PID控制相结合,解决了多关节机器人的运动轨迹跟踪问题.采用这种方法,可以在线实时调整PID控制器的参数,使其达到最优状态,克服了完全依靠经验离线调整PID参数的缺点,使系统具有更好的鲁棒性和自适应性,其输出也可以通过在线调整达到预期的控制精度.仿真实验证实了该控制策略的正确性和有效性.     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法,用于永磁同步电机的控制.该算法用基于BP神经网络的PID算法作为速度控制器,实现控制系统的在线自适应调整;同时用模糊理论算法作为神经网络控制器输出的限制,实现了良好的控制动态性能.在与传统的PI控制仿真比较中,该算法显示出了较好的控制性能,对负载和电机参数的变化不再敏感,且控制器可以在误差较大的时候快速跟踪指令,而在误差较小的时候实现稳定运行.     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

改进的BP神经网络PID控制器在温室环境控制中的研究

为了更好的实现对温室环境系统的智能控制,针对温室环境系统存在非线性、强耦合、大滞后、强时变等问题,在分析BP神经网络技术的基础上,提出并设计出一种基于遗传粒子群优化的BP神经网络PID控制器,该控制器结合遗传算法强全局搜索能力以及粒子群算法强局部搜索能力和收敛速度快的特点,对神经网络的权值进行优化,对温室环境系统起到了有效的控制。最后对常规和改进后的BP神经网络PID控制器进行仿真对比研究。仿真结果表明,经过改进后的BP神经网络PID控制有更好的稳定性和鲁棒性。     

基于神经网络的水轮机调节系统的自适应PID控制

基于有功功率反馈参与控制的水轮机调节系统,以几个典型工况下的最优ＰＩＤ系数作为训练样本,训练了一个三层ＢＰ神经网络,设计了一个用ＢＰ神经网络实现变参数的ＰＩＤ控制器;并构造了一个目标函数,设计了一个自适应神经元,利用神经元的自学习功能,在线优化控制器的输出,以期达到最优控制的目的。对简单电力系统的仿真结果表明,这种控制器可以达到较常规的变参数ＰＩＤ较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。     

基于BP神经网络的无刷直流电机控制器优化设计

无刷直流电机是一个多变量、强耦合的非线性系统,用常规的线性控制方法很难达到理想的控制效果。为了克服常规PID控制方法的不足,应用了BP神经网络对速度控制器的PID参数进行了优化设计。使用MATLAB仿真结果表明,采用BP神经网络这种控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度,能达到进一步优化控制系统性能的目的。     

神经网络在直流调速中应用

介绍了传统PID控制器在直流调速中的应用,其控制参数难以精确整定,故其控制精度难以保证,提出基于BP神经网络的PID控制方法,将其应用在直流调速系统中,仿真研究结果表明,该方法较传统PID有更好的控制效果。