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。     

智能PID参数自整定技术在伺服系统中的应用

针对常规PID控制参数整定困难,且受时变、非线性等因素影响而不能达到预期控制效果的实际情况,提出了RBF网络动态辨识的BP神经网络PID参数自整定算法.此算法可实现PID控制参数的在线自整定和优化;同时,将算法应用于伺服控制系统中,以VC++6.0和Matlab为开发和仿真工具,对动态辨识神经网络智能PID参数自整定方法进行仿真研究.仿真结果表明,控制算法鲁棒性强、响应速度快,可用于控制参数时变的非线性系统.     

基于BP神经网络整定的PID控制

传统PID控制在控制系统中有广泛的应用,但是由于其在参数整定过程中对于对象模型过分依赖,并且参数一旦整定计算好后,在整个控制过程中都是固定不变的,而在实际系统中,由于系统状态和参数等发生变化时,过程中会出现状态和参数的不确定性,系统很难达到最佳的控制效果．为了改善传统PID控制的效果,又充分利用现有PID控制的研究成果,采用BP神经网络对PID参数进行整定,并对该系统进行了仿真分析．仿真结果表明,采用BP神经网络整定的PID控制较传统PID算法及BP网络算法都有较大程度的提高．     

神经网络PID控制器在山梨醇生产中的应用研究

在山梨醇化工生产过程中,针对结晶过程温控系统存在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,对结晶过程温控系统进行控制,并用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,可获得满意的控制效果。     

一种神经网络PID控制在燃料电池测试系统中的应用研究

对燃料电池测试系统中露点加湿器的温度控制进行研究,提出了一种用BP神经网络进行参数整定、积分分离的PID控制算法.利用神经网络的任意非线性表达能力,通过对系统的学习来调整PID参数,实现最优的PID控制.通过在实际燃料电池测试系统中的实验表明,这一算法实现的PID控制系统控制稳态好、过冲小、收敛快.     

主动磁悬浮轴承的神经网络自适应稳定性控制

针对主动磁悬浮轴承本质非线性和开环不稳定的系统特征,设计了一种BP神经网络自适应PID控制器。该控制器采用改进的BP神经网络PID控制算法,通过BP神经网络的自学习和权值调整寻找最优的PID参数,克服了常规PID控制参数整定困难的缺陷,实现了系统的自适应控制。通过MATLAB/Simulink环境和S-Function模块建立了主动磁悬浮轴承控制系统模型,并进行了系统仿真实验,结果表明,BP神经网络自适应PID控制系统响应速度更快,具有更好的动态性能和稳态性能。     

基于神经网络的PID自整定控制系统

文章介绍了一种应用神经网络技术建立的PID自整定控制系统,给出了系统结构,详细分析了BP神经网络和RBF神经网络的结构和学习算法。该系统采用3层BP神经网络,其输出为PID控制器的参数;通过变结构的RBF神经网络辨识控制对象,将得到的输出对输入的梯度信息提供给BP神经网络,BP神经网络根据该信息优化PID控制器参数。仿真结果表明,该系统对于参数扰动较大的非线性系统,其收敛速度快、动态响应能力强、稳定性好,且具有较强的鲁棒性和适应性。     

神经网络PID控制器在硬盘磁头定位系统中的应用

针对硬盘驱动器难以建立准确对象模型的特性,提出了一种采用神经网络PID控制器的方法。该方法利用神经网络的自学习能力和任意非线性表达能力,实现实时、在线地调整PID控制器的比例、积分、微分系数,从而找到PID控制参数的最佳组合,以达到某种性能指标的最优化。作为常规BP神经网络的改进型,提出以从最初时刻到当前时刻的误差的平方和最小作为性能指标函数。仿真结果表明,采用这种控制方案进行硬盘伺服控制,系统收敛速度快、调节时间短、且几乎没有超调和稳态误差,性能优于常规神经网络PID控制,适用于实际的硬盘驱动器磁头定位。     

车辆主动悬架的BP神经网络自适应PID控制

提出了一种主动悬架的基于BP神经网络的自适应PID控制方法,并借助于1/4主动悬架物理模型,探讨了该控制技术在车身主动减振方面的控制问题.以白噪声模拟路面输入,对车辆主动悬架系统进行计算机仿真研究.将BP神经网络PID主动悬架、PID主动悬架和被动恳架的车身加速度、悬架动挠度及车轮动位移三项指标的均方根值进行了对比分析.仿真结果表明,具有BP神经网络PID控制器的主动悬架控制效果明显优于PID主动悬架和被动悬架,可大大减少路面对车身的振动冲击,能显著地提高车辆行驶平顺性和乘坐舒适性,且鲁棒性好.     

基于复合控制的摆镜伺服系统研究

针对摆镜伺服系统的高精度要求,结合重复控制和神经网络PID控制的设计思想,提出了一种新型的复合控制方案.该控制方案采用重复控制改善系统的稳态特性和增强系统克服同频率扰动的能力,并采用BP神经网络PID控制增强系统抵抗参数变化和各种非线性不确定扰动的能力,改善系统的动态特性.试验结果表明,该方案使伺服系统获得了良好的动态和稳态性能,很好地改善了系统的跟踪性能,有效地提高了摆镜扫描的速度稳定性,抑制了电机的振荡现象.