神经网络PID控制器在轴承试验台液压加载控制中的应用

采用改进型BP神经网络与传统PID相结合，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神经网络在线自整定PID控制，仿真结果表明，系统具有良好的动态性能和稳态精度。     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

基于神经网络的交流伺服控制系统设计

针对PID控制交流伺服系统无法同时获得稳定性和快速性,提出了一种基于神经网络的交流伺服控制系统设计方法.在交流伺服控制系统中,采用改进的BP神经网络作为系统控制器,利用其极强的非线性动态跟踪能力和自适应学习能力,及对控制对象的数学模型无依赖性,实现控制对象快速、准确定位.系统仿真表明,BP网络控制器具有快速跟踪性和较好的控制精度等优点.     

污水处理自动化控制系统控制策略研究

结合污水处理过程的特点,将BP算法与传统PID控制进行有机结合,构造基于BP神经网络的PID控制,实现PID控制器参数的在线整定。将该控制策略应用于污水处理系统的溶解氧浓度控制中,并与常规PID控制效果进行了仿真实验和对比研究,结果表明基于BP神经网络的PID控制法有着传统PID方法无法比拟的优势。     

磁轴承BP神经网络PID控制算法研究

针对传统PID控制算法难以解决磁悬浮系统非线性的问题,设计一种BP神经网络PID控制算法。通过仿真分析与试验研究,比较普通PID控制算法与BP神经网络PID控制算法对磁悬浮系统的实际控制效果。研究结果表明：BP神经网络PID控制算法可以改善磁悬浮系统的静动态性能,并使系统具有自学习、自适应的能力。     

基于模糊神经网络和遗传算法的智能控制器

PID控制算法简单、鲁棒性强,但其参数整定过程繁琐,整定时需要控制对象的精确数学模型,而且整定往往是针对某一种具体工况进行的,缺乏自学习和自适应能力.模糊神经网络则兼备了模糊逻辑和神经网络的优点,具有函数逼近功能,具有较强的自适应、自学习能力、容错能力和泛化能力.借助于遗传算法对全局性参数进行优化设计,借助于BP算法对局部性参数进行优化,将模糊神经网络和遗传算法引入PID控制参数的整定过程,构造出一种基于模糊神经网络和遗传算法的智能PID控制器.     

基于BP神经网络EPS系统控制策略研究

助力特性曲线是反映转向轻便性和路感强度的重要特性,对于目标车型进行电动助力转向系统的开发,需要设计符合目标车型状态变化的助力特性曲线,通过确定车速感应系数,设计出了目标车型的曲线型助力特性曲线,并采用基于BP神经网络的PID自适应控制,通过神经网络的自身学习和加权系数调整,实现参数自整定,避免了传统PID参数整定的繁琐...     

无刷直流电动机的神经网络PID控制器研究

提出了一种基于BP神经网络的PID控制器,该控制器有机结合了BP神经网络和PID的特点,克服传统PID控制存在的不足,并采用快速BP算法改善其收敛性,有效的提高了无刷直流电动机调速系统性能,仿真研究表明上述神经网络PID控制器,比传统PID控制器控制动态过程有明显改善,能够获得更高的跟踪精度。     

基于免疫神经网络的双缸液压机同步PID控制

为了提高双缸锻造液压机的同步运动控制精度,设计了免疫神经网络PID控制器。分析了双缸锻造液压机同步控制系统原理,建立了阀控液压缸数学模型;针对传统PID控制器不具有参数自适应整定的缺陷,使用免疫算法对系统状态进行监测,根据系统状态实时调整PID参数,使PID控制更具有时效性和有效性;免疫算法中抗体抑制调节函数的构建精度极大影响控制精度,鉴于BP神经网络对非线性函数的无限逼近能力,使用BP神经网络逼近抗体抑制调节函数;经仿真实验验证,设计的免疫神经网络PID控制器具有超调量小、同步跟踪误差小、鲁棒性高等优势。     

基于BPNN的太阳能板双轴自动跟踪控制系统设计与应用

太阳电池板日照利用效率是光伏发电规划中备受关注的问题,为了实现光跟踪的精确控制,采用了PID控制方法,建立了BPNNPID太阳能双轴自动跟踪控制模型,利用BP神经网络对PID控制中的比例、积分、微分等关键参数进行了优化整定。基于日照强度传感器实现了闭环控制,修正了天文年历计算数据的偏差,完成了实物模型的设计与制作。试验表明:基于BP神经网络PID参数整定的控制策略具有良好的自适应性能,提高了光跟踪系统的响应速度、稳定性及准确性,提高了太阳能板的日照利用效率。研究成果对太阳能光伏发电效能提升应用提供了一定的技术参考。     

基于模糊BP网络的自适应PID控制

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于模糊BP神经网络的PID控制算法,采用模糊规则自动地调节BP神经网络训练过程的学习参数,利用神经网络较强的学习能力和模糊控制在模型未知或不精确前提下的控制能力,将其应用到PID控制中[1],实现了PID控制参数的在线调整和优化,并对其在非线性离散系统中的应用进行了仿真。实验结果表明该算法性能优良,加快了系统响应速度,减少了超调量,适用于纯滞后非线性系统。     

扫描隧道显微镜微位移工作台的 神经网络PID控制方法研究

提出了一种基于神经网络理论的微位移工作台控制方案。该工作台以压电陶瓷作为微位移驱动元件,对伺服电机大位移进行位移补偿。分析了压电陶瓷微位移驱动器的原理,建立了工作台的数学模型。神经网络PID控制器对工作台进行闭环控制,利用BP网络的自学习和自适应能力,实时调整网络加权值,改变PID控制器的控制系数,减小工作台的位移误差。采用专用的压电陶瓷驱动电源对工作台的位移进行了实验,相对于常规PID控制器,微位移为11.41 μm时的响应时间从1.5 s缩短到1 s,稳态位移误差从3.13％减小到1.05％,工作台的稳定性和定位精度得以提高,改善了扫描隧道显微镜的工作性能。     

一种基于BP神经网络的模糊PID控制算法研究

提出了一种基于神经网络自学习和并行处理的能力。利用模糊控制对未知模型不精确控制的功能来设计的PID控制算法,仿真实例表明能较好地实现PID控制器参数在线调整和优化。     

基于神经网络的模糊自适应PID控制方法研究

针对常规PID控制器不能在线修正参数以及模糊规则和率属函数对专家经验的依赖性,提出了神经网络模糊自适应PID控制器,从而综合了传统PID控制、模糊控制、神经网络控制的优点,使其具有PID控制的广泛适用性和神经网络的自适应和自学习能力,同时又具备模糊控制的非线性控制作用;仿真实验可知该控制器具有更快的响应和更好的平稳性.     

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。     

神经网络自适应PID在开关磁阻电机中的应用仿真

介绍了一种基于神经网络的自适应PID控制器,其运用神经网络和BP算法在线调整PID参数,并把此控制器和传统PID控制器组合成一个复合控制器应用于开关磁阻电机调速系统中.仿真结果表明,与传统的数字PID控制器相比,该复合控制器具有更好的自适应性和鲁棒性.     

基于模糊神经网络PID的复合控制策略

为了结合模糊控制容错力强和神经网络PID在线学习和调整的优点,提出了一种结合模糊控制与神经网络PID控制的复合控制方法,即分别设计模糊控制器和神经网络PID控制器后,再利用权重分配器对这两个控制器进行权重分配来控制被控对象。将该控制策略应用于某火电机组的二级过热器减温水流量系统控制,并在simulink仿真平台进行仿真,仿真实验结果表明:该复合控制策略较传统的模糊控制或神经网络PID控制的上升时间更短,调节时间和超调量更小,稳态性能更好。     

油茶果采摘机阀控液压马达模糊神经网络PID控制

推摇式油茶果采摘机在作业机构作业时,需要保证振动液压马达恒定转速输出,以保证油茶果能够顺利通过推摇振动从树枝脱落,对此,推导了推摇式油茶果采摘机阀控振动液压马达系统的状态空间方程,并在传统增量式PID控制原理的基础上设计了模糊径向基函数(Radial Basis Function,RBF)神经网络PID控制方法。采用MATLAB/Simulink仿真软件对液压系统在空载和5 s带载工况进行仿真,并与传统PID控制和模糊PID控制方法进行比较和分析。仿真结果显示,传统PID控制和模糊PID控制响应速度较慢、鲁棒性较差;而采用模糊RBF神经网络PID控制方法响应速度快、鲁棒性强,能够很好地满足振动液压马达恒定转速输出的要求,并且能够灵活地在线调整PID的3个参数,控制精度较高。     

基于黑箱模型和RBF-PID的HCCI发动机燃烧正时控制

由于均质充气压缩点燃(HCCI)发动机缺少直接控制其燃烧的手段,导致HCCI发动机的燃烧正时控制成为HCCI发动机的研究热点。以HCCI发动机进气歧管的温度和压力、燃油当量比、转速以及进气门关闭正时为输入,利用BP神经网络建立用于估计HCCI发动机燃烧正时的黑箱模型。在此模型基础上,以进气门关闭正时为控制量设计了PID控制器,并利用径向基神经网络对其参数进行整定,以实现对燃烧正时的反馈控制。实验结果表明,BP神经网络估计模型对HCCI发动机燃烧正时的估计误差小于0.4(CAD),能实现准确的估计;此外,与传统的PID控制器相比,设计的RBF-PID控制器在超调量、调节时间以及抗干扰性等性能方面均有改善。     

模糊神经网络PID控制在振动打桩机中的应用

针对双马达电液伺服系统难以进行同步控制,实现无级调频调矩的问题,提出了基于Mamdani型的模糊神经网络PID控制方法。该方法的主要思想是结合模糊推理和神经网络控制技术,构成模糊神经网络,实时调整PID参数。实验结果表明：与传统PID控制方法相比,该方法改善了系统的动态特性,提高了控制精度。