BP神经网络PID控制在双温区自动空调中的应用

针对目前传统PID控制对模型依赖性强,难以在线调整控制参数,具有非线性,而神经网络控制在误差控制方面又有不足之处,在变风量汽车双温区自动空调中都难以得到较好的控制效果,文章提出了将BP算法的神经网络和PID加以混合的一套控制系统,减少因为参数模糊性、非线性问题以及外界不稳定的干扰对汽车空调系统的影响,从而提高系统的鲁棒性。     

交叉耦合式的双直流力矩电机同步控制

针对双直流力矩电机的同步控制问题,提出了一种交叉耦合式的控制策略,将同步误差引入到被控直流力矩电机中。同时针对电机受到外界干扰、摩擦等因素引起的非线性问题,设计了交叉耦合式的BP神经网络PID控制算法。为了验证控制算法的有效性,将算法控制器应用于天线测试转台上进行仿真;仿真结果表明,控制算法的收敛速度快,稳定性高,有效的减小了系统的同步误差。     

汽轮机高压旁路系统电液比例阀非线性仿真及分析

以汽轮机高压旁路控制系统为研究对象,通过分析控制系统的主要控制元件——电液比例换向阀的控制特性,考虑比例阀存在的饱和、滞环、死区等主要非线性因素,建立起汽轮机高压旁路控制系统的阀控缸非线性数学模型,并运用PID控制算法参数整定,对系统进行校正。基于MATLAB/Simu-link控制系统的非线性模块,对PID参数整定后的汽轮机高压旁路系统电液比例阀非线性模型进行仿真和分析,结果表明系统响应快速,稳定性良好,达到控制标准要求。     

基于改进BP神经网络的智能车PID控制研究

为了解决传统PID控制在智能车控制中响应迟滞,稳态误差和敏感性较大等问题。在传统PID控制的基础上,引入了BP神经网络。BP神经网络算法可以自动识别数学模型,可以自我学习和训练,自动整定加权系数,能够让控制参数自我调节。多次试验结果表明,该控制算法提高了控制的稳定性和快速响应性。     

基于LabVIEW的比例阀控制性能优化研究

针对电液比例位置控制系统中的死区、滞环等非线性问题,提出一种带有死区补偿的模糊PID控制算法以提高控制系统的性能。通过AMESim与Lab VIEW的联合仿真,对比分析该方法的控制效果。仿真结果表明,优化后的控制算法大幅度降低了稳态误差,提高了响应速度,从而改善系统的控制性能。     

先导式电液比例阀非线性位置自适应补偿控制

为了提高先导式电液比例阀的位置控制性能,解决大批量先导式电液比例阀生产带来的不一致性问题,首先,建立了比例阀的非线性数学模型,针对比例阀死区不一致且难检测的问题,提出死区在线检测方法,采集主阀开始运动时的先导阀电磁铁电流值来表征死区大小,将当前死区值通过上位机在线读出并进行补偿;然后,针对普通PID固定增益带来的控制效率和精度低下的缺点,设计了基于死区在线检测的模糊PID自适应位置控制器,实时动态调整控制器各项参数;最后,基于MATLAB软件和先导式电液比例阀测试平台,验证所提出的控制方法的有效性。研究结果为先导式电液比例阀的批量化生产奠定了理论基础。     

PCI-8132运动控制卡在传动间隙PID补偿中的应用

介绍一种死区兼带阻滤波PID控制算法,利用剩余误差进行重定位补偿,从而控制非线性传动系统中的运动稳定性。     

基于BP神经网络自整定PID恒温控制系统研究

针对传统PID热导传感器(TCD)系统控制参数不能在线实时调整的问题,设计了一种基于BP神经网络自整定PID的热导传感器恒温控制系统。该系统硬件上以C8051F060微控制器为主控制器,辅以热导信号的采集、放大、滤波以及温度闭环控制等外部电路,软件上以BP神经网络PID控制算法为核心,搭建了一个完整的热导传感器恒温控制系统。另外,该系统以热导传感器温度为直接控制对象对系统进行仿真分析与实验。实验结果表明,该系统提高了热导传感器温度控制精度,最终温度控制误差在±0.1℃的范围内,增强了系统稳定性及可靠性。     

主蒸汽温度的BP神经网络PID控制系统的研究

针对火电厂主蒸汽温度系统大惯性、大迟延、非线性的特点,常规串级PID控制难以取得满意的调节效果,为了改善常规PID控制的不足,文章在研究BP神经网络的基础上,把BP神经网络PID控制应用到主汽温控制系统中。运用matlab仿真,结果表明,与传统控制相比BP神经网络PID控制算法有效减小了系统的超调量,提高了系统的响应速度,在主汽温控制系统中具有很好的控制效果。     

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。     

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。     

基于死区补偿的电液位置伺服系统自抗扰控制

针对电液位置伺服控制系统的比例阀死区、参数不确定及外部未知扰动等问题,设计了由自抗扰控制器与死区逆补偿构成的串联控制器。首先基于实验辨识构造死区逆模型对死区进行预补偿,然后根据系统特性设计了一阶自抗扰控制器,构造改进的扩张状态观测器对“总扰动”进行实时估计,并通过非线性控制律给予主动补偿。联合仿真与试验结果表明,所提出的串联控制器有效地补偿了比例阀死区,提高了系统动态性能和位置跟踪精度。     

基于GA-BP神经网络的非线性模拟量回归

针对嵌入式系统中传感器测量模拟量与采样值之间的非线性关系难以找寻确定公式进行表达的问题,提出使用BP神经网络对非线性模拟量进行回归拟合。并针对BP神经网络易陷入局部极小值的缺陷,采用遗传算法进行优化。实验表明,与最小二乘法与三次样条插值法相比,BP神经网络对曲线拟合程度优于其余两种方法,且具有较高的准确度。遗传算法优化后的BP神经网络,能够更加快速收敛,准确度也进一步提升。同时将网络模型应用在MCU端,实现在MCU端的预测与参数更新,具有一定的实用性和适应性。     

Analysis and compensation for the cascade dead-zones in the proportional control valve

The four-way proportional directional control valve has been widely used as the main stage spring constant for the two-stage proportional control valve (PDV). Since a tradeoff should be made between manufacturing costs and static performance, two symmetry dead-zones are introduced in the main stage spring constant: the center dead-zone caused by the center floating position and the intermediate dead-zone caused by the intermediate position. Though the intermediate dead-zone is much smaller than the center dead-zone, it has significant effect on the dynamic position tracking performance. In this paper, the cascade dead-zones problem in a typical two-stage PDV is analyzed and a cascade dead-zones model is proposed for the main stage spring constant. Then, a cascade dead-zones inverse method is improved with gain estimation and dead-zone detection to compensate the dead-zone nonlinearity. Finally, a digital controller is designed for verification. The comparative experimental results indicate that it is effective to reduce the large position tracking error when the proposed method is applied.     

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。     

Internal leakage rate prediction and failure diagnosis of buried pipeline ball valve based on valve cavity pressure detection

— Ball valve is a key fluid control equipment used extensively in oil and gas pipelines. The online detection and failure diagnosis of the internal leakage of the ball valve is of great significance to ensure the safety operation of natural gas transmission pipelines. This paper proposes a prediction method of the internal leakage rate and a diagnosis method of the failure mode of the buried pipeline ball valve based on valve cavity pressure detection. Firstly, the valve cavity pressure signal generated by the internal leakage of the ball valve is detected by the pressure sensor, and the valve cavity pressure signal is denoised by wavelet threshold denoising. Then, the back propagation (BP) neural network has the disadvantage of unstable learning ability, so the BP neural network is optimized by chaos sparrow search optimization algorithm (CSSOA-BP). Finally, the prediction model of the ball valve internal leakage rate and the diagnosis model of the ball valve failure mode are established by using CSSOA-BP neural network and the characteristic parameters of the valve cavity pressure signal. To verify the performance of the prediction model and the diagnosis model of CSSOA-BP neural network, the predictive results and diagnostic results are compared with those of the sparrow search algorithm optimization BP (SSA-BP) neural network and BP neural network. The experimental results show that the maximum prediction error of CSSOA-BP neural network is the smallest, which is 13.6%. The accuracy of the diagnostic results of CSSOA-BP neural network is the highest, which is 83.3%. It indicates that the proposed method can achieve better predictive results of the ball valve internal leakage rate and more accurate diagnostic results of the ball valve failure mode.     

基于双线性插值法的比例方向阀死区补偿方法

为解决比例方向阀死区引起的流量非线性等问题,常常采用智能控制算法和死区补偿相结合的方法,这些方法往往都依赖于阀芯位移传感器和精确的比例方向阀模型,而对于无位移传感器的比例方向阀则无法应用,因此针对无位移传感器的比例方向阀,设计了能够不依赖位移传感器而进行死区补偿的双线性插值补偿策略。自研发的控制器采集压力传感器获取的进、出口压力值和输入电压值,进行双线性插值计算后输出校正后的电压值,以校正后的电压值代替输入电压值调节比例方向阀阀口开度以补偿死区,从而解决由死区引起的流量非线性等问题。试验结果表明,该死区补偿方法,可有效地减小无位移传感器比例方向阀的死区和滞环。     

基于改进型模糊神经网络PID阀位控制研究

针对调节阀控制系统在实际生产中存在的大滞后、非线性等问题,提出一种改进粒子群算法优化的模糊神经网络比例积分微分(PID)控制模型用于阀位控制,该模型利用模糊神经网络的自学习能力,实现对PID控制参数的实时在线整定,并且通过将改进粒子群算法与BP算法相结合的方式,实现对模糊神经网络参数的粗调和细调,克服了模糊神经网络收敛...     

基于BP算法的人工神经网络建模研究

本项目研究的目的是建立管线表面温度值和热流值的标准化转换模型系统.该系统模型主要用来排除外界环境因素对热流值等测试结果的影响.根据项目要求拟采用基于人工神经网络BP算法的管线表面温度值和热流值的标准化转换模型.人工神经网络是一种模仿大脑神经网络行为特征,进行分布式并行信息处理的算法数学模型.这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的.     

基于迭代学习算法的电液比例伺服控制

为解决电液比例控制系统的非线性、时变性、变流量死区及变流量增益等对系统位置控制精度的影响,提高电液比例控制系统的控制精度,针对系统的非线性特性,设计不严格依赖于系统精确数学模型且有较强抗干扰能力的迭代学习算法,同时针对系统的变死区特性,设计能够基于误差和误差变化率在线调整死区补偿量的模糊死区补偿算法。迭代学习算法和模糊死区补偿算法的综合使用是根据当前的控制经验灵活调整控制量,从而有效地改善由于系统非线性及时变性所带来的影响。试验结果表明,不加入模糊死区补偿时,系统位置跟踪存在明显的滞后,最大位移跟踪误差达到6 mm,而同时采用迭代学习算法和模糊死区补偿算法极大的提高系统的控制性能,系统达到稳定跟踪后,最大位移跟随误差在1 mm以内。