MDF施胶系统模糊神经网络PID控制

针对中密度纤维板(MDF)施胶系统中存在的非线性、纯滞后等现象,提出一种模糊神经网络PID控制方法。系统采用模糊神经网络控制器和PID控制器相结合的结构,改进了模糊神经网络自学习的能力,能够实时整定PID控制器的参数,提高控制系统的精度。仿真结果表明,模糊神经网络PID控制系统能够提高MDF施胶系统的响应速度和抗干扰能力,并且使MDF施胶系统具有较好的控制效果与控制精度。     

基于模糊神经网络的PID张力控制系统

由于卷绕张力控制系统是一个复杂、联动、时变、非线性系统,采用传统PID控制不能解决系统的非线性时变和PID参数的在线整定难等问题,为此提出一种控制算法——模糊神经网络PID复合控制方式,可根据系统的偏差及其变化率实时对PID的3个参数进行优化,达到具有最佳组合的PID控制,从而实现PID控制的自适应和智能化性能。通过MatLab软件,进行传统PID控制与模糊神经网络PID控制动态性能的仿真比较,结果表明系统采用模糊神经网络PID控制具有更好的动、静态特性和自适应性。     

基于模糊自适应PID控制的汽车涂装烘房温控系统研究

针对现今汽车烘房温度控制系统中存在设备规模庞大、控制程序繁琐,从而导致开车调试难、控制参数设置比较繁琐等问题。文章采用模糊自适应PID算法,将模糊控制与PID控制结合起来,利用模糊算法在线实时调整PID参数,把模糊自适应PID控制具体应用到烘房温控系统中,解决了传统烘房温控系统控制器依赖精确的数学模型的问题,增强了烘干室温度控制系统对不确定因素的适应性。并利用MATLAB对系统进行仿真,与传统单纯的PID控制进行比较,仿真结果表明基于模糊自适应PID控制的汽车烘房温控系统具有响应速度快、调整时间短、稳态误差小、超调量小等特点,有效改善了系统的动态性能和静态性能。图4表3参15     

基于PLC的食品热烘干机温度模糊PID控制

食品热烘干机系统通常是一个非线性、时变性、大滞后的复杂系统,传统PID控制由于比例-积分-微分参数固定不变,从而导致其控制效果并不理性,为了解决上述问题设计了一款基于PLC的食品热烘干机温度模糊PID控制系统。首先介绍了烘干机主体结构和工作原理,并介绍了控制系统硬件结构。在传统PID控制基础上设计了一款变论域模糊PID控制器,通过变论域模糊控制方法实现PID参数的在线自适应调整,从而使得PID控制器具备了能够根据系统变化而进行自适应调整的能力。最后,通过计算机仿真软件Matlab软件验证了该控制方法的有效性。仿真结果表明:变论域模糊PID控制器明显能够降低系统的超调量,大大提高了系统的控制精度。     

基于模糊神经网络PID控制的花茶烘焙温控系统设计

针对花茶烘焙时对温度的精细化要求,提出由模糊控制、神经网络和PID组合算法构成的控制系统,实现对温、湿度的可靠控制,达到对鲜花快速去湿干燥的目的。系统将温度和湿度的误差e和误差率ec作为输入变量进行模糊化处理,确立隶属度函数,通过模糊推理和解模糊化生成输出量,为PID控制系统提供优化的调控因子△K,精准控制执行单元。系统采用RBP神经网络算法对模糊控制过程进行精细实时变量调控,以Delta(δ)函数和梯度下降算法为学习规则调整网络加权系数w、中心向量cij和基宽向量bij。系统利用Matlab软件进行数据仿真,对比传统PID控制和模糊控制,验证模糊神经网络PID组合控制的优越性,数据分析表明组合控制系统对温度的响应速度和数据的精确性都明显改善,扰动补偿和抗干扰能力有效提高,系统鲁棒性更好。     

变压器风冷智能控制系统设计与试验

针对目前变压器风冷控制系统中存在的问题,设计了基于模糊神经网络PID技术的变频调节风冷控制系统。该系统以PLC及变频器为核心控制设备,采用模糊RBF神经网络,并选用2-7-7-3结构形式,优化PID的控制参数,以精确控制变频器的输出频率。通过仿真及试验,验证该系统比常规PID具有更好的动、静态特性和自适应性,可以快速跟踪变压器油温变化,使变压器的散热量与发热量实时平衡,以达到节能运行目的。     

基于RBF神经网络PID的全自动称重包装 智能控制

全自动称重系统具有非线性强、大滞后以及时变性的特点,严重影响物品动态称重包装精度,为了提升自动称重精度。首先给出了下料称重系统的组成以及原理,并在此基础上建立了数学模型,针对传统PID控制存在动态响应慢、超调量大等缺点,提出了一种基于RBF神经网络PID的自动称重控制方法,阐述了神经网络结构和学习算法,以实现PID控制器比例、积分、微分系数的实时调整,用于提高下料称重包装精度。仿真试验结果表明,RBF神经网络PID控制响应速度快、自适应性强、系统称重误差减小。该控制方法能够有效提高自动称重精度、提升了系统的鲁棒性。     

基于变论域模糊PID的纸浆浓度控制系统研究

针对传统模糊PID控制器因变量论域、比例因子、量化因子等参数设置固定不能实现纸浆浓度精确控制的问题,本课题提出将变论域思想与模糊PID控制相结合的变论域模糊PID控制算法。首先在模糊控制器中引入论域伸缩因子使模糊控制器输入输出变量的论域范围随纸浆浓度误差及误差变化率进行伸缩调整,以提高模糊控制器的控制精度;然后利用变论域模糊控制器对PID的3个参数进行调整,实现PID控制器的实时在线整定。仿真结果表明,变论域模糊PID控制算法可以有效地克服纸浆浓度控制过程存在的时变性、多干扰、时滞性缺点,能够实现纸浆浓度控制的稳定性和精确性。现场实际应用表明,应用变论域模糊PID控制算法的控制系统可将上浆浓度误差控制由±0. 3%降为±0. 025%以内。     

基于PID神经网络的纸浆浓度控制

本文将一种不同于用神经网络调整PID参数的新的融合算法—PID神经网络(PIDNN)应用于纸浆浓度控制。经过对纸浆浓度控制系统的仿真研究表明,PIDNN既具有常规PID控制器结构简单的优点,又具有神经网络自学习、自适应之能力,大大改善了纸浆浓度控制系统的性能。     

基于MATLAB的果酒发酵温度PID控制系统比较研究

在已有发酵罐传递函数的基础上,采用MATLAB软件进行PID和模糊PID控制系统的仿真结构设计,并凑试出仿真曲线。通过比较分析,结果表明:模糊PID控制效果明显优于PID控制效果,而且不需要系统精确的传递函数,模糊PID控制是果酒发酵温度控制的较优方法。     

食品包装袋膜模糊PID自适应纠偏控制

为了减小食品包装袋膜跑偏对产品包装外观美观度和品质造成的影响,提出了一种基于模糊PID的食品包装袋膜的智能纠偏控制算法。首先分析了拉膜机构在运动过程中出现袋膜跑偏的原因,并探究了纠偏系统数学模型。利用CCD传感器对包装袋膜偏移量进行检测,将检测结果传送到控制器中,由控制器中的模糊PID控制算法完成袋膜纠偏的闭环自适应控制。仿真和试验结果表明,模糊PID控制算法相比传统PID控制方法超调量更小、稳定性高、调节周期短。该控制方法具有较好的纠偏效果,包装袋膜平均纠偏精度最高达到0.69 mm。     

基于模糊分数阶PID的食品包装机张力控制系统设计

针对食品包装机袋膜张力较难控制问题,设计了一种模糊分数阶PID袋膜张力控制系统。利用专家知识和成熟经验,结合分数阶控制,制定分数阶PID 5个参数的控制规则,实现分数阶PID参数在线实时整定,提升了袋膜张力控制精度和稳定性。以PLC和触摸屏为核心,以TIA Protal为开发平台,完成控制系统硬件设计、网络组态、程序设计,实现控制系统升级。仿真结果表明:模糊分数阶PID控制器具有响应速度快、模型失配鲁棒性好、抗干扰能力强的优势。该控制系统能够满足包装机袋膜张力控制精度和稳定性需求。     

基于模糊RBFNN-PID的啤酒发酵温度控制系统

基于模糊PID控制算法,结合RBF神经网络算法优点,设计具有逻辑判断和自我优化的模糊RBFNN-PID控制算法,实现PID参数在线最优整定。以CPU1214C和KP1500触摸屏为核心,设计啤酒发酵自动控制系统和人机交互界面,Matlab仿真和试验测试结果表明:该控制算法可以提升温度控制系统的稳定性、模型失配鲁棒性和抗干扰能力。     

基于并联机器人的食品分拣控制系统设计

为解决食品包装过程中分拣困难、漏拣和误拣率高等问题,基于并联机器人设计一种食品分拣控制系统。食品分拣设备主要包括并联机器人、夹持器、工业相机、LED光源、传送带等。以并联机器人为研究对象,设计一种模糊神经网络控制器,实现在线调节PID控制参数。通过改进粒子群优化算法,实现神经网络初始权值最优化处理,并开展相关试验研究。结果表明,系统漏抓和误抓率非常低,最大为0.1%;并联机器人的食品分拣控制系统具有好的稳定性和可靠性;抓取精度较高;能够满足食品包装要求。     

改进模糊PID的称重式包装机智能控制

针对称重式包装机称重控制系统存在非线性、时变、时滞的特性,导致称重精度低、稳定性差的问题,在传统模糊PID控制算法的基础上,引入模糊变量论域伸缩因子,提出域伸一种改进模糊PID算法。设计变量论缩因子使模糊变量论域跟随称重误差及误差率的变化而伸缩调整,将模糊变量论域调整为最佳范围,以避免因变量论域不恰当而引起的控制误差。利用改进模糊控制算法对PID参数进行在线整定,以实现称重控制系统高效、精确、稳定的控制效果。仿真结果表明改进模糊PID控制算法具有超调量小、响应速度快、抗干扰能力强的优点,该控制算法能够有效提升包装机称重效率和称重精度。     

基于模糊神经网络的啤酒灌装精度控制技术

目的：解决目前啤酒灌装机工作效率低、灌装精度不高的问题。方法：分析啤酒灌装机的结构和工作原理,确定以二次补灌的重量偏差为指标的控制方式;在PLC控制器的基础上,利用模糊算法抗干扰能力强以及神经网络算法自适应性好的特点,提出一种基于模糊神经网络的PID控制策略,并进行仿真分析和灌装测试。结果：在设定目标范围内,灌装重量的最大偏差仅为1.7 g,灌装合格率为100%。与传统PID控制相比,该算法的响应速度提高了55%,灌装精度提高了50%。结论：试验方法可有效提高灌装精度和灌装效率,能够满足自动生产线运行稳定、快速、可靠的要求。     

基于RBF神经网络整定的经纱张力PID控制系统

针对目前国内大多织机经纱张力控制系统采用传统PID控制,对数学模型依赖度高,难于达到较好控制效果的缺陷,提出了一种基于Kalman滤波器的RBF径向神经网络整定的PID控制算法。这种控制算法采用3输入、单输出的RBF径向神经网络对系统性能学习以寻找出最佳的PID组合,Kalman滤波器有效地滤掉了织机中的各种噪声,实现经纱张力值的恒定。仿真实验结果表明,基于神经网络整定的经纱张力控制系统的控制效果和动态性能都明显优于传统PID控制。     

神经网络分数阶PID控制器在纸浆浓度控制中的应用

分数阶PID控制器继承了常规PID控制器的优点,并且具有更高的控制精度和更强的鲁棒性。针对常规PID控制器在纸浆浓度控制过程中存在的问题,设计了一种基于神经网络的分数阶PID控制器。用分数阶PID控制器代替常规PID控制器,并通过神经网络调节分数阶PID控制器的5个控制参数,实现一种参数自整定的PID控制器。仿真实验结果表明,神经网络分数阶PID控制器比常规PID控制器的控制精度高,对纸浆浓度的控制更稳定;采用神经网络分数阶PID控制器控制纸浆浓度是切实可行的,具有很好的推广应用前景。     

置换蒸煮锅温度测量方法的改进及锅内温差控制

针对置换蒸煮锅温差难以消除这一难题,在传统蒸煮锅温度测量的基础上,提出一种新的温度测量方法,并将神经网络控制、PID串级控制和解耦控制有机地结合起来,提出一种神经网络PID串级解耦控制系统。解决了蒸煮锅温度控制时滞性、时变性和非线性等问题,应用Matlab仿真比较表明,该控制系统具有更好的动态性能和鲁棒性,其控制效果明显优于常规PID串级控制系统。