基于BP神经网络的PID控制参数整定

针对传统PID控制器的缺陷，本文提出了一种基于BP算法的PID控制器，利用BP算法局部计算简单、非线性映射能力强的特点，实现对PID控制器参数的寻优整定，并利用MATLAB软件对系统进行仿真。仿真结果表明此方法对PID控制器的参数有很好的控制效果。     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

基于BP神经网络整定的PID控制及其仿真研究

讨论BP神经网络PID控制,利用BP神经网络的自学习能力实现PID控制参数的在线整定,并使用Matlab软件进行仿真研究.仿真结果表明：基于BP神经网络的PID控制器参数调整简单,具有很高的精度和很强的适应性,可以获得满意的控制效果.     

基于神经网络参数自整定PID控制的应用

本文基于BP神经网络PID控制器控制校园的热水供应系统,利用神经网络的自学习能力进行PID控制参数的在线整定。对于热水供应类型的大时滞系统,BP神经网络参数自整定PID控制具有较好的控制性,并能实现较好的鲁棒性。针对该特性本文对BP网络的构造进行了大量的网络训练,获得了较好的网络权值参数与训练时间,缩短了以往BP神经网络参数自整定PID控制系统的响应时间与扰动调节时间,从而提高了该控制系统的控制精度。     

神经网络PID复合智能控制参数自整定研究

针对具有时滞一阶非最小相位系统的被控对象,提出了一种基于神经网络的PID复合智能控制设计方案,推导出复合PID控制器控制参数的整定方法.考虑到被控对象的不确定性、慢时变等特点,以神经网络元构造基于自动化复合PID控制器,解决了基于自动化复合PID控制参数在线调整的问题,使复合PID控制器适用范围更广泛.对闭环控制系统模拟结果表明,该系统控制参数整定方法简单,具有非常好的控制效果.     

神经网络PID参数自整定的应用研究

PID控制是工业控制中应用最为广泛的控制方法,但在实际应用中,其参数整定仍未得到较好的解决.本文把神经网络技术应用在PID控制中,采用BP网络对被控对象在线辨识,利用神经元自适应PID在线调整参数,构造神经网络PID自整定控制器.通过在实际交流变频调速系统上的实验表明,当突然加、减负载时,神经网络PID控制与传统PID控制相比,具有恢复时间短、超调量小等特点.     

PID参数整定发展的趋势

在详细分析PID参数整定发展的基础上,指出传统PID参数整定具有物理意义明确、易于掌握的优点以及其参数优化不够的缺点,并对现行PID参数自整定的一些做法给予评述,指出了几种PID参数优化的特点.最后就PID参数整定发展的方向进行展望,揭示先进控制理论与PID整定方法的融合是新型PID控制器产生的途径.     

PID参数整定发展的趋势

在详细分析ＰＩＤ 参数整定发展的基础上, 指出传统ＰＩＤ 参数整定具有物理意义明确、易于掌握的优点以及其参数优化不够的缺点, 并对现行ＰＩＤ 参数自整定的一些做法给予评述, 指出了几种ＰＩＤ 参数优化的特点． 最后就ＰＩＤ 参数整定发展的方向进行展望, 揭示先进控制理论与ＰＩＤ 整定方法的融合是新型ＰＩＤ 控制器产生的途径     

基于通讯的智能PID参数整定控制系统的仿真开发

开发了一个基于上、下位机通讯的智能PID参数整定控制系统，上位机的算法采用基于BP神经网络的PID参数在线整定，并利用MATLAB来实现，上、下位机的通信以及显示监控部分利用VC来实现，利用VC与MATLAB之间的接口程序来实现下位机的测量数据，PID控制和上位机的智能PID参数整定部分的数据和命令传递，对一个非线性时变系统，作了仿真实验，仿真结果良好，表明本文所采用的方法是可行的，有效的。     

基于无量纲参数的PID控制器参数整定方法

通过扩展的内模整定方法提出了基于无量纲参数（无量纲时滞时间和无量纲过程增益）的ＰＩＤ控制器参数整定方法,给出了ＰＩＤ控制器参数整定公式对系统的时滞大小没有限制,对于不同的时滞系统均适用;而且整定后的闭环系统与原模型参数无关,其瞬态性能指标和鲁棒特性具有一致性。     

PID控制原理及参数整定方法

针对PID控制器参数的准确设定在实际应用中对控制效果的重要作用,介绍了PID控制原理、模拟型和数字型PID控制器,并详细分析了目前使用比较广泛的3种参数整定方法:试凑法、经验数据法和扩充临界比例度法.     

基于BP神经网络算法的广电视频QoS控制方法

针对广电网络中用户视频点播延迟时间不能保证、服务质量不稳定的状况,提出了一种新的视频服务器服务质量(QoS)控制方法,基于BP神经网络比例积分微分控制,以响应的延迟率与设定值之间的差值和变化率作为网络的学习依据,通过动态调整BP神经网络学习的方法,依据网络学习的实际情况,快速地调整服务请求的响应时间,保证视频服务器的服务质量。仿真实验表明,BP神经网络能够很好地控制请求的出错率和响应时间,为广电用户的视频点播服务提供更加稳定的服务质量。     

遗传算法在PID控制参数调节中的应用

PID算法是过程控制中应用最广泛的控制方法,将遗传算法应用于PID控制参数的调节中,实现了PID控制参数的自整定.     

基于PID神经元网络的双闭环比值控制系统

提出一种基于PID神经元网络的双闭环比值控制系统,给出了系统的结构和计算公式,列举了一个算例的MATLAB仿真结果.由多个算例的仿真结果推知:这种控制系统不需要用人工整定控制器的参数,不需要辨识被控对象,误差的收敛速度快,结构简单,便于实现.它有希望改进现有的过程控制的比值控制系统.     

一种基于RBF神经网络的模糊PID控制算法

提出一种将RBF神经网络与模糊控制相结合的方法,对系统输出误差进行模糊化,利用RBF神经网络对PID控制参数进行在线整定。仿真结果表明基于上述的PID控制算法能较好地实现PID控制参数的在线调整和优化。     

神经网络结构与训练参数选取

结合作者研制的BP神经网络生成器,对BP网络结构和训练参数选取进行了详细的讨论,在克服传统BP网络缺陷方面进行了有益的探索。     

神经网络PID控制在倒立摆系统中的应用

PID控制是工业过程控制中最常用的一种控制方法 ,但当被控对象具有复杂的非线性特性 ,难以建立精确的数学模型 ,且由于对象和环境的不确定性 ,往往难以达到满意的控制效果。作者用神经PID控制方法应用于倒立摆系统 ,克服了常规PID控制的不足 ,取得了很好的控制效果     

神经网络参数自整定PID控制在供热过程控制中的应用

目的 使供热控制技术适应大滞后、大惯性、时变对象的控制要求,提高供热控制性能以及抗干扰性.方法 采用神经网络理论与增量式PID控制相结合的智能控制方法 ,利用神经网络的自学习能力,在线整定PID三个控制参数,使系统具有更好的鲁棒性和自适应性.结果 仿真实验表明,与常规增量式PID控制效果相比,提出的控制方案使热力站二次网回水温度控制过程很快进入稳态,超调量减小3.57%,通过在线学习及自动更新Kp,Ki,Kd参数,控制系统响应速度加快,且能有效抑制扰动.结论 神经网络参数自整定PID控制算法优于常规的控制方法 ,提高了供热过程的动态和稳态性能,抗干扰能力增强,取得了良好的控制效果.     

基于RBF神经网络二级倒立摆系统的PID控制

针对二级倒立摆系统,提出一种基于RBF神经网络的PID控制方法。该方法采用RBF神经网络对PID控制器的参数进行优化修正,从而使控制器处于最优状态,实现二级倒立摆的稳定控制。仿真结果表明,该方法的控制精度较高,响应迅速,超调量较小。对于多变量、非线性、不稳定的快速系统,具有较好的控制效果。