基于自适应神经网络PID的注塑机温度控制

分析了注塑机的机械结构以及工作原理,利用基于神经网络的自学习、自适应能力,将传统比例积分微分(PID)控制与神经网络结合,采用梯度下降法实时调整PID的三个参数,从而实现了注塑机温度的自适应控制,提高了注塑机料筒多段温度控制精度以及稳定性,进而提升塑料制品质量。通过仿真可知,与传统PID控制相比,该控制策略的超调量更小,抗干扰能力更强,温度控制精度更高,系统能以较快速度实现对各料筒温度的控制。     

基于BP神经网络整定的PID控制及其仿真

PID控制是连续系统控制理论中技术成熟、应用广泛的一种控制方法。但在实际应用中,其参数的整定往往是依靠经验和现场调试。本文把BP(Back Propagation)神经网络技术应用到PID控制中,利用其非线性函数逼近能力,对PID控制器进行整定,并通过仿真试验取得较好的结果。     

基于BP神经网络的连续搅拌反应釜PID自校正控制

研究了基于BP神经网络的连续搅拌反应釜PID自校正控制,采用梯度下降法调整PID参数,BP神经网络的逼近特性和自适应能力改善了控制效果。通过仿真实例对基于神经网络的PID控制器和经典PID控制器性能进行比较,结果表明:在相同的暂态响应时间下,前者的超调量更小,而且控制器具有较小的输出量。     

基于BP神经网络PID控制的风电叶片静力加载系统

介绍了1套风电叶片全尺寸静力加载控制系统的构成及工作原理.BP神经网络P ID解耦控制可在线实时整定P ID控制器参数,实现对静力测试过程中参数变化的实时解耦,是解决叶片多点加载交联耦合的有效控制策略.现场试验证明:静力加载控制系统可保证大柔度叶片远距离、连续、平稳、协调加载,极限载荷保持阶段的加载力必须大于100％目...     

基于改进BP神经网络PID励磁控制器的研究

传统PID励磁控制器在现代电力系统快速发展的背景下,已经很难满足现代电力系统的各项高性能指标。在分析同步发电机励磁控制系统模型的基础上提出一种基于改进BP神经网络的PID励磁控制器,这种控制器能够克服常规BP神经网络励磁控制器收敛过程慢、网络训练时间长等问题。经过仿真研究和分析,采用改进型BP神经网络的PID励磁控制器控制效果好,收敛速度快,具有很强的动态特性以及鲁棒性,效果优于传统的PID励磁控制器。     

基于BP神经网络的PID算法研究与应用

针对实际非线性、不确定系统,文章将提出基于BP算法神经网络PID算法,阐述了三层BP网络设计方法。最后用于一个慢变性被控对象进行仿真,结果表明,此控制方法能够有效克服经典PID控制器在被控对象具有非线性、时变不确定性和难以建立精确的数学模型时出现的参数整定不良等问题。     

基于改进的PID算法控制的注塑机注射速度系统

注塑机的注射速度是影响塑料成品品质的一个重要因素,实现良好的注射速度控制难度较大。在现有文献研究的基础上,提出了一种改进的PID控制器。该控制器由常规PID控制器加一个设定点滤波器构成。利用注塑机注射速度系统的一阶积分时滞模型,进行了仿真实验,结果表明,改进的PID控制器具有良好的追踪性能和调节性能,并且鲁棒性较好,能够满足注塑机注射速度控制的需求。     

基于单神经元自适应PID控制的注塑机合模机构

设计了一个单神经元自适应比例积分微分控制器(PID)控制器,使用AMESim/Simulink联合仿真机制,建立了注塑机合模机构液压伺服系统的模型。由仿真结果看,与常规PID控制器相比,使用单神经元自适应PID控制器控制的系统有着更好的鲁棒性,系统获得了更好的环境适应性。     

基于改进遗传算法的双向BP神经网络控制

针对因果系统提出一种双向神经网络,在相邻两层神经元之间建立反向连接,以直接把被控系统先前时刻的状态变量引入到网络中;设计了一种自适应调整遗传算法交叉率和变异率的规则;结合遗传算法和神经网络的优点,给出了一种基于遗传算法的双向神经网络控制方案,该方案兼有遗传算法的强全局搜索能力和神经网络的鲁棒性和自学习能力。仿真结果表明,该算法能使种群基因保持多样性,有效抑制了算法的早熟收敛;基于该算法的控制系统调整时间短、准确度高,具有良好的抗干扰能力,能满足实时性和稳定性要求。     

交流伺服控制液压变量节能型注塑机

介绍了一种获得了国家实用新型专利的产品:该产品采用当今世界上先进的三相交流伺服电机代替了三相交流异步电机,实现了油泵可根据负载的变化,而提供按电脑设定所需的流量,没有多余油耗,具有响应速度快、调速范围广、过载能力强、噪音低、投入成本较低、节能效果显著等特点。     

BP神经网络PID在氯化工艺中的应用

氯化工艺的控制过程具有非线性、大滞后性等复杂特性。在调研某氯化釜反应后,设计基于BP神经网络PID参数整定的控制系统,PID通过BP神经网络的自适应、自调节等优点,结合传统PID对工艺进行控制,达到了很好的效果。     

基于模糊PID技术的注塑机温度控制研究

注塑机料筒温度控制是决定塑料产品质量的决定性因素,为了能够提高其料筒温度控制的精度和稳定性,将模糊PID控制技术应用于注塑机料筒温度控制中。首先,研究了模糊PID控制系统的基本原理;其次,设计了注塑机料筒温度的模糊PID控制系统,设置了模糊控制规则;最后,分别利用传统的PID控制系统和模糊PID控制系统对注塑机料筒温度进行控制仿真研究,仿真结果表明模糊PID控制技术能够获得更好的控制效果。     

基于量子遗传算法的注塑机PID控制系统

为提高注塑机液压伺服控制系统的精确度和稳定性,提出了基于量子遗传算法的注塑机PID控制系统。引入量子遗传算法对注塑机PID系统参数进行全局寻优,以累积误差作为目标函数,根据实际工况动态调节PID参数。仿真实验和实测分析结果表明,本控制系统在精度和稳定性上优于传统PID控制方法,且超调量更小、运算速度更快,有效确保了产品质量的一致性。     

基于BP网络的流浆箱双变量PID解耦控制

针对造纸工业中的气垫式流浆箱总压与浆位的非线性、强耦合特性,在分析与总结BP神经网络、PID控制等优点的基础上,设计了一种基于BP神经网络的双变量PID解耦控制器。该控制器可利用神经网络所具有的任意非线性表达能力,根据系统现场的运行状态,按照人为设定的性能指标,通过自学习和权值调整来整定PID控制的比例(kp)、积分(ki)、微分(kd)三个参数,最终实现具有最佳组合的PID控制,进而实现了气垫式流浆箱总压与浆位的解耦控制。同时,还针对气垫式流浆箱的线性模型和非线性模型进行了仿真,仿真结果表明:该解耦控制器具有实现简单、动态响应快、控制精度高等特点,有较高的实用价值。     

基于模糊神经网络PID的塑料薄膜厚度自适应控制

针对塑料薄膜控制系统存在非线性强、大时滞性、薄膜厚度控制精度低等问题,设计了一种模糊控制规则、神经网络与传统PID相结合的塑料薄膜厚度自适应控制系统。首先介绍了塑料薄膜吹膜机工艺,并分析了塑料薄膜厚度检测以及控制原理。设计了模糊神经网络PID的控制系统,利用模糊控制规则及神经网络的自学习能力,实现了传统PID控制参数的在线自适应调整。仿真结果表明,模糊神经网络PID控制器具有良好的动态响应特性,能够使系统在很短时间内达到稳定状态,将薄膜厚度误差控制在3μm以内。当系统被控对象发生变化时,模糊神经网络PID控制器超调量能够控制在10%以内,响应时间不超过100 s。     

基于模糊神经网络PID控制的污水处理应用研究

针对活性污泥污水处理系统具有复杂的非线性和时变性,传统的控制方法存在着精度不高,自适应能力差等缺点,提出一种模糊神经网络PID控制方法,将模糊神经网络与PID相结合,既发挥了PID控制的优势,又增加了模糊神经网络自学习和处理定量数据的能力,并且其中采用了动态递归神经网络对污水处理系统进行模型辨识。该控制方法能够快速、有效地使曝气池中溶解氧浓度达到期望值,并且具有较好的控制效果与控制精度。仿真结果验证了该控制方法的有效性和正确性。     

电动注塑机与液压注塑机共创注塑机新发展

分析电动注塑机的发展现状及性能优势,比较电动注塑机与液压注塑机两者在结构、注射成型范围等方面的技术特点,指出液压注塑机应向多功能、多品种方向发展,并且应注重节能技术;电动注塑机应向高附加值的精密注塑机方向发展。     

基于专家PID的电液混合式注塑机的智能控制

介绍了电液混合式注塑机的组成、工作原理及其伺服直驱式电液控制系统的组成。由于电液混合式注塑机的伺服驱动系统具有时变性、非线性和滞后性等特点,为提高注塑机的控制精度,提升注塑制品质量,基于专家控制规则提出了一种智能比例积分微分(PID)控制方法。仿真结果表明:智能PID控制方法能够实现注塑机的在线自适应控制功能,显著提高了控制精度以及控制系统的响应速度,为注塑机可靠稳定运行提供了有效保证。