基于BP神经网络PID的漂白温度控制算法的研究

本文讨论了使用BP神经网络PID控制算法,并且将这种控制算法应用在漂白工段的控制当中。利用神经网络自学习能力,在线整定PID控制参数。实践证明BP神经网络PID控制器具有实现简单,适应性强,具有较高的控制精度等特点。     

BP神经网络电加热温度控制系统PLC设计与实现

以控制电加热炉炉内温度为目的,该文提出了将神经网络控制器与PID相结合的BP神经网络PID控制算法,建立该算法的网络模型,以SIEMENS S7-1214 PLC作为控制器,结合SM1234AI/AO模拟量混合模块,调压模块和温度变送器,由MATLAB实现神经网络PID参数的迭代和训练,TIA PortalV14实现主程序、循环中断、前向网络输入和数据存放程序的编写,通过PLC的PID控制面板进行温度曲线的实时监控,实现电加热温度控制稳定性好、控制精度高、快速调节且运行状态可视化和控制智能化的目的。     

基于LabVIEW实现神经PID温度控制

综合常规PID及BP神经网络的优点,设计一种基于BP神经网络的PID自调整算法控制器,并用LabVIEW编程实现。使用该算法的PID控制器,可在线获得优化的比例、积分及微分参数值,使整个系统得到优化配置。将此PID控制器用于纸模生产线的温度控制,取得比较好的控制精度。     

模糊PID控制器在火电厂温度控制系统中的应用

根据火电厂温度控制系统的特点,文章设计了一种基于模糊PID控制器的温度控制系统,介绍了该系统的结构、工作原理,详细分析了PID控制器的设计过程及其在火电厂温度控制系统中的应用。     

神经网络PID在温度控制系统中的研究与仿真

本文提出一种基于BP神经网络的新型智能PID控制方法和一些BP神经网络的基本概念。同传统的PID控制相比较．神经网络智能PID控制有许多优点。把BP神经网络的PID控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。     

基于模糊神经网络PID变压器恒温箱控制系统研究

针对变压器油色谱恒温箱对温度精细化的要求以及分析现有成熟的温度控制方法,提出了模糊神经网I络PD控制进行优化,实现了对温度的可靠控制。系统将温度的误差e和误差率e(c)通过模糊化输入,依l据隶属函数和模I糊规则推I理得到PD调控因子I,再利用BP神经网络以梯度下降法对隶属中I心值和基宽和权值进行学习训练。通过使用Matab软件对传统PD、模糊PD和模糊神经网络PD三种模式进行仿真,得到模糊神经网络PD控制模式具有响应速度快、控制精准高、抗干扰性好、收敛速度和系统的鲁棒性优秀等优势。能够有效地改善恒温箱系统温度控制的性能。     

高精度模糊PID控制器及其在温度控制中的应用

在常规模糊PID控制器的基础上，通过增加模糊控制规则B，从而构成变积分系数的模糊PID控制器，通过在线调整积分系数，间接调整常规模糊控制器的模糊控制规则，以改善其性能，本文提出模糊PID控制器前件采用模糊推理控制，后件采用PID精确输出，兼有两者优点，控制试验结果表明，反复调整积分系数，控制器性能优于常规模糊控制器。     

神经网络PID在反应釜温度控制中的应用

聚合反应釜广泛应用于工业生产中,反应温度的控制是聚合反应控制的关键和难点.传统的PID控制因控制参数的调整困难而不能很好的适应工况的变化.本文提出利用BP神经网络的自学习能力,实时调整PID控制器的参数,并设计了基于BP神经网络整定的PID控制器,以CPE(氧化聚乙烯)的生产过程为研究对象,进行了MATLAB仿真.仿真结果表明,该控制方法具有响应速度快,适应能力强的特点,且弥补了传统PID控制的缺陷.为聚合反应釜的温度控制提供了有效方法.     

基于神经网络的自校正PID控制研究

传统的比例积分微分（PID）控制器具有一定的局限性，尤其是当被控对象含有非线性、不确定性和时变特性时，常规的PID控制器往往难以发挥作用，甚至会失稳。利用神经网络进行复杂过程的PID控制很好地解决了上述问题，通过神经元的自学习能力来自适应调整权系数，利用BP算法最小化输出误差，大大提高了控制器的鲁棒性。     

基于神经网络的电热前床温度控制的研究

以电热前床自动控制系统为研究对象．提出了一种基于BP神经网络整定的PID控制方法．并给出了系统设计及软件开发。由于神经网格所具有的任意非经理性表达能力．可以通过对系统性能的学习来实现具有最佳组合的PID控制。电热前床控制实验结果表明．用该方法整定的PID控制系统，逼近精度高，鲁棒性好。     

基于BP神经网络的PID控制器在温控系统中的应用

工业中的温控对象普遍具有大时滞、非线性和时变性等特点,采用传统的PID控制器难以取得满意的效果。基于BP神经网络的PID控制器具有逼近任意非线性函数的能力,能实现对PID控制器的参数Kp,KI,KD的实时在线整定,使系统具有更好的鲁棒性和自适应性,其输出也可以通过在线调整达到预期的控制精度,适用于温控系统。实验结果表明,该控制器具有抗干扰能力强、鲁棒性好等特点。     

基于模糊神经网络PID算法的电阻炉温控系统

由于电阻炉温控系统是一个大惯性、大滞后、时变、且非线性的系统,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算法。可根据电阻炉的温度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。使用MatLab的simulink仿真,通过传统PID与模糊神经网络PID阶跃响应曲线的比较,表明系统采用模糊神经网络PID算法具有更好的动、静态特性和自适应性,对突加的外部的扰动具有良好的抗干扰能力,具有实用价值。     

基于PCC的神经网络PID控制器设计

提出了一种基于可编程计算机控制器（PCC）的神经网络PID控制器,以PCC为硬件,利用神经网络逼近任意非线性函数的功能,实现了PID控制算法中三个参数Kp、Ki、Kd的在线调整。并利用神经网络模型对被控对象的输出值进行预测,根据预测值对神经网络各层中的加权系数进行在线修正,同时引入了带死区的控制算法。该设计方案具有调节速度快、适应能力强、可靠性高等优点。实验结果表明,该控制器具有强抗扰、响应快、鲁棒性好等特点。     

神经网络PID算法在光照度控制系统中的应用

本文提出一种基于神经网络PID的光照度控制系统．为缺乏精确数学模型及非线性的时象——高压钠灯，提供了一种有效的控制方案。仿真及实验结果表明．这种系统可获得满意的控制效果。     

基于BP网络的PID控制在滑油压力气动控制中的应用

根据实验室现场对控制的要求,提出了一种将常规PID控制与BP神经网络相结合的自适应PID控制器,该控制器运用神经网络和BP算法实现了对PID参数的在线调整。把该控制器应用于某航空发动机燃油泵调节器滑油压力控制中,实验结果表明,与传统数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁棒性。     

BP神经网络PID控制器在工业控制系统中的研究与仿真

针对实际被控对象的时变性和非线性的特点,本文将基于BP神经网络PID的控制器应用于工业控制系统中,同时设计了三层BP神经网络并对BP神经网络PID控制器的算法进行了分析。仿真结果的分析表明：本文所设计的BP神经网络PID控制器在跟随性能、抗扰性能和鲁棒性能方面表现出了良好的控制效果。     

模糊神经网络PID在数字舵机控制中的应用

针对某型号数字舵机系统在非线性时变的复杂条件下,传统的PID控制器响应速度慢,精度低,抗过载能力差的缺点,通过对模糊神经网络算法的研究,结合传统的PID控制器,设计了模糊神经网络PID控制器。分别将两种控制算法应用到舵机系统进行实验可以得出,模糊神经网络PID控制器使得舵机位置环阶跃响应上升时间从80ms减小到35ms,超调量从10％减小到小于5％,在频率特性测试中反馈曲线衰减从-2.79dB减小到-0.77dB,相移从65°减小到35°,同时系统非线性引起的畸变明显改善。     

基于模糊神经网络的水泥回转窑PID复合温度系统的设计

水泥回转窑温度系统具有严重的非线性和较大的时间滞后性,很难建立精确的数学模型,本文采用模糊神经网络控制与PID控制结合的复合控制策略,对水泥回转窑预热器四级筒出口温度进行实时监控,现场运行结果表明,该控制系统具有控制精度高、速度快、稳定性强等优点,控制效果优于传统PID控制或模糊控制。     

基于参数自整定Fuzzy-PID控制器的气体温控系统

本文设计建立了快响应气体温度控制系统，通过对系统控制策略的理论和实验研究，实现了快响应气体温度控制系统的高精度快响应控制。首先，结合运用传热学、热力学和气动伺服控制技术相关理论，建立了快响应气体温度控制系统的数学模型;其次，对快响应气体温度控制系统进行了相应控制策略的研究。本文设计出参数自整定FUZZY-PID控制器，同PID控制相比，本文所提出的控制策略能明显改善系统的动静态性能。