基于BP神经网络PID在地铁车站温度控制中的研究

由于地铁的地下车站温度控制系统具有非线性、强耦合、时变、大滞后等特性.而传统的PID控制参数在整个控制当中是固定不变的,对于高度复杂的温度控制系统,传统的PID控制就显得无能为力,很难达到预期的控制效果.因此提出一种BP神经网络PID控制方法.此方法将传统的PID与BP神经网络相结合,组成BP神经网络PID控制.通过BP算法修正BP网络的加权系数,实现了PID三个参数的在线自我调整.MATLAB仿真结果显示BP神经网络PID控制比单纯的PID控制响应速度快,超调量小,稳定性好,能够有效实现对地铁车站温度的合理控制.     

一种基于神经网络算法的非线性PID控制器

针对非线性、不确定时滞对象,提出一种基于神经网络算法的非线性PID控制器。该控制器将传统PID的比例、积分和微分参数分别构造成关于误差信号的非线性函数,并将非线性比例运算单元、非线性积分运算单元和非线性微分运算单元分别作为隐层神经元的激励函数,从而构造将PID控制与神经网络控制融为一体的智能控制器。研究结果表明:采用此智能控制器有效解决了传统PID难以控制非线性对象的问题以及传统神经网络控制器隐层神经元节点数难以确定的问题,仿真结果验证了该智能控制器的有效性。     

神经网络分数阶PID在网络控制系统中的应用

文章针对网络控制系统(NCS)存在的网络延时问题,设计了一种基于RBF神经网络的分数阶PID控制器,并将该控制器应用在网络控制系统中,减小网络延时对控制系统的影响。该控制器利用RBF神经网络具有任意精度逼近非线性函数及训练速度快的优点,在线整定分数阶PID控制器,并采用分数阶PID控制器直接控制被控对象;选取Ethernet控制的弹簧-阻尼控制系统作为实验对象。实验结果表明:该控制系统具有响应速度快、控制精度高、鲁棒性强的特点,有效地减少了网络延时对NCS的影响。     

基于神经网络的开关磁阻电机自适应控制

针对开关磁阻电机显著的非线性特性，将具有非线性映射能力及自适应能力的误差反向传播（BP）神经网络应用于开关磁阻电机驱动系统（SRD），并结合传统比例、积分和微分（PID）控制的优点，提出一种基于BP神经网络的开关磁阻电机在线辨识与自适应PID控制方法．该方法利用BP神经网络实时观测系统输出，优化PID控制参数，对于解决开关磁阻电机由于非线性严重而导致控制困难的问题具有较强的针对性．实验结果证明了该方法的有效性，且系统适应性强，稳定性好，响应速度和控制精度均令人满意。     

基于BP神经网络的船舶航向智能PID控制研究

针对船舶航向控制非线性的特性,以船舶航向运动一阶KT模型为研究对象,设计了基于BP神经网络的自整定PID算法航向控制器。将传统PID与BP神经网络结合,对被控对象由BP神经网络进行辨识,给出PID控制参数,由PID控制算法进行控制并优化收敛速度。根据真实渡轮船舶特征参数,利用MATLAB/Simulink仿真软件建立船舶航向运动控制系统模型。仿真结果表明,基于BP神经网络的PID控制系统超调小、鲁棒性好,可长时间稳定工作,几乎无稳态误差,控制算法的实用性以及动态控制系统的优越性得到验证。     

基于改进型神经动态规划算法的单容液位优化控制

单容液位控制系统是一个强非线性、多约束、时滞的复杂系统,传统的PID控制算法很难对其进行精确自适应优化控制。介绍了一种改进型的神经动态规划(NDP)算法,其中模型网络用小波神经网络来替代,并针对单容液位控制系统的液位进行自适应优化控制。仿真结果表明,基于神经网络的NDP算法在鲁棒性、控制精度和控制效果都优于传统的PID算法。     

基于RBF神经网络的非线性磁悬浮系统控制

磁悬浮系统是一个典型的不确定、非线性系统.由于磁悬浮系统的复杂性很难建立精确的数学模型,采用RBF神经网络(RBFNN)对非线性磁悬浮系统进行辨识,再根据神经网络自适应控制原理设计了非线性磁悬浮系统的神经网络自适应状态反馈控制器与自适应PID控制器,并利用MATLAB进行了仿真.仿真结果表明,神经网络自适应控制能很好地控制本磁悬浮系统;神经网络自适应控制器对于此非线性磁悬浮系统位置具有良好的控制效果,该控制系统具有较好的稳态特性和控制特性.     

基于模糊神经网络的PID温度控制系统

应用模糊神经网络PID控制技术,建立了高分子聚合物反应温度控制系统.该系统利用模糊神经网络调整PID参数,进一步完善了PID控制的自适应性能.自行设计了该控制系统的硬件和软件部分,可以接入8点热电阻信号,具有显示温度、自动控温、声光报警等功能,应用结果说明,该温度控制系统充分利用了模糊神经网络和PID控制的优点,具有良好的动、静态特性和自适应性.     

基于模糊神经网络的PID温度控制系统

应用模糊神经网络PID控制技术,建立了高分子聚合物反应温度控制系统.该系统利用模糊神经网络调整PID参数,进一步完善了PID控制的自适应性能.自行设计了该控制系统的硬件和软件部分,可以接入8点热电阻信号,具有显示温度、自动控温、声光报警等功能,应用结果说明,该温度控制系统充分利用了模糊神经网络和PID控制的优点,具有良好的动、静态特性和自适应性.     

智能PID控制器在船舶发电机电压控制中的应用

解决船舶发电机在负荷突变尤其是大负荷突变时能够稳定发电机端电压是控制系统需要解决的基本问题.为此提出和使用一种新型智能PID控制系统,其中PID控制器由三层前馈神经网络组成.利用神经网络的自学习能力,PID控制器的参数能够根据系统动态特性通过神经网络权系数进行自行调整,其特点是结构简单、工作稳定.仿真结果表明,该智能PID控制器比传统的PID控制器具有对扰动响应速度快和具有更好的控制效果和更好的鲁棒性,能更好地稳定船舶发电机端电压.该智能PID控制器已用于船舶发电机控制系统中,并取得满意的效果.     

基于神经网络PID控制器在交流调速系统中的应用

针对PID控制和神经网络控制在交流调速系统中的局限性,利用其各自的优点,采用神经网络和PID控制相结合的方法构建神经网络PID控制器,实现变频调速控制,得到了神经网络控制器模型和神经网络控制方法运行的结果。仿真结果充分表明了神经网络模型具有良好的稳定性、鲁棒性和跟随性,而且改善了原系统的动态特性,证明了该方法在交流调速系统中的应用价值。     

基于径向基函数的神经网络在线辨识的PID控制

针对工业控制领域中的非线性时变系统,讨论了RBF神经网络的在线辨识的算法,并与传统的PID控制相结合,对非线性时变对象进行了仿真实验.从实验结果中得出,通过RBF神经网络的在线辨识,对PID参数在线自整定,取得了比传统PID控制更好的效果.     

基于自适应免疫遗传算法的真空退火炉变参数PID温度控制系统

真空退火炉退火温度的精确控制是一个典型的非线性、大时滞、大惯性、存在强交叉耦合、时变的复杂的控制问题,常规的PID控制器很难实现对退火温度的精确控制.本文以神经网络建立的真空退火炉模型为控制模型,利用自适应免疫遗传算法全局搜索获取最优的可变PID参数的方法,解决了真空退火炉退火温度精确控制的问题;应用结果表明,该温度控制系统优于传统的PID控制系统,并具有良好的可靠性、自适应性和鲁棒性.     

基于自适应模糊PID无刷直流电机控制研究

无刷直流电机具有高度的非线性特性,为了提高电机转速控制的稳态和动态特性。设计了无刷直流电机自适应模糊PID控制系统,并在MATLAB/Simulink平台上与传统PID控制系统进行了对比仿真实验。仿真结果表明：在突变负载干扰下该控制方法能有效提高转速的响应能力,降低了转速超调量和转矩脉动,大大增强了系统的鲁棒性。     

仿人智能控制在磁悬浮轴承轴向控制系统中的应用

针对磁悬浮轴承控制系统非线性、时变、强耦合的复杂特性，提出了仿人智能控制算法，并成功应用在磁悬浮轴承轴向控制系统中。实验结果表明：仿人智能控制在动脉和稳态控制效果以及抗扰能力上，均比普通线性PID控制具有很明显的优点。     

Buck电路输出电流的神经网络PID控制

简述了降压斩波电路的电路模型,从其原理上解释其非线性输出的原因.其次,描述了传统控制的局限性和神经网络的研究现状,介绍了神经网络的特征和功能.再者,通过神经网络的模型,对BP算法进行了数学公式推导,给出了BP算法的详细思路和具体过程,采用Matlab软件编程实现BP神经网络算法,并将算法训练后的BP神经网络运用到非线性函数的逼近中去.最后,使用Matlab软件下的Simulink模块搭建了降压斩波电路,再分别搭建传统PID控制和神经网络PID控制的结构模型对其进行控制仿真,得到相应的输出电流电压仿真结果图.仿真结果表明,BP神经网络控制器具有更好的控制效果,相比较闭环PID控制器,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,出现的控制结构复杂、参数整定不良和性能欠佳等缺点.     

基于PID神经网络的拉深件变压边力控制方法研究

将传统的PID控制器与神经元网络融合,建立PID神经网络。运用VB语言编译了拉深过程中变压边力控制系统的PID神经网络仿真程序,并与传统的PID控制仿真进行了对比。建立了基于PIDNN的变压边力控制系统,并通过锥形件拉深实验,证实了PIDNN控制系统具有精度高,抗干扰能力强,能较准确达到变压边力控制要求等优越性。为后续的变压边力控制系统实验研究与工厂实际应用提供了理论与实践基础。     

基于模糊变步长神经网络的永磁同步电机控制系统

永磁同步电机在传统工业生产、调速系统中应用较为广泛,但是该电机拥有非线性、强耦合、多变量等特性,使系统的响应能力和抗干扰能力降低。为保证系统平稳的运行,本文将RBF神经网络辨识器应用到永磁同步电机控制系统中,并使用模糊逻辑优化神经网络的学习步长,提高了RBF神经网络的辨识精度。仿真结果表明,这种优化后的神经网络辨识器对永磁同步电机速度控制有着良好的运行性能,比以往的传统PID控制转速超调量更小,更快地趋于平稳。     

板球系统的模糊神经网络控制算法研究

针对具有非线性特性的控制系统,提出了一种逐级模糊神经网络控制算法。该系统控制采用了补偿模糊神经网络算法和逐级模糊控制规则。在matlab仿真环境下对简化的模型进行了仿真实验。通过仿真结果可以看出,该控制算法比传统的模糊控制具有更好的控制表面,更能适应复杂多变的非线性准确控制;补偿模糊神经网络算法在训练时,具有学习速率快、准确度高和扩展性好等优点。     

基于模糊自适应PID的温度控制系统

将传统PID控制技术与有着广泛应用的模糊控制技术相结合,设计了一种模糊自适应PID控制器,并实现了基于PLC的自适应模糊PID温度控制系统,该控制系统具有模糊控制的简单、有效的非线性控制作用,稳定性好,有较强的鲁棒性.