基于改进BP神经网络PID自整定的研究

随着数控技术的发展,传统的PID整定方式已经不能满足伺服系统的控制要求.利用改进共轭梯度法对BP神经网络算法进行优化.将改进BP神经网络算法应用到PID的整定中,构建改进BP神经网络自整定PID控制器.将设计好的BP神经网路PID控制器应用到伺服系统的控制结构图中.与BP神经网络自整定PID控制器,在Matalab的simulink里面进行建模仿真比较.仿真结果表明改进BP神经网络自整定PID控制器具有较好的快速响应能力、系统稳定性和抗干扰能力.     

基于Ziegler-Nichols方法PID控制器的球杆系统

通过建立球杆系统机械模型、角度模型和电机模型,得到这个球杆系统的数学模型,设计PID控制器,通过在线整定控制器参数,提高球杆系统的控制性能.仿真实验结果证明:PID控制效果良好,适应能力较强,具有算法简单、参数整定容易等优点.     

基于Ziegler-Nichols方法PID控制器的球杆系统

通过建立球杆系统机械模型、角度模型和电机模型,得到这个球杆系统的数学模型,设计PID控制器,通过在线整定控制器参数,提高球杆系统的控制性能.仿真实验结果证明：PID控制效果良好,适应能力较强,具有算法简单、参数整定容易等优点.     

基于改进模糊神经网络的PID参数自整定算法

针对传统的PID控制算法参数整定困难,控制效果并不理想,将神经网络算法、模糊控制算法结合在一起,形成了模糊神经网络PID参数自整定算法,并且对模糊神经网络进行改进,将神经网络输入的状态变量进行模糊化和归一化处理,采用BP神经网络自整定PID控制器的参数,根据RBF神经网络得到受控对象的Jacobian信息。仿真结果表明,基于模糊神经网络的PID自整定控制效果较好,具有一定的应用前景。     

双容水箱的神经PID控制

利用神经网络自学习的特性,结合常规PID(比例-积分-微分)控制理论,提出基于BP(back propaga-tion)神经网络进行PID参数整定的控制策略.该方案能实现控制器参数的自动调整,以及在线调节参数Kp,Ki,Kd,适应被控过程的时变性,提高控制的性能和可靠性.仿真结果表明:相对于传统的PID控制方法,神经网络PID控制系统取得更满意的控制效果.     

改进BP神经网络的并网逆变器分数阶比例-积分-微分控制策略

传统PID控制技术在电网产生扰动时无法兼顾快速性和鲁棒性,易造成系统不稳定失衡,向电网注入大量的谐波。对此现象,提出了一种改进BP神经网络的分数阶PID控制器来提高电网的鲁棒性和对响应的快速性。该算法采用分数阶PID控制器跟踪电流外环的参考电流,并针对分数阶PID控制器的五个参数采用BP神经网络实时在线整定。消除了人为调参所带来的不确定性。对于BP神经网络在整定参数过程中无法整定得到最优解,引入变化的惯性因子和学习率,提高了BP神经网络的求解效率。仿真结果验证,所提控制算法对并网电流能够实现快速跟踪,鲁棒性好。     

在线参数自整定模糊PID控制器的设计与仿真

根据模糊控制原理,设计了一种参数自整定PID控制器.借助于MATLAB的系统仿真软件Simulink,实现了对模糊PID控制系统的仿真,仿真结果显示模糊PID控制系统具有超调小、稳态控制精度高等特点.     

自动加药系统中模糊自整定PID控制方法的研究

提出利用模糊自整定PID控制器实现自动加药的方法,将控制器和PID控制器结合在一起,利用模糊逻辑控制实现了PID控制器参数在线自调整,完善了传统PID控制器的性能,提高了系统的控制精度.并把MATLAB中的Fuzzy Toolbox和Simulink结合起来,方便实现了自整定模糊PID控制系统的计算机仿真.仿真结果表明模糊自整定PID对被控系统的适应性强,鲁棒性好,超调小,反应时间快,能很好地适应现实生产过程中的控制要求.     

基于BP神经网络的PID控制器及其MATLAB仿真

PID控制算法简单、应用广泛,既能消除余差,又能提高系统的稳定性,但其P环节、I环节、D环节的控制参数却参数难以整定;BP神经网络算法具有很强的数字运算能力,因此,可通过BP神经网络自学习、加权系数调整,实现PID的最优调整,本文以小车控制为例,利用BP神经网络的学习能力进行PID参数的在线整定,并进行了MATLAB仿真,结果表明,利用BP神经网络可很快的找到PID的控制参数。     

基于附加惯性项BP神经网络的四旋翼无人机姿态控制研究

针对传统PID控制不能实时更新整定的K_p、K_i、K_d参数,以及控制精度不高等缺点,在结合四旋翼无人机自身特性的基础上,本文提出一种附加惯性项的BP神经网络与PID控制结合的姿态控制方法,并对惯性系数进行修改,来实现无人机在受干扰情况下飞行过程的姿态控制。仿真实验分析表明:与BP神经网络参数自整定PID控制和传统PID控制相比,该控制方法提高了系统的抗扰性、鲁棒性和动态性能,从而对于提高无人机的姿态控制具有较好的实际参考价值。     

主动磁轴承的神经网络自适应PID控制

针对主动磁轴承系统的本质不稳定性、非线性和参数不确定性,提出基于BP神经网络的自适应PID控制器．该控制器输出含有P、I、D信号的非线性组合,补偿了磁轴承系统的非线性．使系统控制效果良好;同时控制器可根据磁轴承的运行状况进行在线自学习和自校正,避免了传统PID控制器参数整定困难的缺点．最后基于某磁轴承系统的仿真研究表明了该控制器的有效性。     

RBF神经网络在盘式制动器控制系统中的应用

针对盘式制动器控制系统存在的非线性特性,提出了一种基于R BF神经网络的智能控制方法.在常规PID控制器的基础上,利用神经网络对控制器参数进行在线自适应整定,从而实现系统的智能控制.该系统利用可编程序控制器S7-200作为主控制器,配合液压站实现了对带式输送机制动器的控制.仿真结果表明,该系统比传统的PID控制具有更快的响应速度和更高的稳定性及控制精度.     

神经网络技术在舞台升降台控制系统中的应用

PID控制是迄今为止应用最广泛的控制方法,但在实际应用中,其参数整定仍未得到较好的解决.本文把神经网络控制技术应用在舞台升降台控制系统的PID控制中,构造神经网络PID参数自整定控制器,并且通过仿真试验,取得较好的结果.     

基于根轨迹控制的球杆系统

通过建立球杆系统机械模型、角度模型和电机模型,得到球杆系统的数学模型,设计根轨迹控制器,通过在线整定控制器参数,提高球杆系统的控制性能.仿真实验结果证明根轨迹控制效果良好,适应能力较强,具有算法简单、参数整定容易等优点.     

运动控制系统的PID参数模糊自整定

讨论了模糊自适应PID控制器原理及参数的模糊调整,利用模糊推理方法实现对运动控制系统的PID参数在线自整定,并在Matlab/Simulink环境下将该控制器在运动控制中的应用进行了仿真.结果表明,参数自适应模糊PID控制能使运动控制系统达到满意的效果.     

基于根轨迹控制的球杆系统

通过建立球杆系统机械模型、角度模型和电机模型,得到球杆系统的数学模型,设计根轨迹控制器,通过在线整定控制器参数,提高球杆系统的控制性能.仿真实验结果证明根轨迹控制效果良好,适应能力较强,具有算法简单、参数整定容易等优点.     

基于模糊自适应整定PID控制的刨花板供胶系统

针对刨花板供胶控制系统中供胶控制存在的非线性、纯滞后和时变性等现象,根据模糊控制、自适应控制和常规PID控制的控制思想,提出了模糊自适应整定PID的控制策略,实现了对PID参数的在线自整定,完善了PID控制器的性能,提高了系统的控制精度.仿真结果表明,与常规PID控制器相比,该控制器明显提高了供胶控制系统的动态性能和稳定性.     

模糊神经网络在冷连轧厚度控制中的应用

由于冷连轧厚度控制系统具有非线性、大时滞的特点,在冷连轧厚度的常规 PID 控制中,PID 控制器的参数往往针对某一种情况进行整定,很难控制冷连轧厚度始终处于一个好的状态.为此,在分析了厚度控制原理的基础上,设计了用一个2-5-1结构的 BP 网络实现的模糊神经网络控制器(FNNC),并将该 FNNC 控制器与积分作用相结合构成一个 FNNC-I 控制器.仿真结果表明,该 FNNC-I 控制器提高了系统的动态和稳态性能、抗干扰性以及鲁棒性,其控制效果优于常规 PID 控制器.     

一种基于BP神经网络的四轴飞行器飞控优化方法

针对四轴飞行器串级PID控制器参数整定繁琐的问题,提出在串级PID控制器中加入BP神经网络的优化方法。利用Simulimk对加入BP神经网络前后的飞控系统进行仿真。结果表明,加入神经网络后飞控系统在超调量、响应时间和稳定性等方面都有了明显的提高。     

基于MEA的加热炉炉温控制器参数自整定

针对工业加热炉大惯性、纯滞后、参数非线性等特点,以及传统PID控制器参数不易调节的特点,提出一种基于思维进化算法和模糊神经网络的加热炉炉温PID控制器参数自整定方法.并通过MATLAB进行仿真研究,仿真结果表明,使用该方法得到的炉温控制器可以获得较好的控制效果.