面向需求侧调节的聚合温控负荷极值搜索控制算法

本文通过对聚合温控负荷的温度设定值的控制,实现智能电网中的频率调节服务。利用聚合温控负荷的双线性状态空间模型,建立了通过调节温控负荷温度设定值来提供频率调节服务的方案。采用极值搜索算法,对控制器参数进行动态优化,以减小温控负荷的跟踪误差,提升频率调节服务质量。仿真结果表明了极值搜索算法的有效性。     

基于BP神经网络的球杆控制算法设计

针对球杆系统定位控制问题,基于BP神经网络设计了BP神经网络控制器和BP神经网络PID参数自整定两种智能控制器.完成了两种控制器的网络结构与实现方法,并在Simulink环境中仿真.仿真结果显示出BP神经网络PID参数自整定控制器的稳定性优于BP神经网络控制器,将BP神经网络PID参数自整定控制器算法移植到GBB1004球杆系统,实现了对该系统的控制.实验结果显示,该控制器响应快,有一定的抗干扰能力,获得系统调节时间小于16s,稳态误差小于1cm.     

基于神经网络的PID控制器在PCS7上的设计与应用

针对具有时变性、大时滞和参数变化范围广等特点的非线性被控对象,本文提出了一种基于BP算法的PID控制器,并通过西门子过程控制系统（PCS7）系统软件中的SCL语言编写实现了神经网络参数优化模块。通过对锅炉过热蒸汽压力的控制实验,验证了基于神经网络的PID控制器的效果。结果表明,基于神经网络的PID控制器的控制效果良好,能够满足锅炉变工况运行的需求。     

基于粗糙集神经网络PID的串级控制系统设计

提出一种基于粗糙集的神经网络PID控制器。该控制器利用粗糙集的数据约简方法，约简BP网络样本的冗余属性和属性值并保留重要数据得到最小样本，然后用这个最小样本训练BP网络。最后利用BP网络对动态过程中的PID控制参数进行实时在线调整。对串级过热气温控制系统的仿真结果表明，与传统的神经网络PID建模方法相比，该控制器网络训练时间少、抗扰性和鲁棒性强。     

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。     

基于神经网络控制的三电机同步系统

设计了基于神经网络的三电机同步控制系统.首先,给出了三电机变频调速系统的数学模型.其次,基于该模型设计的新系统包括:3个BP神经网络在线自整定参数的智能PID控制器,分别对系统中的速度和2个张力变量进行自适应控制;1个神经元解耦补偿器,通过训练网络权值,补偿各回路之间的耦合影响.最后,基于西门子S7-300 PLC构建平台,进行了解耦特性、跟踪性能和抗负载扰动能力的试验.结果表明,与传统PID参数控制系统相比,该系统能够根据不同的运行工况自动获得较优的PID参数,且对系统速度和张力实现了较好的解耦控制,具备了较好的动静态性能及较强的抗干扰能力.     

挖掘机器人负载工况下的力与位姿控制

文章分析了智能挖掘技术的研究现状,给出了试验挖掘机器人运动学模型及负载工况下动态特性方程;为实现典型挖掘工况下工作装置位姿及液压驱动力的控制,设计了一种基于BP(back propagation)神经网络PID(proportion-integral-derivative)控制算法的控制器;并以山河智能SWE-17E挖掘机器人为平台进行试验验证。试验结果表明,采用BP神经网络PID控制算法得到的工作装置末端轨迹跟踪误差均方差小于10cm,驱动力跟踪也达到了较高精度,证明了BP神经网络PID控制算法对于挖掘机器人力与位姿控制的可行性和有效性。     

BP网络规则PID在电弧炉电极调节系统中的实现

针对电弧炉电极调节系统,建立其数学模型.分析了电弧炉电极调节系统的非线性.在此基础上,针对控制对象的复杂性,将应用最广泛的PID控制器与具有自学习功能的神经网络相结合,提出了基于BP神经网络规则的PID控制算法.BP神经网络规则的PID控制算法改善了传统神经网络学习时间长、收敛速度慢的弱点,解决了传统的PID控制未知复杂系统的不足,Matlab6.5软件仿真结果表明,采用BP神经网络规则的PID控制算法的控制效果还是令人满意的.     

一种基于模糊神经网络的智能PID控制器

本文设计了一种基于模糊神经网络的PID控制器,利用模糊神经网络对被控制象进行模糊辨识,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,实现PID控制的智能化。通过仿真实验表明,该控制器具有较高的控制品质。     

基于神经网络PID电阻炉温度控制系统设计

系统采用BP神经网络控制策略,通过神经网络模拟实现PID参数在线调整．论文介绍了以单片机AT89S52为核心,采用热电偶及数字芯片MAX6675组成的温度控制系统,及神经网络PID控制器设计与仿真研究．     

模糊神经网络PID在变压器风冷控制系统中的应用

针对现有的大、中型变压器风冷控制系统中存在的问题,设计了一种基于模糊神经网络PID技术的变频调节风冷控制系统,通过模糊神经网络控制优化PID的控制参数,精确控制变频器的输出频率,使变压器的发热量与散热量实时平衡,以达到节能运行的目的。     

LQR优化的BP神经网络PID控制器设计

针对传统神经网络PID(比例 积分 微分)控制器和传统线性二次调节器(LQR)优化型PID控制器对无刷直流电机转速控制恢复时间长及抗干扰性较差等问题, 提出一种LQR优化的BP神经网络PID控制器, 用于无刷直流电机的转速控制. 首先, 利用BP神经网络对PID增益进行调节, 提高控制器的动态适应性和鲁棒性； 然后, 采用LQR优化BP神经网络最优输出, 使其更接近目标PID增益. 仿真结果表明, 该控制器有效提高了响应速度, 减小了稳态误差并增强了抗干扰能力.     

改进的BP神经网络PID控制器在气体浓度控制中的研究

针对动物缺氧实验中气体浓度控制这一时变非线性的过程,将BP神经网络与传统PID控制相结合虽然可以取得较好的控制效果,但是也存在着网络收敛速度慢、稳定性较差等问题.基于此,提出了一种基于改进的遗传算法优化的BP神经网络PID控制器.首先,该控制器对遗传算法的收敛速度和稳定性进行改进,利用改进后的遗传算法优化BP神经网络的权重初始值;然后,用优化后的BP神经网络实现PID控制参数的在线调整;最后,在MATLAB中对两种控制器进行仿真实验,结果显示,与传统的BP神经网络PID控制器相比,改进后的BP神经网络PID控制器具有更好的控制性能.     

抄纸过程的BP神经网络PID控制

为了使抄纸过程的输出(湿度和基重)最大限度地接近给定值,采用BP神经网络PID控制。此控制器由PID控制器和BP神经网络组成,采用BP算法进行PID参数的在线调整,使输出值较好地跟踪了给定值,能达到较好的控制效果,并为抄纸过程的控制提供另一种思路。     

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.     

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

传统比例-积分-微分(proportion-integration-differentiation, 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,提出了一种改进反向传播(back propagation, 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5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速率,提高了BP神经网络的求解效率。仿真结果验证表明,所提控制算法对并网电流能够实现快速跟踪,鲁棒性好。     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

一种时变非线性对象神经网络PID控制的仿真

利用BP神经网络对被控对象进行了控制和辨识,提出了一种基于BP神经网络的PID控制器;给出了相应的控制算法;并对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明,同传统PID控制器相比,神经网络PID控制器对于模型、环境具有较好的适应能力与较强的鲁棒性,证明了神经网络控制的优越性。     

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.     

模糊神经网络在电阻炉温度控制系统中应用

针对电阻炉具有时变,分布参数的非线性特性,将模糊神经网络控制应用于电阻炉温度控制系统.该控制器自适应能力强,利用系统偏差和神经网络辨识模型的输出对模糊神经网络控制器的参数通过一种改进的BP算法进行在线调节,达到对电阻炉温度的实时控制.仿真结果表明模糊神经网络控制器具有良好的控制效果,优于一般PID控制.