基于BP神经网络的PID控制器

介绍了一种基于神经网络自学习PID控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求, 其主要特点是采用线性预测模型来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果。     

采用免疫BP算法的模糊神经网络PID控制器

文章在传统PID控制器的基础上,结合模糊控制和神经网络控制理论设计出自适应模糊神经网络PID控制器,并将免疫反馈机制应用到BP学习算法中,通过自适应调整学习速率,改善算法的收敛性;通过Matlab仿真验证了引入免疫反馈机制的BP算法的优越性.仿真及实际应用结果表明,采用免疫BP算法的模糊神经网络PID控制器响应速度快,...     

基于小波神经网络免疫PID控制器的研究

针对PID控制器,本文介绍了一种基于小波神经网络的免疫PID控制器。由于小波变换具有较好的时频局部性．神经网络拥有较强大的非线性映射的能力、自适应、自学习等优势,将规范正交的小波函数与神经网络的基函数相结合构成小波神经网络．该网络同时具有小波和神经网络的优点,本文用小波神经网络来逼近免疫PID的函数,试验以及仿真结果表明,本文介绍的控制器性能优于其它类型免疫PID控制器。     

BP神经网络PID控制器在主汽温控制中的应用

电厂锅炉主蒸汽温度对汽轮机的使用寿命和机组的运行安全有重要影响,电厂锅炉主蒸汽温度动态特性随着负荷的变化而变化,如何把主蒸汽温度快速稳定的控制在设定值附近是火电厂热工过程控制的难点之一.针对电厂锅炉在不同负荷下的主蒸汽温度控制问题,提出一种基于BP神经网络的PID串级控制方案,神经网络通过对系统的不断学习,加权系数不断调整的方式,使PID控制器参数实现最佳的组合,仿真实例验证了所提方法具有较好的控制品质和较强的抗干扰能力.     

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.     

基于RBF神经网络的PID控制器

传统的PID控制器参数难以整定,且依赖于对象的精确数学模型,适应性较差。针对传统PID控制效果不理想的问题,采用RBF神经网络对PID参数进行整定,并用MATLAB进行仿真,取得了令人满意的效果。     

基于BP神经网络的智能控制器

研究一种新型的智能控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求,其主要特点是提供一个跟踪网络来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果．     

BP神经网络PID控制器仿真实现

主要研究了BP神经网络PID控制器的结构，分析了BP神经网络的学习算法，并在MATLAB/SIMULINK下进行仿真实现，说明该控制器是一种简单实用的控制器．     

基于FPGA神经网络PID控制器设计

本文提出了一种采用FPGA实现神经网络PID控制器的设计方法。首先在理论上设计三层BP_PID控制器。其次在FPGA芯片上实现了设计的BP_PID控制器,利用VHDL语言采用自上而下的设计方法,设计了BP_PID控制器的各个模块,并在Quartus中进行了时序仿真测试。仿真结果表明,设计过程合理,硬件实现结果正确,为在工业控制领域广泛应用智能控制算法的硬件电路实现创造了条件。     

自适应神经网络PID控制器

提出了一种新型神经网络PID控制器，其学习速率是通过三层前向BP网络在线辨识学习，使神经元有较强的智能性、自适应和自学习的能力；同时，将Smith预估器与神经元PID控制器相结合，能更有效地抑制纯滞后的影响。仿真结果表明该控制器有较好的控制效果和鲁棒性。     

一种基于BP网络的PID控制器

针对PID控制中三个参数的整定问题,提出了一种基于BP神经网络的PID参数整定方法,并依据此种方法对某模型进行了仿真仿真结果表明此方法能较好的调整比例(P)、积分(I)和微分(D)的关系,使之达到一种比较理想的组合状态。     

基于BP神经网络的直流电机PID控制系统研究

以直流电动机为控制对象,建立数学模型,并在传统PID的基础上结合神经网络算法,充分利用神经网络自学习功能,实现对PID参数的实时在线自整定.克服了PID控制参数难以确定和控制过程无法随环境等变化而自适应的缺点,体现了神经网络较好的智能性与较强的鲁棒性.利用Matlab软件进行仿真研究,结果表明神经网络PID较传统PID更精准,更具适应性,控制效果优越.     

改进型神经网络参数自学习PID控制器的实现

用BP神经网络自学习PID控制器的3个可调参数KP,KI和KD，实现最佳组合的PID控制，在调整神经网络的权值算法中，用被控对象的预测模得到预测输出值来改进学习算法。该方法用于异步电动机直接矩控制中效果明显。     

基于神经网络辨识的自适应PID控制器

根据实际生产现场对控制的要求,提出了一种将PID控制与神经网络相结合,采用BP网络辨识未知的被控对象,使用单纯形算法寻找最优的PID控制参数,控制与学习并行的控制方案.并对二阶对象进行仿真研究,将其与单位阶跃响应进行了比较.     

基于BP神经网络的入口匝道控制器的设计

入口匝道控制系统是一种复杂的非线性时变系统，难于用数学准确建模，因此用数学建模的方法实施控制难度较大，本文中根据入口匝道控制原理分析了交通控制中需检测的交通量参数，并据此设计了神经网络控制器，并对这一控制器进行了仿真，仿真结果显示，神经网络用在入口匝道控制中可取得良好的效果。     

神经网络SNC无刷柴油发电机励磁控制器

设计一种基于BP神经网络的监督学习控制器（SNC）,在线性最优励磁控制的基础上,得用3层BP神经网络对柴油发电机的控制过程进行监督学习,通过对网络的训练,使得网络能够达到实时控制的目的,仿真结果表明,所设计的SNC在系统运行方式较大的变化范围内,都能提供很好的控制性能,并有较强的鲁棒性和适应能力。     

基于BP神经网络的PID在压延机温度控制系统中的应用

针对风神轮胎股份有限公司压延机辊筒温度控制以及传统PID控制存在的设计复杂、控制精度较差和参数值实时更新复杂等问题,对压延机辊筒温度提出了一种基于BP神经网络的PID控制方法,并进行了计算机控制系统设计。对子午线轮胎生产中压延机辊筒的温控试验结果表明,该PID控制系统逼近精度高、适应性好,取得较满意的效果。