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。     

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.     

数控机床伺服系统参数自整定的研究

通过分析数控机床伺服系统的控制原理,确定伺服系统的控制原理,分析各环的控制参数,整定出伺服系统的控制结构图。采用传统的PID控制器自整定方法,已不能满足伺服系统的要求。提出利用单纯形法来自整定伺服系统PID控制器,并且提供了详细的整定过程。在MATLAB的simulink里面进行建模仿真,与Z-N法进行仿真比较,单纯形法整定伺服系统PID控制器参数,系统运行的响应速度更快。     

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.     

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。     

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BP神经网络的三轴增稳云台自抗扰控制

针对三轴增稳云台伺服系统非线性特性,以及PD控制抗扰能力差,自抗扰控制器由于参数众多而导致整定过程耗时且费力的缺陷,本文利用BP神经网络的全局逼近能力和自我学习能力,将其与自抗扰控制器组成复合控制器,对自抗扰控制器的所有关键参数进行自整定寻优,应用于含Stribeck摩擦模型的三轴增稳云台伺服系统。仿真结果表明:该方法用于自动整定参数可行有效,与PD控制和参数固定的常规自抗扰控制器相比,具有更高的控制精度和更强的抗扰能力,对提高增稳云台的性能具有较好的应用价值。     

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。     

一种基于遗传BP神经网络的分数阶PI~αD~β参数整定方法

对于离散、非线性、大时滞等复杂系统BP神经网络具有优越的处理能力。而将遗传算法引入与之结合,能够有效的弥补神经网络的缺陷,从而能显著提高收敛速度并且减小系统误差。本文运用遗传算法来改进BP神经网络,实现改进的BP神经网络具有更好的收敛性,然后采用改进的BP神经网络对分数阶PID控制器参数进行整定,通过具体实例在Matlab平台下进行仿真,验证所提方法的有效性。仿真结果表明遗传算法能够有效的改善神经网络在收敛速度和预测精度上的不足,基于本文改进方法对一个复杂分数阶被控系统进行分数阶PID控制器设计,通过仿真曲线证实了所提方法设计的控制器能够取得良好的控制品质。     

一种基于遗传BP神经网络的分数阶参数整定方法

对于离散、非线性、大时滞等复杂系统BP神经网络具有优越的处理能力。而将遗传算法引入与之结合,能够有效的弥补神经网络的缺陷,从而能显著提高收敛速度并且减小系统误差。本文运用遗传算法来改进BP神经网络,实现改进的BP神经网络具有更好的收敛性,然后采用改进的BP神经网络对分数阶PID控制器参数进行整定,通过具体实例在Matlab平台下进行仿真,验证所提方法的有效性。仿真结果表明遗传算法能够有效的改善神经网络在收敛速度和预测精度上的不足,基于本文改进方法对一个复杂分数阶被控系统进行分数阶PID控制器设计,通过仿真曲线证实了所提方法设计的控制器能够取得良好的控制品质。     

基于PSO的改进的PID控制器在VAV空调系统温度控制中的应用

以变风量空调系统的温度控制作为研究对象,在现有的研究基础上,提出了粒子群优化算法改进的BP神经网络PID控制方法。应用BP神经网络进行PID参数在线整定,粒子群优化算法提高BP神经网络的学习速率和收敛性,结合三者各自的优势以提高变风量空调系统的控制性能。     

基于RBF神经网络整定的热风炉温控系统设计

为了提高热风炉的燃烧效率,改善热风炉温控系统的自动化程度,提出了一种基于RBF神经网络整定的PID控制策略。首先,通过RBF神经网络算法和增量式PID控制器的结合,将神经网络强大的自学习能力应用于对增量式PID参数的调整。然后,在常规热风炉温控系统的基础上,将其外环改为采用RBF神经网络整定的PID控制。热风炉温控系统中内环以煤气阀门开度为变量,外环以拱顶温度为控制变量,通过改进的串级控制来实现热风炉的燃烧优化调整。Matlab仿真分析和实际应用效果表明,RBF神经网络整定的PID控制曲线几乎无超调量,系统抗干扰能力相对传统的PID控制提高了50%。与传统的手动控制相比,所提出的控制策略使得原系统的抑制干扰能力明显增强、鲁棒性更好,在热风炉温控方面具有良好的研究和应用价值。     

采用改进神经网络PID控制的车辆悬架振动仿真研究

为了研究车辆悬架振动模型,创建了车辆悬架平面简图,并根据牛顿定律推导出车辆悬架振动微分方程式。引用BP神经网络PID控制器,对传统粒子群算法进行改进,将改进粒子群算法用于优化BP神经网络PID可知结构。通过MATLAB软件中对车辆悬架位移、速度和加速度进行仿真验证;同时,与BP神经网络PID控制器仿真结果进行比较和分析。结果表明,车辆悬架采用BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较大,车辆整体振动幅度较大;而采用改进BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较小,车辆整体振动幅度较小。采用改进神经网络PID控制车辆悬架,能够抑制路面噪声激励对车辆振动幅度的影响,提高车辆行驶的安全性。     

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.     

基于模糊RBF神经网络的双电机驱动伺服系统研究

双电机驱动伺服系统中存在齿隙和摩擦等非线性,常规PID控制不能满足其控制要求.针对常规PID控制器参数固定而导致在控制中效果差的缺陷,提出一种基于模糊RBF神经网络整定的PID控制方法.该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,可以在线调整得到一组适合于控制对象的PID控制参数.最后在双电机驱动伺服系统中进行仿真试验结果表明所提出的控制策略是有效的.     

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.     

粒子群优化BP神经网络PID控制注塑机液压系统

注塑机液压系统是一个时变、非线性和高耦合的复杂系统,传统PID控制参数不易整定,超调量大,对注塑机液压系统控制效果欠佳,现提出一种粒子群优化BP神经网络算法改良PID控制。BP神经网络算法存在收敛速度慢和容易陷入局部最小值的缺陷,利用粒子群算法的全局最优和收敛速度快的特性改良BP神经网络,然后利用粒子群优化BP神经网络对PID的3个参数进行在线调整。仿真结果表明,经过粒子群优化后的BP神经网络对PID3个参数的整定效果要比BP网络要好,同时粒子群优化BP神经网络PID控制效果明显优于传统PID控制,可以有效提高注塑机液压系统的精度和响应速度,优化注塑过程。