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。     

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．     

基于BP神经网络的PID控制器研究

从BP神经网络的基本原理、学习规则和学习算法出发,研究了基于BP神经网络的PID控制方法,采用3层前向网络及动态BP算法,取得了较高的控制品质。仿真结果表明,基于BP神经网络的PID控制方法在处理非线性和时变系统时具有很强的鲁棒性。     

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。     

基于BP神经网络的PID改进和研究

主要对BP神经网络PID控制算法进行了研究,提出一种改变步长和学习率的迭代法,能有效的减少网络收敛次数.然后从神经网络激活函数的选择出发,提出一种新的非线性误差函数.仿真表明,该方法能减少网络训练的次数,加快收敛,也能避免网络学习下初期的振荡现象.     

基于BP神经网络的生化分析仪的温度控制

对生化分析仪的硬件和软件进行了研究,针对常规PID控制参数在温度控制中难以达到最优,利用BP神经网络对PID控制参数进行学习调整以达到最优。实验结果表明BP神经网络自学习PID参数具有较好的性能。     

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.     

基于BP神经网络整定的PID控制策略研究

PID控制在工业生产中广泛应用,在反馈控制系统中经常会遇到稳定性和准确性的冲突,神经网络技术的发展为此提供了新的解决问题的途径,本文将BP神经网络模型与PID参数整定结合,探讨了基于BP神经网络整定的PID控制策略。     

基于BP神经网络PID的交叉耦合轮廓控制研究

文章以基于直线电机的数控机床X-Y平台为实验平台,进行轮廓误差控制技术的研究,设计了BP神经网络交叉耦合控制(back propagation neural network cross-coupling control,BPNN-CCC)器。在交叉耦合控制(cross-coupling control,CCC)的基础上,分析了BP神经网络的理论,并与PID控制相结合,设计了BP神经网络PID控制器,将其应用在单轴控制与CCC上,在Matlab中搭建了BPNN-CCC的仿真模型。实验结果表明,该控制器有效减小了系统的轮廓误差,并体现了自学习、自适应的能力。     

基于遗传BP网络的PID控制算法在无模拉拔温度控制中的应用

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能. 通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型. 采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性.     

基于BP神经网络的PID控制算法在四轴飞行器中的应用

四轴飞行器是一个非线性、时变的控制系统,由于典型PID算法缺乏自适应能力,典型的PID控制算法对四轴飞行器无法达到较好的控制效果,于是提出了基于BP神经网络的智能PID控制算法。本文首先通过选取适当的坐标系统对旋翼受力进行了近似和简化处理建立其数学模型,根据得到各通道的传递函数,然后使用BP神经网络PID控制方法对四轴飞行器进行控制,实现PID参数自动调整,结果表明BP神经网络PID控制对非线性系统及其参数具有良好的控制效果,而且具有更好的适应性,同时也具有很好的逼近和容错能力。     

基于BP神经网络的PID控制器参数调整

分别采用传统PID控制、BP神经网络PID控制算法,仿真控制传递函数为2阶的无刷直流电机.传统PID控制需要在初期给定比例、积分、微分系数值,而BP神经网络PID控制可以自适应调整比例、积分、微分系数值,从而实时改变被控对象的输入,使系统快速响应并稳定.     

基于BP神经网络PID的直流电机调速系统设计

本文根据直流电动机的数学模型,建立了状态空间方程,分析了直流电动机的可控性。同时,本文根据BP神经网络算法的控制理论设计了双闭环直流调速系统的相关算法。并用MATLAB软件进行仿真,实现了闭环控制系统的响应速度快、跟随性能好等功能。     

BP神经网络模糊PID控制器在DMF生产中的应用

文章基于DMF在工业生产中的重要作用,对于其回收工艺中的精馏塔温度的控制,提出了BP神经网络模糊PID控制器的方案,并用遗传模拟退火算法对其进行优化。通过与传统PID控制器和模糊PID控制器的仿真结果比较可知,该方案更为实时有效,更加适用于工业生产。     

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。     

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.     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型,并基于此模型推导了地铁车站结构极限状态超越概率的计算公式,以评价结构的地震易损性.首先采用主成分分析对地震强度指标进行正交化和降维;为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性,基于BP神经网络建立趋势模型以预测结构的地震响应...     

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．     

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.