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。     

主动磁悬浮轴承控制系统设计

介绍了主动磁悬浮轴承系统的组成和基本原理。在建立单自由度主动磁悬浮轴承系统数学模型的基础上，分析了目前应用的PID控制器的不足，并提出了一种改进型PID控制器。仿真结果表明，这种控制器比目前应用的PID控制器有更优良的动态性能。     

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．     

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

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。     

模糊神经网络控制器的设计与仿真

提出了一种复杂系统模糊建模及控制的神经网络方法,通过ＢＰ神经网络,对模糊规则的结论参数和隶属函数进行在线修正,实现模糊规则的自组织,这种控制方法可用地对受控对象缺乏精确的数学模型或具有时滞,高阶,非线性等难以用现有的控制理论分析方法和控制的复杂系统,仿真结果证明了这种方法的有效性。     

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.     

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.     

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。     

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PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

基于网络的虚拟仪器测控系统设计

通过LabVIEW、数据采集卡PCI-6024E和被控对象AEDK-DJ2在局域网内组建了一个网络虚拟仪器测控系统，并重点介绍了虚拟仪器的网络功能，实验证明该网络测控系统的控制效果好．     

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。     

一种自适应性神经元控制器研究

经典的控制器参数的整定过于依赖控制对象的数学模型,不便在线调整。为了解决这一问题,提出一种自适应性PID神经元控制器。在PID控制原理的基础上,充分利用神经网络用于非线性控制的特性,对神经元赋予了比例、积分和微分的功能。采用可微可导的激励函数,通过反向传播算法,实现了控制器参数的在线调整。仿真实例证明PID神经网络控制器具有较好的自适应性和抗干扰能力。     

基于动态神经网络的轧制液温控系统的辨识

轧制液是铝箔轧制中的一种对稳定性要求很高的工艺润滑液,它不能局部受高热只能采用间接均加热,因此其控制量与温度之间是一种十分复杂的非线性关系,采用传统的建模方法难以建立其精确的数学模型.人工神经网络能够以任意精度逼近连续的非线性关系,并对复杂不确定问题具有自适应和自学习能力,为解决这一类非线性系统的辨识建模提供了新的途径.通过比较选用了一种动态递归网络来建立轧制液温控系统的辨识模型.     

基于BP神经网络无刷直流电机换相转矩脉动抑制方法的研究

将首先建立无刷直流电机数学模型,其次研究无刷直流电机换相转矩脉动产生的原因,最后设计BP神经网络参数自学习PID控制器,利用BP神经网络参数自学习PID控制器抑制无刷直流电机的换相转脉动,使其抑制效果达到最佳。     

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。     

液压并联机器人的动态神经网络控制研究

针对液压并联机器人运动过程中各单缸伺服系统的参数时变和耦合力扰动问题,利用在前馈型网络增加反馈环节的方法,设计了一种新型动态神经网络,并将该动态网络作为智能控制器应用于单缸伺服系统,同时根据能全面衡量系统性能的综合目标函数,推导出网络控制学习算法.仿真及试验结果表明,这种控制器的设计不依赖于系统模型,对于单缸系统的参数时变具有自适应性,对于耦合力扰动具有强鲁棒性,控制结果显示系统具有良好的静动态性能.