采用改进BP-PID控制的机器人避障仿真研究

针对移动机器人避障过程中行驶路径长、寻路速度慢等问题,提出了一种改进反向传播-比例-积分-微分(BP-PID)控制器,并对移动机器人避障效果进行仿真验证。利用移动机器人在二维坐标系的避障简图,得出了移动机器人运动方程式。引用比例-积分-微分(PID)控制器和3层BP神经网络结构,利用BP神经网络的学习能力调整PID控制器参数。引用粒子群算法进行改进,通过改进粒子群算法在线优化BP-PID控制器,确保移动机器人BP-PID控制器收敛于全局最优值,从而使移动机器人避障效果更好。在不同环境中,采用Matlab软件对移动机器人避障效果进行仿真,比较改进前和改进后的移动机器人避障效果。结果显示:在不同环境中,改进前和改进后的BP-PID控制器均能使移动机器人安全地躲避障碍物;但是采用改进的粒子群算法优化BP-PID控制器,可以使移动机器人运动路径更短,迭代次数更少,搜索时间更短。采用改进BP-PID控制器,能够提高移动机器人避障过程中寻路速度,缩短行驶路径,效果更好。

基于BP神经网络的Smith-Fuzzy-PID算法在阀门定位中的应用研究

为解决气动调节阀控制过程中出现的超调大、精度低等问题,本文采用BP神经网络整定出较优的PID(Proportional Integral Derivative)控制参数,对Smith预估控制器以及模糊控制器进行设计,实现了基于BP神经网络的Smith-Fuzzy-PID控制方法。搭建了实验平台,通过阶跃响应实验来对控制方法进行验证,验证结果表明,提出的方法调节过程无超调,调节时间仅为1.9 s,定位精度在±0.5%以内,有效提高了系统的稳定性,实现了气动调节阀的快速精准定位。

基于PSO-BP模糊PID的变距取苗机构控制系统设计

为满足番茄、辣椒等蔬菜作物的移栽需求,基于向下取苗原理设计了一种适用72穴和128穴两种主要番茄钵苗穴盘规格的变距取苗机构,通过建立数学模型获得了取苗机械手参数的目标函数,并利用粒子群和模拟退火混合算法对其结构参数进行优化。同时,为实现变距取苗机构的精确控制,提出了一种基于PSO-BP的模糊PID算法以提高控制精度,介绍了系统的结构与工作原理,并通过选型计算与分析建模建立了控制系统的数学模型。针对传统PID控制器稳定性差、响应速度慢等不足之处,利用PSO-BP模糊PID对控制器的参数进行在线调整,以满足控制过程中对参数的不同需求。仿真结果与试验数据的分析表明:在参数相同条件下,基于PSO-BP模糊PID控制系统系统稳定性更好、响应速度更快,具有良好的鲁棒性,提升取苗成功率的同时降低了基质损伤率,能够满足变距取苗机构高精度快速稳定控制的需求。

基于BP神经网络PID的节水灌溉施肥系统研究

中国的化肥使用率常年居世界首位,且农业用水利用率较低,依靠个人经验的方法不仅造成了肥料和水资源的浪费,而且使当地生态环境也受到污染。由于管路运输等原因,节水灌溉施肥系统具有模型的时变性、非线性与时滞性的特点,普通控制器很难对节水灌溉施肥系统的流量进行精准控制。针对上述问题,设计了一种基于BP神经网络PID的控制器,以期实现节水灌溉施肥系统对液体肥流量的精准控制;同时,与传统PID控制器进行对比,用MatLab软件进行仿真分析,得到阶跃响应曲线。研究结果表明:基于BP神经网络PID的控制器具有优异的控制效果,可以满足节水灌溉施肥系统精准控制的实际要求。

基于粒子群优化BP神经网络PID的供热控制系统仿真研究

供热系统技术属于清洁技术,但其能耗非常大,因此在供热系统中能源的损耗问题就显得尤为重要。与此同时,我国供暖过程多数是用传统PID对供暖系统进行控制,由于传统PID控制响应时间长、超调量高且受外界影响较大,造成能源未充分利用、浪费现象严重。因此针对此问题,提出了在供暖系统中采用一种基于粒子群优化BP神经网络PID的控制策略,不仅可以解决供暖时水温不稳定、水温上升时间长等问题,而且可以更好地解决能源未充分利用问题。本文建立供热系统的数学模型,然后利用Matlab中的Simulink设计并仿真粒子群BP神经网络PID控制器。实验结果表明,改进后的PID控制器抗干扰能力强且具有较好的鲁棒性,对供热控制系统有更好的控制效果。

BP神经网络PID果园运输车调平系统研究

针对丘陵果园坡度较大,运输果箱过程中易发生倾覆的问题,根据运输车行驶过程中不同的倾斜状态,设计出一种基于BP神经网络的PID果箱调平控制方案,通过仿真分析表明:以倾斜角下降到2°以下时为理想状态。路面扰动分别为25°、20°、15°时,BP神经网络PID达到理想状态耗时分别为3.3s、2.8s、2.4s。与传统PID控制算法相比,该控制方案达到理想状态时其效率分别提升13.1%、22.2%、31.4%。峰值分别优化19.43%、14.68%、20.42%。通过试验结果表明:在20°坡面上,达到稳态时误差为1.1°,耗时5.5s;在25°坡面上,达到稳态时误差为1.8°,耗时6.4s。仿真与试验结果说明本文提出的基于BP神经网络的PID果箱调平控制方法具有良好的控制效果和稳定性。对实际生产过程具有指导意义。

基于BP神经网络PID的中子发生器离子源阳极电流控制研究

本文将BP神经网络算法与PID控制结合,优化了中子发生器控制离子源阳极电流PID调节过程,实现了控制器自适应整定,提升了控制效果。基于离子源阳极电流控制模型改进了PID算法,通过MATLAB/Simulink软件对两种算法进行仿真并对比分析。通过LabVIEW控制并采集离子源阳极电流值,使用改进后的BP神经网络PID算法控制程序进行实验。经实验表明,BP神经网络PID对离子源阳极电流控制能够实现参数的自适应整定,相比传统PID控制器超调量更小、响应速度更快,提高了中子发生器的控制稳定性。

基于优化BP神经网络PID的永磁同步电机控制研究

针对传统PID控制在永磁同步电机控制系统中未能实现精准控制的问题,提出了一种基于改进蜣螂优化算法的BP神经网络PID控制器,该控制器由BP神经网络通过自适应方法来调整权重系数,解决了PID无法在线调节参数的缺点。针对BP神经网络在进行反向传播时陷入局部最优的概率较大,引入蜣螂优化算法通过适应度值不断更新BP神经网络核心参数,从而提高BP神经网络的优化速率。对于蜣螂优化算法中存在初始种群质量不高及搜索能力不足等问题,对蜣螂优化算法进行混合策略优化,大大提升了蜣螂优化算法求解效率和精度。实验结果表明该改进蜣螂优化算法可以有效地提高控制系统的响应速度,减小超调量,在转速和负载突变的情况下都有较强的鲁棒性。

基于BP-NSGA-Ⅱ优化的高速电梯轿厢水平振动变论域模糊PID控制

针对影响高速电梯乘坐舒适性和安全性的轿厢水平振动问题,提出一种基于反向传播(Backpropagation,BP)神经网络和非支配排序遗传算法-Ⅱ(Non-dominant Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)的变论域模糊PID控制方法。首先建立基于达朗贝尔原理的轿厢动力学模型,其次在传统变论域模糊PID控制的基础上建立以量化因子作为输入,轿厢水平振动加速度均方根和位移均方根作为输出的BP神经网络模型,最后将该模型作为NSGA-Ⅱ算法的适应度函数,通过NSGA-Ⅱ算法优化量化因子来提高系统控制精度。仿真分析结果表明:基于BP神经网络和NSGA-Ⅱ算法的变论域模糊PID控制方法对轿厢水平振动的抑制效果优于变论域模糊PID控制方法。

基于GA_BP遗传神经网络优化PID控制器参数研究

作为一种重要的控制技术,传统PID控制器具有设计独特、运行机理精准以及出色的可靠性等优点,被广泛应用于工业控制领域。但PID控制器存在参数整定困难,在面对复杂的非线性系统时会出现控制效果不理想等情况。针对以上问题,提出一种基于遗传算法与神经网络的新型PID控制器。通过BP神经网络的在线实时调整能力提升系统稳定性,利用GA遗传算法搜寻全局最优解,提高了控制器调整速度,并能避免BP_PID控制器陷入局部极限,实现了参数自动调整和控制效果的优化,提高了控制系统的性能。

Application of PID Controller Based on BP Neural Network in Export Steam’s Temperature Control System

By combining the Back-Propagation （BP） neural network with conventional proportional Integral Derivative （PID） controller, a new temperature control strategy of the export steam in supercritical electric power plant is put forward. This scheme can effectively overcome the large time delay, inertia of the export steam and the influencee of object in varying operational parameters. Thus excellent control quality is obtaitud. The present paper describes the development and application of neural network based controller to control the temperature of the boiler＇s export steam. Through simulation in various situations, it validates that the control quality of this control system is apparently superior to the conventional PID control system.

PCR仪器的IGWO-BP神经网络PID控制

聚合酶链式反应(polymerase chain reaction,PCR)仪温度控制存在时滞性、非线性、惯性大、时变等特点,通过传统的PID温度控制效果较差,远不能满足要求,而BP神经网络PID控制通过自适应学习较传统PID控制而言控制能力更强,其在聚合酶链式反应仪温度控制方面的应用基本还是空白,但BP神经网络的初始权重是随机选定的且沿着正方向不断进行调整,易导致多次训练结果不一致。针对这些问题,提出了一种基于改进灰狼算法(improved grey wolf optimal,IGWO)的BP神经网络自调整PID参数的控制方法,利用改进灰狼算法良好的全局搜索能力将其寻找的最优位置作为BP神经网络的初始权值。最后仿真结果表明,该算法很好地满足了PCR仪温度控制的要求,与传统方法相比,在同一升降温速率下,温度控制系统超调量为0.2%,大幅度减小且无稳态误差,对于聚合酶链式反应仪温度调节具有更佳的效果。

基于BP神经网络的连铸结晶器液位模糊PID优化控制研究

针对塞棒和拉坯速度等因素对连铸结晶器液位在线控制的影响,提出了一种融合BP神经网络和模糊PID的优化算法。根据连铸结晶器液位控制模型,利用BP神经网络将金属液流入量影响因素量化为塞棒位置,再利用模糊PID关联结晶器内液位与塞棒位置修正量、拉坯速度,在线整定PID参数以实现结晶器内液位的优化控制。仿真结果表明,BP神经网络和模糊PID能避免连铸结晶器液位控制产生的超调,在较短时间内使液位趋于稳态,减小液位的控制偏差,降低塞棒和拉坯速度等不确定扰动对铸坯质量的影响。

基于BP神经网络PID控制DC/DC变换器研究

针对传统PID控制DC/DC变换器具有响应速度慢,输出电压纹波系数大等问题。提出了一种BP神经网络结合PID的控制方法。对神经网络的结构进行了分析,对算法进行了数学公式推导,最后采用Matlab软件编程实现BP神经网络算法。在Simulink模块中搭建了Buck电路模型,再分别搭建了传统PID控制和模糊PID以及BP神经网络控制模型对其进行仿真,得到相应的输出电压仿真结果图。仿真结果表明,BP神经网络PID控制下的输出电压更稳定,纹波系数为0.4%,小于其他两种控制方法。

改进GWO-BP算法优化PID在配药系统中的应用

针对PID控制器对配药系统控制过程中常出现不稳定和跃进等现象导致配药浓度误差过大的问题,提出改进的GWO-BP算法优化PID控制器参数在配药系统控制中的仿真应用方案。对于灰狼优化算法在全局寻优能力不足、收敛精度不高和收敛速度不够快等问题,利用改进非线性收敛因子以及改进学习因子来改变位置更新公式,进而改进灰狼优化算法收敛速率,提高寻优能力;利用改进GWO-BP算法优化PID控制器参数解决在实际工程应用中存在鲁棒性低难以得到最优的PID控制器参数等问题。仿真结果显示:IGWO-BP-PID控制器超调量从原来的23.0%降低到10.6%,调节时间从0.76 s减少到0.17 s,峰值时间从0.22 s减少到0.06 s。IGWO-BP-PID控制器的控制效果更优、稳定性更好。

基于BP神经网络PID的高速清扫车摆臂控制系统

针对传统清扫车摆臂开环控制系统的动态响应特性不足、抗干扰能力弱,不能适应高速工况下清扫作业,设计了高速清扫车摆臂执行机构和闭环控制系统。为解决BP神经网络(BPNN)存在局部极值、收敛速度慢等问题,提出一种改进BPNN PID算法,其核心是通过主动串联校正,抑制PID前一次输出值u(k-1)对此次输出值u(k)的影响。通过搭建Simulink-AMESim联合仿真模型,研究了高速清扫车摆臂闭环控制系统的阶跃响应、抗干扰能力以及位置跟踪能力。研究结果表明:所改进的BPNN PID控制器能够动态调整PID参数,提高了系统的适应性、准确性和稳定性;改进BPNN PID控制器的抗干扰能力更强,鲁棒性更好,且系统近乎没有超调,超调量为0.5%,仅为PID控制超调量的2.34%,稳定时间0.62 s,相比PID提前了66.31%。

基于BP神经网络的集中供热二次网回水温度预测控制研究

针对集中供热系统二次管网存在的水力失调问题,设计了二次网水力平衡调节及回水温度预测模型,并实施智能控制策略,以实现二次网回水温度的精准控制。首先,构建BP神经网络预测模型,将此模型的输出视为二次网回水温度给定值;其次,在整个系统控制中,实施BP神经网络与PID控制器相结合的策略,进行二次网回水温度的控制。以高邑县某小区换热站数据为基础,通过阶跃响应曲线法建立二次网回水温度控制系统的数学模型,并通过BP-PID控制进行仿真实验。实验结果表明,与传统PID控制器相比,BP-PID控制器具有调节时间短、超调量小的优点,能够快速达到平稳状态。

基于PSO-BP神经网络的分拣机器人视觉反馈跟踪

针对分拣机器人视觉反馈跟踪精度差、耗时较长的问题,研究基于粒子群算法-反向传播(particle swarm optimization-back propagation,PSO-BP)神经网络的分拣机器人视觉反馈跟踪方法,以提升视觉反馈跟踪效果。依据分拣机器人的视觉反馈信息,建立分拣机器人运动学模型,并求解分拣机器人机械臂输出位置和输入位置的误差函数;利用PSO算法优化BP神经网络的权值与偏置;在权值与偏置优化后的BP神经网络内,输入误差函数,预测分拣机器人视觉反馈跟踪控制量;利用预测视觉反馈跟踪控制量,在线调整增量式比例-积分-微分(proportional-integral-derivative,PID)的参数,输出高精度的分拣机器人视觉反馈跟踪控制量,实现分拣机器人视觉反馈跟踪。实验结果表明,该方法可有效视觉反馈跟踪分拣机器人机械臂的关节角;存在干扰情况下,在运行时间为10 s左右时,阶跃响应趋于稳定;有干扰情况下,视觉反馈跟踪的平均误差为0.09 cm,耗时平均值为0.10 ms;无干扰情况下,平均误差为0.03 cm,耗时平均值为0.04 ms。

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明:模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。

干涉式闭环光纤陀螺仪的PSO-PID控制优化方法

控制系统的设计会对响应速度快且应用范围较广的数字干涉式闭环光纤陀螺(ICFOG)动态性能产生影响。通过分析ICFOG的工作原理,推导出闭环离散控制系统,并利用粒子群优化算法(Particle Swarm Optimization,PSO)对传统的PID控制器参数进行优化。基于这个优化过程,设计一种新型的PSO-PID复合控制器,以取代传统的PID控制器。通过与其他BP神经网络、模糊控制等方法进行对比凸显该控制方法的优越。通过数字仿真分析显示,跟踪速度相较于BP-PID控制方法提高了1.91倍,相对于PID控制方法提高了3.5倍,相对于F-PID控制方法提高了1.75倍。同时,控制精度相对于BP-PID控制方法提高了46.03%,相对于PID控制方法提高了66.30%,相对于F-PID控制方法提高了45.27%。结果显示,采用PSO-PID控制器能够快速达到控制目标且具有较小的超调量。