基于BPNN-PID控制策略的果蔬保鲜环境参数调控优化

【目的】开发新的控制策略,用于解决传统控制方法果蔬保鲜环境参数因时变性、非线性、滞后性强和惯性大等特点导致的控制精度低、鲁棒性弱等问题。【方法】将传统比例−积分−微分(Proportional-integral-derivative,PID)和BP神经网络(Back-propagation neural network,BPNN)算法相结合,开发一种基于BPNN-PID的控制策略,通过自主搭建的果蔬保鲜环境调控试验平台和自主设计的控制系统,研究不同控制策略对保鲜环境参数调控效果的影响。【结果】基于BPNN-PID控制策略的果蔬保鲜环境控制系统,环境温度超调量为1.7℃、稳定时间为80 min、稳态误差为±0.2℃,环境相对湿度超调量为2.8%、稳定时间为55 min,相对湿度稳定维持在80%~90%范围内。与传统PID控制策略相比,BPNN-PID控制策略环境温度超调量减小了2.1℃、稳态误差减小了0.3℃、稳定时间缩短了25 min,环境相对湿度超调量减小了2.2%、稳定时间缩短了25 min,环境参数波动幅度均有所降低。【结论】本文开发的果蔬保鲜环境控制系统呈现出良好的动态调整能力,具有较强的鲁棒性,控制性能明显提升,实现了保鲜环境参数的精准控制,满足果蔬保鲜贮藏要求。研究结果为果蔬保鲜环境参数调控提供了参考。

改进PSO-BPNN供水泵站变频恒压PID控制

供水泵站是变频恒压系统,要求保障水压稳定,且在干扰情况下能快速响应并恢复稳定。为提升系统稳定性、高效性,提出一种改进PSO-BPNN的PID控制方法。首先构建供水泵站变频恒压控制模型,再基于BPNN实现PID非线性控制,提出一种PSO惯性权重改进策略,以提升PID参数的计算效率,从而更好地满足供水泵站控制需求。实验表明,本文算法响应快速、无超调,且具有稳定的非线性信号跟踪性能。相比BPNN、PSO-BPNN的两种PID控制算法,本文算法在恒压实验的调节时间缩短了29.6%和2.8%;在干扰实验中,超调量减少了34.6%和19.9%,稳定时间缩短了7.3%和1.6%。本文算法可提升供水泵站系统的稳定性和高效性。

基于BPNN自适应PID的三相VSR控制系统研究

建立了d-q坐标系下的三相电压型PWM整流器(VSR)数学模型与前馈解耦状态方程,分析了基于d-q变换与空间矢量脉宽调制(SVPWM)的三相VSR双闭环控制系统,针对传统的PI控制器在负载特性、VSR工作模式发生变化时,容易引起超调,使控制系统不能达到良好的控制效果这一问题,对传统三相VSR控制系统进行了改进,利用BP神经网络的自学习功能,设计了BPNN自适应PID控制器,实现PID控制器参数最优化;在Matlab/Simulink环境下搭建了基于BPNN自适应PID的三相VSR控制系统仿真电路,得到了三相VSR工作模式变化和负载突变时的仿真波形,仿真结果验证了该控制系统设计的准确性和有效性。

BPNN改进PID算法的CFB锅炉主汽温控制

CFB机组发电流程中,过热器出口的主蒸汽温度是锅炉安全经济稳定工作的标准之一。主汽温对象是具有大延迟、大惯性且模型不精确的时变非线性控制对象,常见的串级PID控制系统很难达到高精度的控制质量。BP神经网络(BPNN)具有自主学习能力强、学习速度快的优点,将BPNN与PID算法进行结合,设计改进PID算法的CFB锅炉主汽温控制系统,通过MATLAB/Simulink进行模型搭建与仿真。结果表明,BP改进PID算法的控制系统具有比常规串级PID控制更加快速、稳定、准确的控制效果。

基于BPNN-PID算法的改进型DC/DC变换器控制系统研究

为提高DC/DC变换器信号处理速度与控制精度,对隔离型H桥DC/DC变换器的主电路进行了改进,在其超前臂加箝位二极管,滞后臂加辅助网络,使变换器获得了良好的零电压开关效果;提出了基于BPNN-PID混合算法的隔离型H桥ZVS DC/DC变换器系统控制策略,对主电路与控制系统参数进行了设计,并对控制系统进行了建模与仿真,得到了稳态时的工作波形和负载突变时的动态响应波形。利用DSP TMS320LF2407快速数据处理平台对该控制系统进行了Matlab仿真和实验分析。结果表明该控制系统响应时间短、超调量小、控制性能优良,系统的稳定性得到了提高。

基于PID-BPNN的矿用铅酸蓄电池SOC在线估计

针对矿山避难硐室安全供电系统中铅酸蓄电池内化成过程中检测是否已经达到满电荷量,且在组装铅酸蓄电池时需要考虑电池均衡问题都需要进行准确估算SOC的问题,提出基于BP神经网络的PID控制通过修正反馈误差来实现铅酸蓄电池SOC在线估计。采用实验的方法获取数据,选取与电池SOC相关的因子作为BP神经网络的输入参数,最终准确在线预测蓄电池SOC值。仿真结果表明,基于BP神经网络的PID控制的铅酸蓄电池SOC估计的精度大大提高,同时为电池管理系统提供一个新的估计方法。

基于IPSO-BPNN-PID控制的食品并联机器人抓取技术

目的:解决并联机器人在食品分拣中存在的效率低、精度差等问题。方法:在食品分拣系统结构的基础上,提出了一种改进BP神经网络与PID控制相结合的Delta机器人运动目标抓取策略。通过改进的粒子群优化算法优化BP神经网络初始权值,并利用优化的BP神经网络对PID控制参数进行实时调整。通过试验分析该方法的性能验证其优越性。结果:相比于传统控制方法,所提方法能够较为准确、高效地实现动态目标捕获,动态抓取成功率达到98%以上,能够满足食品分拣的需要。结论:通过对动目标抓取策略的优化可以有效地提高Delta机器人的抓取效率和精度。

基于ADAM-BPNN优化模型的磨煤机智能启动技术研究

为改善制粉系统的启动效率,提高机组对电网负荷的响应速度,对影响设备正常启动的因素进行了分析,认为原煤仓落煤不畅及磨煤机预暖迟缓制约了中速磨制粉系统的可靠投用。基于给煤量指令与皮带转速的偏差,利用ADAM-BPNN优化模型,对原煤仓下煤不畅建立了智能预警模型,显著提高了给煤可靠性监测的时效性;采用模糊自适应算法对磨煤机预暖程序进行了针对性优化,程控暖磨时间相较手动操作大大缩短。经优化调整后,制粉系统在机组调峰过程中投用快速、运行稳定,相关经验可供后续同类型机组参考。

基于ADAM-BPNN模型单汽泵故障联动控制技术研究应用

火电厂超临界机组单汽泵在实际生产运行过程中的可靠性十分重要,单汽泵在运行中发生故障时会触发锅炉主燃料跳闸,造成机组非计划停机,给发电企业带来一定的损失。因此,单汽泵故障不停机成为行业内亟需解决的一个技术难题。该文以某热电厂电泵最大出力为基准点和汽泵故障后快速减负荷为目标,分别以夏季工况和冬季工况对锅炉给水系统运行特性进行分析,结合数据分析对比多种建模方法,最终采用误差最小、准确率最高的ADAM-BPNN模型对汽泵运行特性进行分析和预测。进一步对电泵带载特性、锅炉短暂断水特性进行动态试验论证,结合汽泵故障联锁启动电泵快速减负荷的控制策略,实现超临界机组单汽泵故障不停机,从而可提高单汽泵机组的运行安全性。研究结果可为同类型超临界机组单汽泵故障快速减负荷提供一定参考。

基于BPNN-PID的风电机组桨距控制分析

变桨控制技术是风力发电机组的核心技术之一,开展对风力发电机组变桨控制方面的研究具有重要的理论和应用价值。根据风力发电机组在额定风速以上如何保持输出功率稳定和降低风轮转速波动的控制技术进行研究,在传统的变桨距控制策略基础上,提出了基于BP神经网络(Neural Network,NN)整定PID的控制策略,并在Matlab/simulink环境下对PID控制和BP神经网络控制相结合的复合控制系统进行建模与分析。对1.5MW风电机组的仿真验证了BPNN-PID算法的有效性,提出算法不仅能够解决传统PID控制器参数整定困难的问题,而且优化效率更高,可以得到优良的控制性能。

基于GA-BPNN的采后蜜桃预冷效果预测模型

为精准监控采后蜜桃预冷效果以提高商业经济价值,该研究以大久保蜜桃为研究对象,建立了包含衬垫和果实内部热源项的单箱多层CFD-WIHS(Computational Fluid Dynamics-With Internal Heat Source)传热传质数值模型。通过对比试验结果发现该模型预测果温时的最大均方根误差为1.668°C,平均绝对百分比误差为13.65%,验证了该建模方法的可行性和通用性。在此基础上,利用高精度三维时空温度及流场分布数据,构建了GA-BPNN采后蜜桃预冷效果网络预测模型。该模型在冷藏转移时间和整体预冷均匀度方面的网络预测与测试值之间决定系数达0.9625和0.8638,且均方根误差和平均绝对百分比误差较BP模型分别低了30.22%、32.84%以及21.91%、39.45%,GA-BPNN比BP神经网络模型能更好表达采后蜜桃预冷效果与主控因素之间的非线性关系。研究结果为中小型果园实时监控蜜桃采后预冷均匀性和冷却时间以保障果实最佳预冷品质提供可靠的依据。

基于BPNN的太阳能板双轴自动跟踪控制系统设计与应用

太阳电池板日照利用效率是光伏发电规划中备受关注的问题,为了实现光跟踪的精确控制,采用了PID控制方法,建立了BPNNPID太阳能双轴自动跟踪控制模型,利用BP神经网络对PID控制中的比例、积分、微分等关键参数进行了优化整定。基于日照强度传感器实现了闭环控制,修正了天文年历计算数据的偏差,完成了实物模型的设计与制作。试验表明:基于BP神经网络PID参数整定的控制策略具有良好的自适应性能,提高了光跟踪系统的响应速度、稳定性及准确性,提高了太阳能板的日照利用效率。研究成果对太阳能光伏发电效能提升应用提供了一定的技术参考。

基于BPNN的黄酒前酵温度控制模型与仿真

黄酒发酵过程十分复杂,且难以建立准确的数学模型,发酵温度自动控制一直是研究难点。传统PID控制器在前酵温度控制时,存在精度不高、响应缓慢和参数调节历时较长等问题,因此提出了基于BP神经网络的黄酒前酵温度控制策略,将BP神经网络应用于PID控制器的参数调节,改进了性能,并构建了动态仿真模型。仿真结果表明:设计的PID控制器控制精度更高、响应速度更快且有效改善了耦合干扰等问题。

水处理中线性回归和BPNN预测混凝投药量的比较

BP神经网络和线性回归模型是混凝投药前馈控制中2种不同的预测混凝投药量的方法。分别用这2种方法建立了混凝投药量前馈控制模型,并基于同一样本数据进行仿真比较。结果表明,该3层结构BP模型通过学习可以根据原水水质进行投药量的有效预测,优于传统的线性回归模型,具有较强的自适应性和实用性。但对某些水质的投药预测值还存在一定误差。

基于PSO、BPNN桥梁运维安全风险可视化控制方法研究

山区水文地质条件复杂,桥梁工程运营维护安全影响因素多,呈现随机、不确定性等特点。为了更好地避免由此带来的安全风险,提高山区桥梁运营维护管理水平,文章以张家庄大桥为例进行实证研究,通过收集以往桥梁工程运营维护安全管理信息资料,构建桥梁运营维护管理基础数据库,并运用基于PSO的BPNN算法对桥梁工程运营维护安全进行智能识别与预控;综合运用海恩法则与PDCA管理思想构建桥梁运营维护动态管理模型;运用BIM技术加强桥梁运营维护安全三维动态辅助控制,通过实例验证了该识别与控制模型的可行性。

基于BPNN的玻璃烧结炉控制系统的设计与应用

针对彩色平板玻璃生产工艺的需要,研制开发了一种能18路精确控温的玻璃烧结炉温控系统。该温控系统由PLC、上位机、触摸屏、固态继电器、风机等部分组成。在该系统中设计实现了基于BP神经网络的自适应神经形态自校正PID控制器,利用输出误差,即当前时刻参考值和对象输出的差值,作为学习信号,供BPNN去调节PID控制器的参数。在运行过程中,系统能精确控制窑炉18路温度按照升降温曲线进行变化,从而实现生产工艺的要求。

基于BPNN的超声波电动机转速控制与实验研究

为改善行波型超声波电动机因强非线性问题引起的转速跟踪准确性低和控制平稳性差等问题,设计了基于BP神经网络(BPNN)超声波电动机转速控制算法,并对设计算法进行了仿真分析;通过超声波电动机实验系统证明了该控制算法的有效性。研究结果表明,基于BPNN的控制策略可实现超声波电动机快速响应和高精度速度跟踪,控制误差小于2r/min。

基于改进BAS-BPNN的Stewart平台位姿正解

针对目前Stewart平台位姿正解难以兼顾高精度和实时性的问题,设计出满足平台精度要求且运算时间尽量少的正解方法是研究并联平台运动学的关键。首先建立平台运动学反解模型求得BP神经网络(BPNN)的训练集,然后调整步长策略和引入惯性权重改进天牛须搜索算法(improved BAS,IBAS),提升算法性能,通过改进后的算法优化BP神经网络的初始权阈值,反复学习训练至最小误差,最后选取一段位姿变化进行仿真验证。仿真结果表明,IBAS-BPNN正解法在选取的100组位姿点中的最大位姿误差小于0.6%,运算时间为31.9 s,通过与遗传算法(GA)、粒子群算法(PSO)和天牛须搜索算法(BAS)优化的BP神经网络模型进行对比分析,验证了IBAS-BPNN模型在精度和运算速度方面具有优越性。算法模型有效提升了Stewart平台位姿正解的精度和实时性,为平台的运动学和控制提供了理论和方法参考。

基于改进GSO-BPNN的变风量空调冷却水控制

为了改善变风量空调冷却水系统控制中存在的能耗和稳定性存在缺陷的情况,提出一种基于BP神经网络和改进萤火虫算法的综合优化控制算法。首先对变风量空调的冷却水系统进行建模,然后利用改进后的萤火虫算法对BP神经网络进行优化,优化对象为初始权值和阈值,从而加快对目标函数的求值,得到最优的结果。最后利用改进后的BP神经网络优化冷却水模型中的变频PID控制器的参数。通过进行仿真对比以后可知,对比于基本萤火虫算法,改进萤火虫算法优化后的BP神经网络有着更好的权值和阈值,系统稳定性得到加强,同时具有良好的鲁棒性,在符合室内负荷的条件下,也有较为明显的节能效果。

采摘机器人机械手避障方法研究——基于遗传优化和模糊PID控制器

为了提高采摘机器人机械手移动的自动化程度,使其在移动过程中有效避开障碍物,将基于PID控制器的避障系统引入到了机械手的设计上,并采用遗传算法和模糊算法对控制器进行了优化,提高了机械手移动的准确性和平稳性。模拟采摘机器人机械手的作业环境,对机械手的避障功能进行了测试,结果表明:机械手可以成功躲避障碍物,且采用遗传和模糊算法优化的机械手具有更高的移动平稳性,对于提高果实采摘效率和质量具有重要的作用。