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。

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。

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。

电子信息装备热效应智能化改进研究与验证

针对电子信息装备运行过程中因整体过热造成故障或寿命缩短等问题,在热效应改进安全性、大功率热效应元器件驱动、基于BP神经网络增量PID的温度智能控制及系统与装备集成结合方式等四方面开展了相关研究,设计并开发热效应改进样机,从装备高温和低温两方面进行热效应改进综合验证,取得温度控制误差±0.2℃的实验结果,证明了热效应改进方案的可行性。

微纳传动系统的BP神经网络非线性控制

对微纳传动系统的动态特性进行了分析,将微纳定位平台简化成等效弹簧质量阻尼模型,应用拉格朗日方法,建立了定位平台的动力学模型。结合压电陶瓷驱动器(PZT)的电容特性,推导了微纳传动系统的总传递函数。利用BP神经网络的自学习、自适应及非线性逼近功能,对该微纳传动系统的PID参数进行在线自整定。结合PID控制简单、实现容易与鲁棒性强的优点,设计了BP神经网络PID(BPNN-PID)控制器,与传统PID控制相比,实现了更高的控制精度和更短的稳态时间,满足了微纳传动系统高精度与快速响应的要求。

基于BP神经网络PID算法的多效蒸发液位控制

针对液位的非线性、大惯性及时滞性的特点,将BP神经网络与增量式PID算法相结合,基于物料衡算和热量衡算,建立三效逆流蒸发液位的数学模型,以LabVIEW软件为开发平台,实现多效逆流蒸发过程的液位控制,通过液位仿真,证明基于LabVIEW实现BP神经网络PID控制系统在多效逆流蒸发液位控制中具有良好的自适应性和鲁棒性。

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。

基于BP-PID的直流输电控制器设计与仿真

首先简要叙述了直流输电控制系统的原理,然后,通过S函数设计了一种基于BP算法神经网络PID控制器的仿真模型,对其进行了简要的分析,在此基础上,建立了直流输电控制系统,并在Matlab中对该系统进行了仿真,结果表明,该控制器能够达到满意的控制效果。

基于改进型BP神经网络PID控制器的温室温度控制技术

针对温室温度控制系统所存在的大惯性、非线性等问题,提出一种基于改进型BP神经网络PID控制器(BP-PSO-PID)的温室温度控制技术。该控制器由经典PID控制器及神经网络构成,通过神经网络的自学习、加权系数的调整,使系统输出最优控制下的PID控制器参数Ki,Kp,Kd,并利用粒子群算法作为其中神经网络的学习算法,实现了对神经网络的改进,有效克服了传统BP算法的收敛速度慢、存在局部极小值等问题。仿真实验表明:相对常规PID以及BP-PID,该BP-PSOPID控制器大大改善控制过程的响应速度、调节时间、超调量、误差等性能,且在加入干扰的情况下,该控制器的调节时间最短,波动最小,表现出更强的抗扰能力及适应性,从而大大提高温度控制过程的稳定性、精确性与鲁棒性。

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。

船舶柴油发电机转速的BP-PID并行控制

针对船舶柴油发电机转速控制问题,结合BP神经网络对非线性系统的高拟合性与经典PID控制的优良性能,形成船舶柴油发电机转速BP-PID并行控制系统。控制系统中BP神经网络控制器与PID控制器相结合,经过神经网络控制器的不断训练学习,控制器获取船舶柴油发电机转速系统的模型,并逐渐地由BP神经网络控制器占主要控制作用,从而达到对系统的实时控制。仿真结果证明了该方法的可行性。

长距离激光测量中光束漂移的自动补偿

为了提高半导体激光器的光束稳定性,减少长距离测量中激光光束的漂移,本文设计了基于BP神经网络结合PID控制(BPNN-PID)的双反射镜激光器光束漂移自动补偿系统。在该系统中,将两个四象限光电探测器分别置于测量近端和测量远端,作为激光光束漂移的测量单元;用两个带有压电陶瓷致动器(PZT)的二维角度调整架作为激光光束方向的调整单元。建立了激光光束漂移量与调整单元角度变化的模型,并根据测量单元的输出,通过BPNN-PID方法反馈控制调整单元的角度,从而自动补偿激光光束漂移。实验结果表明使用该激光器光束漂移补偿方法,在15 min时间内,用于测量直线度误差和角度误差的激光测量系统的稳定性在测量距离1 m处,分别从未控制时的±9μm和±5″提高到了±3μm和±1.5″。

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。

基于扰动映射转换与神经网络PID的相控阵导引头复合控制

针对两轴相控阵导引头在比例制导过程中,弹体三轴扰动角速度影响目标稳定跟踪问题,提出了一种扰动映射转换与BP神经网络PID的复合控制方法。首先,利用转换矩阵把横滚、俯仰和偏航的合成角速度扰动分解到视轴坐标系上,根据三者的空间关系计算其合扰动,并等效映射到俯仰和方位的合扰动中;然后,对俯仰和方位的合扰动进行解算,并采用BP神经网络PID对俯仰和方位电机进行控制,快速消除解算后的扰动。仿真结果表明,所提出的复合控制方式可快速隔离扰动,保持视轴稳定,具有抗干扰能力强的优势。

质子交换膜燃料电池温度的神经网络PID控制设计

根据实验数据,选用合适的智能方法,建立了质子交换膜燃料电池温度辨识模型,然后设计了基于BP神经网络的PID控制器通过调节循环冷却水的流量将电堆温度控制在设定值。仿真结果表明该控制器可以将电池系统的温度很好的控制在理想的范围内,对实际应用具有很好的指导作用。