基于反向传播神经网络的Ad Hoc网络PID拥塞控制

为了改进比例积分微分(PID)控制在Ad Hoc网络主动队列管理(AQM)中的动态性能,优化PID控制参数的整定,该文提出了一种基于反向传播神经网络的PID拥塞控制AQM方案。该文将Ad Hoc网络的分组丢弃分为拥塞丢弃和无线丢弃,考虑分组的到达与丢失为流体,推导了拥塞窗口和队列长度的随机微分关系,通过小扰动线性化理论,获得Ad Hoc网络AQM拥塞控制模型。根据该模型,设计了基于反向传播神经网络(BPNN)的PID队列控制器,该算法可以根据网络状况对控制器PID系数进行自适应的调整。MATLAB和网络模拟器(NS)仿真表明,在突发流、链路容量及时延时变的Ad Hoc网络中,新算法在收敛速度和队列抖动上优于PID。

输电线路清障飞行机器人双行走轮同步控制

传统架空输电线路异物清除作业无人机易受环境影响,作业困难且存在较多扰动等问题。基于此本文设计一种高空作业无人机挂线行走控制机构解决该问题。首先,根据输电线路环境与无人机作业模式,设计挂线行走机构,减弱高空作业时对无人机所受飞行作业扰动的影响;其次,针对清障机器人双行走轮转速同步存在误差问题,提出一种基于反向传播–比例积分微分(back propagation-proportional-integral-differential,BP-PID)主从融合偏差耦合的电机同步控制策略。通过仿真与实物实验验证表明,本文提出的挂线作业无人机双行走轮同步控制算法可有效解决电机因负载导致的转速不稳定以及高空作业无人机受环境扰动的问题。

磁力馈能主动悬架稳定性分析

为了提高车辆行驶平顺性和安全性,提出了一种新型磁力馈能主动悬架,并研究其稳定性。采用BP神经网络PID控制算法(BP-PID)搭建磁力馈能主动悬架控制系统,利用MATLAB/Simulink进行理论仿真。建立B级和C级随机路面,仿真分析不同速度、不同等级下,磁力馈能主动悬架的稳定性。结果表明,相比于被动悬架效果和PID控制的磁力馈能主动悬架效果,采用BP-PID控制可明显提高悬架稳定性。B级随机路面60 km/h时车身垂直加速度改善了45.90%,证明了BP-PID控制的合理性,可有效提升悬架稳定性。

基于模糊神经网络PID的无人艇航向控制器研究

针对常规比例、积分和微分(proportional integral derivative,PID)控制器在无人艇航向控制系统中表现出的稳定性差、控制精度低等问题,文章提出一种将模糊控制与反向传播(back propagation,BP)神经网络相结合的控制算法;在MATLAB中对比常规PID控制器、模糊PID控制器与模糊神经网络PID控制器在给定期望航向角下的航向控制性能,仿真结果表明模糊神经网络PID控制器对无人艇的航向控制性能最佳;在搭建的实验平台上对不同航向控制器下无人艇的航行轨迹和航向角进行比较,实验结果进一步验证了模糊神经网络PID航向控制算法的优越性。

静止无功补偿器的小波神经网络PID控制方法研究

静止无功补偿器(SVC)是电力系统中应用广泛的动态无功补偿装置。针对传统比例积分微分(PID)在SVC动态调节过程中由于控制器参数固定而存在动态响应、自适应能力差的问题,提出了一种基于小波神经网络PID(WNNPID)的SVC电流反馈电压稳定控制方法。首先,分别选取SVC的电压差ΔUr、电压误差ΔU和补偿电压USL作为WNNPID控制器的输入信号,而控制器的输出为SVC的参考电纳。然后,采用小波神经网络(WNN)和增量式PID控制对WNNPID控制器的结构进行设计。最后,采用Matlab/Simulink仿真平台对所提控制方法进行仿真,并与基于反向传播(BP)神经网络PID的控制效果进行了对比。仿真结果表明,所提WNNPID控制方法具有更稳定的电压控制效果、较快的响应速度、较好的动静态响应性能和较强的自适应能力。

球磨机混合优化前向神经网络PID解耦控制系统

针对球磨机制粉系统的多变量、强耦合、非线性和时变性等特点,提出球磨机的混沌PSO与BP混合优化前向神经网络PID解耦控制系统。在这种控制器中,PID控制器的控制参数采用神经网络进行自适应整定,神经网络的权值采用混合优化算法进行调整。仿真结果表明该控制方法跟踪快、鲁棒性强、解耦好,控制品质优于传统PID解耦控制方法,较好地解决了球磨机的时变性、耦合性等问题。

LMBP神经网络PID控制器在暖通空调系统中的应用研究

针对BP神经网络学习过程收敛速度慢及易陷入局部极小值的缺陷,研究了levenberg-marquart算法(即LM算法).为解决LM算法中学习速率的选择和逆矩阵的求解这两个严重影响训练时间和收敛精度的问题,采用LU分解法对LM算法进行改进和优化,并通过MATLAB语言编程实现,将得到的LMBP神经网络PID控制器应用于暖通空调冷冻水循环的控制回路中,将其控制效果与PID控制算法、BP神经网络PID控制算法进行仿真对比研究.研究结果表明,采用LMBP神经网络PID控制器在减少超调量、加快收敛速度、减少稳态误差等方面的性能都得到了明显的改善.

遗传算法在BP网络PID控制中的应用仿真

为了有效地克服BP网络存在的局限性,即控制效果严重依赖于权值矩阵初始值,对空调系统模型进行了多次仿真,结果权值矩阵初始值的优化点分布与取值区间具有相关性,即在特定优化区间内,满意的权值矩阵初始值数量较多。引用遗传算法全局搜索能力和过程流程图,并引入到BP网络PID控制之中,既利用了遗传算法的全局搜索能力进行权值矩阵区间优化,同时利用BP网络的局部搜索能力与实时处理能力,有效地解决了常规BP网络控制的局限性。仿真结果表明,混合算法优于常规BP网络整定PID控制方法,并可推广到其它BP网络应用领域。

航空发动机叶片砂带抛光力的干扰观测补偿控制

为提高叶片尺寸精度及表面质量,针对气体的可压缩性、阀的死区效应、阀的流量非线性、气缸摩擦力和测量噪声等干扰因素对叶片抛光力控制精度的影响,提出了一种基于干扰观测器的反向传播神经网络比例—积分—微分控制方法。该方法通过构造干扰观测器来预测抛光力气动控制系统中的非线性干扰,并在控制中引入等效的补偿来抑制干扰,同时利用反向传播神经网络控制算法对比例—积分—微分控制参数进行在线自适应整定。仿真分析和实验结果表明,基于干扰观测器的反向传播神经网络比例—积分—微分控制器具有控制精度高、鲁棒性强、抑制干扰能力强等优点,能够提高叶片型面尺寸精度和表面一致性、降低表面粗糙度、减小残余应力并提高抛光效率。

无刷直流电机稳定性能优化控制仿真研究

无刷直流电机(BLDCM)是一个变量较多、耦合作用较强的非线性系统,在普通PID控制下会产生转速超调、转矩波动、鲁棒性差等问题。为解决上述问题,提出一种经过BP网络算法优化的PID控制,基于BLDCM数学模型搭建了Matlab/Simulink仿真模型,将独立的模块与S函数编写的BP PID算法相结合,建立了BLDCM的BP PID控制系统。最后将其与普通PID控制系统进行对比。由仿真结果可知,采用BP PID控制器的BLDCM模型在达到参考速度时的超调和转矩的波动问题有效减小,施加和撤去转矩后,系统也能迅速达到平衡状态。证实了BP神经网络PID控制增强了BLDCM系统的稳定性,提高了电机运行性能,可达到较好的效果。

舵机电动加载测试系统设计及数值仿真研究

舵机电动加载测试系统用来模拟铰链力矩对电动舵机进行加载。针对由于加载对象主动运动引起的多余力矩问题,影响系统稳定性和跟踪精度等性能。为提高系统设计性能,从舵机加载测试系统的硬件搭建和控制方式两个方面考虑,搭建了电动加载测试系统,并建立了系统的简化数学模型,采用BP神经网络算法控制系统的模型进行仿真与分析。仿真结果表明舵机加载测试系统的阶跃响应速度和对力矩指令的动态跟踪性能明显提高,从而为小功率的舵机电动加载测试系统的工程化提供一定的理论依据。

改进型BP网络PID在电动舵机控制中的应用

针对应用中对无刷直流电机位置控制的高精度要求,设计了一种改进的误差反向传播网络PID控制器,实现了对无刷直流电机位置的精确控制。系统融合了神经网络和PID控制算法的优点,适用于直流无刷电机这样的非线性、时变的复杂系统。仿真结果表明,改进后的BP神经网络PID控制器优于常规BP神经网络PID控制器和传统PID控制器,证明了该方法的可行性。

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。

基于BP-PID控制的载波频率准确度提高算法

转发式卫星导航系统是我国自主研发的一种新型卫星导航体制和系统,但由于受到上行链路多普勒与卫星转发器的影响,系统载波频率准确度量级为10^(-8),达不到系统载波频率的使用精度。为解决此问题,详细分析了恶化转发式卫星导航系统载波频率的影响因素,通过测量分析得到上行载波频率的预偏量,采用基于反向传播神经网络的比例积分微分控制方法,对上行载波频率进行实时控制调整。对控制调整算法进行仿真验证,响应时间为50 s,控制残差的均方根误差为0.022 Hz。采用卫星实际观测数据,结果表明系统载波频率准确度量级从10^(-8)提升至10^(-14),可满足于转发式卫星导航系统载波频率及载波相位的应用。

基于混沌精英黏菌算法的无刷直流电机转速控制

针对传统比例-积分-微分(proportional integral differential,PID)在无刷直流电机转速控制中存在响应速度慢、稳定性差等缺点,提出了一种基于混沌精英黏菌算法的自适应控制方法。首先,分析并建立了无刷直流电机数学模型。其次,为进一步提高标准黏菌算法的收敛速度和求解精度,采用Tent混沌映射丰富种群多样性,同时引入精英反向学习策略扩大搜索范围。最后,将上述改进算法应用于无刷直流电机的速度环PID参数自整定。通过在不同运行条件下进行MATLAB仿真以及实验,结果表明:对比传统PID以及模糊PID,所提方法能够使得控制精度得到显著提高,并且具有响应速度快,抗干扰能力强等优势。

用虚拟仪器实现BP神经网络的PID控制

新建一个3层BP神经网络的虚拟仪器程序,通过设置隐含层层数、学习速率、惯性系数、输入信号类型和采样周期等控制单元,可将PID控制器的调控参数传递给后台程序.程序运行时,用户在控制面板中修改参数的输入值,系统做出实时响应,系统输出波形也会发生相应的变化.仿真结果表明,BP神经网络PID控制器参数调整简单,具有较高的精度和较强的适应性.

基于BP神经网络PID的活塞式深海压力传感器压力控制研究

为了提高深海大压力下微小波动压力的测量精度,文章介绍了一种新型的、基于液体可压缩性的、压力平衡式的活塞式压力传感器,针对该活塞式压力传感器压力控制系统存在的非线性、参数时变性以及时滞问题,提出将反向传播(back propagation,BP)神经网络与常规比例积分微分(proportional integral derivative,PID)相结合用于传感器的压力控制;设计BP神经网络PID控制器,利用BP神经网络的在线自学习能力对常规PID控制器的参数进行在线自动调节;在建立系统数学模型并进行Matlab仿真实验验证可行性后,搭建实物平台进行实验分析。阶跃实验结果表明,与常规PID控制相比,BP神经网络PID的调整时间和超调量均有所减小,其动态响应能力得到提高,表现出较好的自适应能力。

基于BP神经网络的卷染机温度控制技术

为了解决高温高压卷染机中的温度控制问题,提出了一种改进的温度控制算法。该算法在BP神经网络PID控制算法的基础上引入积分分离结构,当温度控制误差较大时采用PD结构,去除积分成分以提高控制调整速度,当温度控制误差较小时采用完整的PID控制算法结构,保留积分成分以保证控制精度。仿真结果显示:相对于传统的PID控制算法,基于BP神经网络的PID控制算法能够保证在较高温度时控制精度的前提下,提高温度控制稳定速度、缩短温度控制时间,达到更好的控制效果。

非封闭式FDM 3D打印机喷头温度控制器研究

针对非封闭式熔融沉积成型(FDM)技术3D打印机喷头温度受环境温度、打印机内部加热元件、打印喷头系统的散热性能和空气流速等因素的影响,喷头温度的控制变得复杂且呈非线性,传统比例-积分-微分(PID)控制无法满足打印需求的问题,提出改进鲸鱼优化的反向传播(BP)-PID控制器对PID参数自适应控制,从而对喷头温度精确控制。实验表明:改进的鲸鱼优化算法比遗传算法与粒子群算法寻优能力更强,且经改进鲸鱼算法优化的BP-PID喷头温度控制器稳定速度更快,自适应能力更强。

基于麻雀搜索算法的BP神经网络优化技术

采用麻雀搜索算法(SSA)对BP神经网络的初始权值和阈值进行优化,加快BP神经网络对PID控制器参数的整定,最终获得最优参数。将正弦余弦算法和Levy飞行引入SSA的迭代过程中,扩大前期搜索范围,提高后期搜索精度。在Matlab仿真环境下,对比BP神经网络、粒子群优化的BP神经网络以及SSA优化的BP神经网络在优化PID参数方面的效果。结果表明:粒子群优化的BP神经网络PID控制器,在上升、稳定时间方面比BP神经网络PID控制器缩短了33.3%和51.9%,同时超调减小了5.81%;在稳定时间方面SSA优化的BP神经网络PID控制器比粒子群优化的BP神经网络PID控制器缩短了7.4%,同时消除了超调。