注塑机液压系统是一个非线性、大时滞性和强耦合的复杂系统,传统比例积分微分(PID)控制由于参数固定不变,导致超调量大、稳定性差、控制精度低,对注塑机液压控制效果不理想,现提出了一种改进型误差反向传播法(BP)神经网络PID控制方法。...注塑机液压系统是一个非线性、大时滞性和强耦合的复杂系统,传统比例积分微分(PID)控制由于参数固定不变,导致超调量大、稳定性差、控制精度低,对注塑机液压控制效果不理想,现提出了一种改进型误差反向传播法(BP)神经网络PID控制方法。分析了液压注塑机工艺流程以及液压伺服系统控制原理,在此基础上将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数 Ki 、Kp 、Kd,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。仿真结果表明,经过粒子群优化后的BP神经网络能够快速地对PID参数进行自适应调整,同时粒子群优化后的BP神经网络控制效果明显优于传统PID控制,该控制方法对于提升注塑机液压系统响应速度以及控制精度具有重要作用。展开更多
文摘注塑机液压系统是一个非线性、大时滞性和强耦合的复杂系统,传统比例积分微分(PID)控制由于参数固定不变,导致超调量大、稳定性差、控制精度低,对注塑机液压控制效果不理想,现提出了一种改进型误差反向传播法(BP)神经网络PID控制方法。分析了液压注塑机工艺流程以及液压伺服系统控制原理,在此基础上将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数 Ki 、Kp 、Kd,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。仿真结果表明,经过粒子群优化后的BP神经网络能够快速地对PID参数进行自适应调整,同时粒子群优化后的BP神经网络控制效果明显优于传统PID控制,该控制方法对于提升注塑机液压系统响应速度以及控制精度具有重要作用。