BP神经网络模糊PID控制器在DMF生产中的应用

文章基于DMF在工业生产中的重要作用,对于其回收工艺中的精馏塔温度的控制,提出了BP神经网络模糊PID控制器的方案,并用遗传模拟退火算法对其进行优化。通过与传统PID控制器和模糊PID控制器的仿真结果比较可知,该方案更为实时有效,更加适用于工业生产。

基于神经网络模糊PID的液压电梯速度控制研究

研究了液压电梯的神经网络模糊PID控制策略.针对液压电梯的非线性数学模型,采用模糊、神经和PID三者结合的方式控制电梯速度,利用神经网络在线调整PID的参数.由仿真曲线得出,神经网络模糊PID控制器在动态特性、跟踪特性以及鲁棒性等方面都具有明显的优势.该控制器闭环性能好,是一种理想的控制器.

基于神经网络模糊PID的步进电动机控制系统

针对两相混合式步进电动机建立数学模型,利用MATLAB语言的S函数,设计了用于步进电动机控制的具有参数自整定功能的神经网络模糊PID控制器。通过Simulink仿真,分别分析了神经网络模糊PID控制器下的步进电动机空载和空载起动后加载时系统的响应情况,仿真结果表明该控制器对步进电动机速度和输出转矩控制效果明显,相对于BP神经网络参数自学习的PID控制,具有响应速度更快、超调更小、抗负载冲击能力更强等良好的静动态特性,从而为步进电动机控制系统的仿真及实际应用研究提供了一种可靠、方便的控制器模型。

基于神经网络模糊PID的足球机器人控制算法研究

通过对足球机器人运动学模型进行分析,以足球机器人系统为实验平台,论证了神经网络模糊PID控制技术应用于足球机器人运动控制的可行性。将传统的PID控制与神经网络模糊控制相结合,通过PID算法实现控制的准确性,利用神经网络模糊控制提高控制的快速性与自适应性。针对足球机器人运动控制中的实际问题,着重提出了基于神经网络和模糊控制相结合动态调整PID控制器的三个参数KP,KI,KD的设计方法。实验证明该方法增强了控制器的调节能力和简化了控制器设计,同时本方法对模型和环境具有较好的适应能力和较强的鲁棒性。

基于神经网络模糊PID控制算法的粮食储存控制系统

将传统的PID控制、模糊控制和神经网络控制有机结合起来,设计了一种基于神经网络模糊PID控制算法的粮食储存控制系统,有效提高了粮食储存系统中温湿度自动控制系统的精度、响应速度、稳定性和自适应能力。

基于模糊神经网络PID的煤矿掘进机俯仰控制研究

目前煤矿掘进机俯仰控制主要采用PID控制方法,在掘进机俯仰控制时变性与液压系统非线性情况下的控制精度不高。掘进机俯仰控制通过控制液压缸行程实现,将传统PID算法与模糊控制、神经网络等相结合,可有效提高液压缸行程控制精度。提出了一种基于模糊神经网络PID的煤矿掘进机俯仰控制方法。通过分析掘进机支撑部运动学关系,得到俯仰角与支撑部液压缸的数学关系;介绍了掘进机俯仰控制液压系统工作原理,建立了液压系统及其传递函数模型;将模糊控制与神经网络相结合,形成模糊神经网络,利用模糊神经网络优化PID控制参数,再结合支撑机构数学模型和液压系统传递函数模型,建立掘进机俯仰角模糊神经网络PID控制模型,实现煤矿掘进机俯仰机构自动精确控制。该方法可使掘进机俯仰机构更加快速、准确到达预设位置,解决掘进机俯仰控制中的时变性与非线性难题。仿真结果表明:模糊神经网络PID控制算法相较于模糊PID和PID控制算法,跟踪误差分别降低了69.34%和74.49%。通过液压缸位移控制模拟煤矿掘进机在突变工况和跟随工况下的俯仰控制,结果表明:模糊神经网络PID控制算法相比模糊PID和PID控制算法,俯仰控制跟踪误差最小,对位置信号的平均响应时间分别缩短了27.22%和50.33%,动态控制性能更好。

乡镇生活污水溶解氧浓度模糊神经网络PID控制系统研究

在乡镇生活污水处理的好氧阶段,溶解氧浓度控制是非常重要的过程,具有滞后性和多干扰等特点,传统控制策略因控制精度较低和自适应能力差而难以满足要求。设计了基于模糊神经网络PID算法的溶解氧浓度控制方案,并在MATLAB中进行仿真。仿真结果表明,该控制方案具有响应速度快、超调量小和抗干扰能力强等优点。

基于Simulink仿真的施肥机模糊神经网络PID控制方法

【目的】农用电气设备的部件十分复杂,易受到环境因素的影响,无法准确控制施肥量,故障频发。因此,需要一种成本低、运行稳定、施肥量控制精确、受工作环境影响小的施肥机控制系统。【方法】本研究采用模糊神经网络PID控制方法,将机器学习和非线性模糊控制方法引入传统PID控制器中,并基于MATLAB中Simulink仿真平台建立了模糊神经网络PID控制系统仿真模型。【结果】该模型可以根据模糊规则进行练习和学习,通过控制步进电机的转速和旋转角度来控制施肥量,神经网络还可以持续自动学习并动态改进系统的控制参数,以适应不断变化的农田作业环境。【结论】该模糊神经网络PID控制系统自我矫正能力强,可抵抗环境干扰,控制效果显著。

基于模糊神经网络PID控制的双向DC/DC变换器

为提高交错并联双向DC/DC变换器的动态性能与抗干扰能力,提出一种基于模糊神经网络PID的控制方法.建立并联交错双向DC/DC变换器的小信号数学模型,得到输出电压与电感电流的传递函数;设计模糊神经网络PID控制器,应用到变换器双闭环控制的电压外环.仿真结果表明:与模糊PID控制、RBF神经网络PID控制相比,Buck模式下,模糊神经网络PID控制下的变换器输出电压达到稳态的时间为15 ms,超调量为1%,加入扰动后30 ms即可恢复稳态;Boost模式下的仿真结果与Buck模式相似,证明了模糊神经网络PID控制方法的优越性和有效性.

改进模糊神经网络PID的瓦斯掺混浓度控制

为解决瓦斯发电过程中瓦斯掺混浓度控制系统存在一定的时变与非线性导致控制精度不佳的问题,提出一种基于改进粒子群算法的模糊神经网络PID控制算法(IPSO-FNN-PID)。首先,根据瓦斯掺混配比原理及历史数据建立瓦斯掺混浓度控制系统的传递函数数学模型。其次,为解决模糊神经网络选定随机初始网络参数导致网络输出结果差异较大的问题,采用遗传算法中的交叉、变异操作改进传统粒子群优化算法,以此提高传统粒子群优化算法的搜索性能,利用改进后的粒子群算法优化模糊神经网络的初始网络参数。最后,用优化后的模糊神经网络实现PID控制参数的整定,基于真实瓦斯浓度数据进行试验,并与传统PID,模糊PID和模糊神经网络PID进行了对比。结果表明:基于IPSO-FNN-PID控制算法在超调量及调节时间等方面均优于另外3种控制算法,能够实现瓦斯掺混过程中2种动态实时变化瓦斯浓度的精确控制。

模糊PID神经网络逆控制多电机系统分析

本文围绕模糊PID神经网络逆控制多电机系统展开一系列探究分析。在工业生产技术进一步发展的时代背景下,生产线凸显出复杂化特点,因此会在一定程度上受到电机功率大小的影响。受到科技进步和社会需求增大的影响,传统的单电机控制模式明显已经无法满足工业生产需求,多台电机协同控制已经成为社会工业生产的必然要求,特别是在轧钢、造纸、经纱和印花等现代工业领域中获得了一定运用。

采用免疫BP算法的模糊神经网络PID控制器

文章在传统PID控制器的基础上,结合模糊控制和神经网络控制理论设计出自适应模糊神经网络PID控制器,并将免疫反馈机制应用到BP学习算法中,通过自适应调整学习速率,改善算法的收敛性;通过Matlab仿真验证了引入免疫反馈机制的BP算法的优越性。仿真及实际应用结果表明,采用免疫BP算法的模糊神经网络PID控制器响应速度快,控制输出稳定,抗干扰能力强,鲁棒性好,较模糊PID和传统PID控制器具有更好的动、静态特性。

基于模糊神经网络的遥控武器站伺服系统PID控制器

针对遥控武器站伺服系统具有间隙、摩擦等非线性、不确定性特征,将PID控制与模糊神经网络进行有机结合。利用多层神经网络提取模糊控制规则,构建模糊神经网络控制器,根据偏差E和偏差变化EC在线调整PID控制器的三个参数。仿真试验表明,该控制器具有PID控制器精度高,以及模糊神经网络控制器响应速度快、超调小、稳定性高的特点,具有良好的动、稳态特性。

基于模糊神经网络PID的卷材纠偏控制

目的为了提高卷材边缘的整齐度,提升包装产品质量,降低包装材料损耗。方法分析卷材放卷过程中跑偏的原因,在分析放卷纠偏系统数学模型的基础上,提出一种模糊神经网络PID的纠偏控制器以实现复杂的卷材放卷系统参数自调整以及优化。结果仿真和实验结果表明,模糊神经网络PID具有更快的响应速度,超调量更小,纠偏控制精度达到±0.5 mm。结论所述控制方法能够明显降低软性包装材料跑偏误差,大大提高了产品包装质量。

模糊PID神经网络算法在污水处理中的应用

溶解氧控制是污水处理厂控制的关键,针对当前溶解氧控制效率低下的问题,提出了一种具有自学习和自适应功能的模糊PID神经网络算法。首先建立PID模糊控制规则表;然后采用神经网络对模糊控制规则表进行不断的训练,得到最佳的模糊控制规则表;最后利用Matlab仿真和工程模拟调试进行验证。结果表明,在大滞后非线性的曝气控制系统中,模糊PID神经网络算法能在最短的时间内使溶解氧达到所期望的值,且整个控制过程具有良好的动态性能和稳态性能。

基于PID型模糊神经网络的火电站汽包压力控制

为克服火电站燃料-汽包压力调节对象的非线性、时变和纯迟延特性,采用含自回归神经元的PID型模糊神经网络作为汽包压力控制器,进行协调控制系统的设计。仿真研究表明,这种初值易选、学习能力较强的模糊神经网络控制器可以克服该对象的时变性和随机性干扰。

基于模糊神经网络PID在曝气池溶解氧控制系统中的应用

对于造纸污水处理中的曝气池控制系统,由于溶解氧浓度控制存在着大滞后,非线性以及波动大,难以确定数学模型等问题,本研究提出了模糊神经网络PID控制溶解氧浓度。利用MATLAB对算法进行仿真,结果表明,该控制器鲁棒性好,超调量小,响应迅速。

基于BP模糊神经网络PID控制的牵引绞车张力控制研究

传统的船基收放系统中的牵引绞车一般采用速度控制方式,导致在船舶升沉作用下负载至牵引绞车之间的缆绳张力不断震荡,最终可能造成缆绳损坏,甚至断裂等问题。分别设计了基于PID、模糊PID、BP模糊神经网络PID的牵引绞车张力控制器来进行缆绳张力控制仿真。通过仿真发现,相较于其他两种控制器,所建立的BP模糊神经网络PID控制器在不规则波及不同负载下的缆绳张力控制精度最高,系统平稳、无超调,且在受到干扰时动态响应速度最快。

基于模糊神经网络PID算法的舵机控制与仿真

针对某型号导弹舵机系统在非线性时变的复杂条件下传统的PID控制器控制精度低、适应能力差的缺点,本文通过对模糊神经网络算法的研究,并结合传统PID控制器,设计了模糊神经网络PID控制器.通过对系统进行仿真可以看出:舵机最大舵偏角反馈值从19.12°增大到19.62°,相位滞后减小了6°;提高了系统的频率响应;阶跃响应超调明显减小,上升时间从40ms减小到30ms,并且大大减小了系统稳态误差.研究表明,相比于传统的PID控制器,模糊神经网络PID控制器在对电动舵机位置环控制上效果有很大提升.

基于模糊神经网络PID的机器人路径跟踪控制

为实现履带机器人在复杂环境下的路径跟踪,提出基于模糊神经网络自适应PID的路径跟踪控制方法。在预瞄控制的基础上,分析位姿偏差耦合关系对路径跟踪的影响,提出使用LQR对耦合关系解耦的方法。算法使用LQR得到最优解耦系数,并使用模糊神经网络PID作为主控制器。既基于所建模型求得最优解耦系数,又不完全依赖于模型,鲁棒性更好。此外,LQR解耦中还有线速度项,可以实现在不同速度下路径跟踪自适应调节。最后,在Matlab/Simulink仿真平台对所设计的算法有效性验证,包括直线和曲线路径跟踪。在线速度为1.5m/s的直线路径跟踪过程中,控制量最大偏差为-0.07rad/s,调节时间为1.3s。在线速度为1m/s的曲线路径跟踪过程中系统最大超调量为20%,调节时间为4s。与传统预瞄控制相比,所设计的基于LQR解耦和模糊神经网络PID的控制方法相较于传统预瞄控制具有调节时间快、稳定性好的特点。