基于改进BP神经网络PID控制器参数自整定对PCR温控精度影响的研究

在PCR过程中,温度控制很大程度决定了最后的实验准确性及结果,作为其过程控制中最重要的PID温度控制,它采用比例、积分、微分环节的控制策略,是一种算法简单、可靠性好、控制鲁棒性高的控制器。在PID控制中,如何高效地控制其三个参数对于PID控制的准确性至关重要。传统的PID控制算法动态性能较差;而模糊控制稳态性能较差。为了解决这个问题,本研究通过对传统温控PID算法的三个参数进行优化并利用神经网络进行整定。通过在搭建的实验平台上进行温控检测,达到了国家规定的设计标准,并且实现了0.2℃的温控精度。

神经网络PID控制器在破碎机稳产控制中的应用

由于破碎设备运行环境复杂,传统PID控制系统无法快速适应这种变化环境。设计以工控机为操作监视单元、以可编程逻辑控制器为控制单元的神经网络PID控制系统,将PID控制技术与神经网络技术结合,通过神经网络动态调整PID控制器参数,使破碎设备的控制系统能够快速适应各种复杂工况。

基于粒子群优化的神经网络PID控制器在供热系统的研究

集中供热系统是一个具有时滞性、非线性、大惯性等特点的复杂控制系统,传统PID控制无法达到令人满意的效果,还造成一定的资源浪费。BP神经网络PID控制器尽管在一定程度上改善了PID控制器的性能,但是BP神经网络自身仍有一些缺陷。为了能够提高供热系统的稳定性,进而实现合理用热,采用粒子群算法(PSO)优化BP神经网络PID控制器的权值。设计PSO-BP-PID控制器后,借助MATLAB仿真平台,获得传统PID控制、BP-PID控制以及PSO-BP-PID控制的仿真系统响应曲线图,根据曲线对比得出系统性能的改进情况。

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S函数的RBF神经网络PID控制器Simulink仿真

以RBF神经网络PID控制器的Simulink仿真为例,介绍了复杂控制规律的S函数构造方法。给出了基于MATLAB语言的RBF神经网络PID控制器的S函数仿真模型,及该模型在一非线性对象的仿真结果。从而避免了复杂系统仿真时采用编程方法编写大量复杂而烦琐的源程序,使编程快速、简捷,调试方便,使系统仿真工作量会大大减少。采用S函数可以充分发挥Simulink的优势,扩充Simulink的仿真功能,不但仿真模型简单,而且大大降低了编程的难度,特别适合于复杂控制系统的仿真。

基于BP神经网络PID控制器的单轴测试转台设计

针对TS-360型单轴测试转台精度要求高的特点,提出了基于BP神经网络与常规PID控制器相结合的控制算法,提高了系统的控制精度,增强了系统对非线性干扰的自适应能力。系统采用增量式光电码盘反馈和PC/104嵌入式计算机控制的新型测角方案,设计并研制了转台相应的硬件装置,实现了系统的全数字控制。

基于忆阻神经网络PID控制器设计

忆阻器是一种阻值变化依赖于通过它的电荷量或磁通量的新型电子器件,在非易失性存储器和人工神经网络等应用中具有独特优势.智能PID控制器在现代控制领域中占据重要地位.文中在研究传统单神经元和神经网络PID控制器的基础上,引入具有类似于人脑突触行为的忆阻器实现新型的权值更新机制,提出了忆阻单神经元和神经网络PID控制器模型.在理论推导的基础上,进行了编程仿真和Simulink建模.实验结果验证了提出方案的有效性.该方案可望进一步推动智能PID控制器的发展,促进神经网络PID控制器的硬件实现.

基于神经网络PID控制器的压铸机压射速度控制系统的设计

目的通过神经网络PID控制器,提高铸件过程中对压铸机压射速度的准确控制,以改善铸件的品质。方法首先,从压射系统的结构出发,分析其工作过程,通过输入电压求取电液伺服装置的传递函数,利用比例阀所受压力,计算其端口流量,进而完成压射系统的建模。然后,以STM32F103RE处理器为核心,配以输入电路、反馈电路等外围单元,设计压射速度控制系统的硬件框架。以PID算法为基础,将压射速度的误差引入到神经网络算法中,对PID算法的参数进行整定,以形成能够自适应调整参数的神经网络PID算法,进而作为压射速度控制系统的控制算法,从而完成压射速度控制系统的设计,以实现对压射速度进行控制。结果通过对比实验表明,该方法在跟踪阶跃目标压射速度以及变化目标压射速度时,都能较为稳定、快速地跟踪压射目标速度的变化。结论该方法不仅对压射速度的控制准确度较高,而且控制过程较为稳定,对压射速度具有较好的控制性能。

BP神经网络PID控制器在聚合釜温控中的应用

介绍了基于BP神经网络PID控制器的算法,在此基础上提出了多模态神经网络-PID方法。将神经网络PID与普通PID控制方法进行比较,结果表明,该方法具有自适应能力强、过渡时间短、鲁棒性好等特点,弥补了常规PID在聚合釜控制中参数难以整定等缺点。

基于改进粒子群算法的模糊神经网络PID控制器设计

针对模糊神经网络PID控制器中参数初始值的设置对控制器性能影响大的问题,提出一种改进的PSO算法优化模糊神经网络PID控制器参数的设计方法。该方法采用实数编码的方式对控制器参数进行优化,并以ITAT指标作为改进的PS0优化算法的适应度函数。实验仿真表明:经过改进的PSO算法优化的模糊神经网络PID控制器具有良好的动静态性能,响应速度更快,超调量更小,控制精度更高。

仪用模糊神经网络PID控制器的研究

针对仪用控制器的特点，本文提出了一种实用的仪用模糊神经网络ＰＩＤ控制器闭环设计方法，研制了模糊神经网络控制器设计开发软件，进行了大量的不同工业背景的计算机仿真，得出的控制器参数（网络权值，网络阀值）由单片机控制系统实现。实验表明：该方法在被控对象输出特性和Ｄ／Ａ输出给执行器的动作特性上都具有令人满意的曲线效果。同时亦证明这是一种实现仪器仪表智能化的有效方法。

LQR优化的BP神经网络PID控制器设计

针对传统神经网络PID(比例-积分-微分)控制器和传统线性二次调节器(LQR)优化型PID控制器对无刷直流电机转速控制恢复时间长及抗干扰性较差等问题,提出一种LQR优化的BP神经网络PID控制器,用于无刷直流电机的转速控制.首先,利用BP神经网络对PID增益进行调节,提高控制器的动态适应性和鲁棒性;然后,采用LQR优化BP神经网络最优输出,使其更接近目标PID增益.仿真结果表明,该控制器有效提高了响应速度,减小了稳态误差并增强了抗干扰能力.

基于神经网络PID控制器的混沌系统控制与同步

提出了一种基于神经网络参数自整定PID控制器的混沌控制方法。该方法由神经网络辨识器和神经网络控制器组成,神经网络学习算法均采用Davidon最小二乘法。考虑到混沌系统的动力学特性,施加单个控制量可实现模型未知混沌系统的平衡点镇定和自同步,仿真结果证实了该方法的有效性。

神经网络PID控制器在高大空间恒温空调系统中的应用

针对暖通空调领域中高大空间恒温空调系统大滞后、慢时变、非线性的特点以及不确定干扰因素多的实际情况,将具有自学习、自适应功能的神经网络PID控制器应用于空调系统中,并利用非线性辩识算法对控制过程进行预测输出,最后在空调房间数学模型的基础上通过Matlab环境下的计算机仿真和对某电视台大型演播室进行温度控制实验相结合,发现在高大空间恒温空调系统中神经网络PID控制响应快、超调小,验证了神经网络PID控制器的实用性和有效性.

BP神经网络PID控制器在温室温度控制中的研究

为了更好地实现对温室温度的控制,本文设计出了一种BP神经网络PID控制器,提出了BP神经网络PID控制算法,并对该算法进行了分析,最后以温室温度为控制对象分别对常规PID控制器和BP神经网络PID控制器进行了大量仿真研究。结果表明,基于BP神经网络整定的PID控制器具有较强的自适应能力和鲁棒性,其控制品质优于常规PID控制器。

船舶操纵的高斯势函数神经网络PID控制器研究

针对船舶操纵这种非线性、时变参数控制对象，提出了一种采用高斯势函数神经网络的自适应ＰＩＤ控制系统，该系统由２个高斯势函数神经网络组成，其中一个用于船舶运动模型的辨识，另一个用于ＰＩＤ学习控制．文中还提出了广义递归最小二乘学习算法，以便加快网络训练速度．船舶操纵的仿真结果表明此法明显优于传统的ＰＩＤ控制器．

BP神经网络PID控制器在汽温控制中的应用

通过将BP神经网络和常规PID控制器结合,提出了一种新的火电厂超临界机组过热汽温控制方案。将这种方法应用于主汽温控制,可以有效克服过热汽温对象的大滞后和大惯性,并能够克服对象在运行中参数变化的影响,获得良好的控制品质。仿真试验表明:所设计的系统在控制品质、鲁棒性方面明显优于常规PID控制系统。

带预测模型的神经网络PID控制器

在研究PID控制和神经网络的基础上提出了一种带预测模型的神经网络PID控制器 该控制器是一种 3层前向神经网络 ,它适用于工业过程中常见的慢时变大时滞控制系统以及控制对象具体模型难以确定的控制系统 该系统能在线调整PID控制器的 3个参数Kp,Kd,Ki,再经PID调节器产生最优的控制作用于被控对象 采用该控制器对模型参数缓变的系统进行仿真 ,结果表明该控制器具有良好的自学习能力 。

改进的关节机器人神经网络PID控制器

针对含有建模误差和不确定干扰的关节机器人轨迹快速跟踪控制,提出了一种改进神经网络PID控制器的设计方法。该方法采用了双控制器鲁棒控制,神经网络通过学习PID的输入输出特性,快速补偿关节机器人系统的建模误差和不确定干扰,而利用最小二乘法和收敛后的神经网络输入输出特性优化PID控制参数,能够削弱建模误差对控制效果的干扰。控制器在李雅普诺夫意义下是稳定的。以两关节机械臂为被控对象进行了仿真实验,实验结果表明改进控制器的优越性。

基于S函数的BP神经网络PID控制器及Simulink仿真

BP网络在人工神经网络中应用最为广泛,文中给出基于MATLAB语言的BP神经网络PID控制器的S函数实现,在此基础上建立BP神经网络PID控制器的Simulink仿真模型,最后给出了该仿真模型应用在非线性对象中的仿真结果。