改进的PID神经网络在黑液液位控制中的应用

针对黑液液位控制系统的非线性、大惯性及时变性的特点,对PID神经网络(PIDNN)在黑液液位控制中的可行性进行了深入研究与探讨。通过Matlab仿真,比较了常规PID算法、基于BP的神经网络算法和PIDNN算法对黑液液位的控制效果,验证了PIDNN算法的良好自适应性和鲁棒性。

基于模糊调整单神经元增益的黑液液位控制算法研究

单神经元PID算法在非线性、时变性以及模型不确定的控制系统中能表现出优越的静态性能,同时模糊算法在未知模型和不精准控制的控制系统中,具有良好的动态性能。针对黑液液位的时变性、非线性等特点,将模糊算法与单神经元PID算法相结合,设计出一种动静态性能良好的模糊调节单神经元增益的新型算法。仿真结果表明,该算法在黑液液位控制中具有很强的鲁棒性,响应速度快、自适应能力强。

基于专家模糊PID的前馈-反馈控制在黑液液位控制中的应用

黑液液位是碱回收蒸发工段中重要的被控变量,它直接影响黑液浓度和蒸发工段的效率。针对黑液液位干扰多、存在滞后等特点,提出专家前馈和模糊PID反馈的黑液液位控制系统。利用专家规则来对干扰进行提前控制,利用模糊PID对黑液液位进行闭环反馈控制。MATLAB仿真结果表明专家前馈和模糊PID反馈控制系统控制效果较好,并在THJSK-1实验平台上用MCGS组态软件进行了实时的控制研究。

基于神经网络的碱回收蒸发工段黑液液位及浓度控制系统设计

针对造纸黑液碱回收蒸发工段多变量、大时滞、强耦合、难控制的特点,设计了以PIDNN为控制器的黑液液位控制,将传统PID和神经网络的优点巧妙结合,不仅结构简单,而且具有自适应学习能力;黑液浓度设计成基于径向基函数(RBF)的神经网络控制,对黑液浓度和流量进行解耦在线辨识,对控制器参数在线实时调节。实践表明,黑液液位控制与传统PID控制相比,PIDNN的调节时间减少约18 s,超调量降低约20%;与BP-PID相比,PIDNN的调节时间降低约14 s。黑液浓度的实际值可以快速跟随给定信号,有效黑液流量的变化对其干扰很小。

基于改进PSO算法的PID优化用于黑液液位控制

制浆过程中碱回收蒸发工段黑液液位控制直接影响着黑液浓度和蒸发效率。针对黑液液位非线性、大时滞及时变性的特点,传统PID方法控制精度较低,使用标准粒子群算法可以优化PID参数,提高精度,但是收敛速度慢,整定时间长。针对这些问题,采用改进的粒子群算法来整定PID参数,通过动态调整惯性因子和加速因子,以及改进收敛准则等方法来提高粒子群算法的全局寻优能力和收敛速度,并在MATLAB/SIMULINK仿真实验平台上,比较了传统PID方法、标准PSO算法和改进PSO算法对黑液液位的控制效果,结果表明改进PSO算法优化的PID控制缩短了调节时间,降低了超调量,说明改进粒子群算法优化后的黑液液位PID控制具有更快的响应速度和更好的鲁棒性,有效地提高了控制质量。