采用改进BP-PID控制的机器人避障仿真研究

针对移动机器人避障过程中行驶路径长、寻路速度慢等问题,提出了一种改进反向传播-比例-积分-微分(BP-PID)控制器,并对移动机器人避障效果进行仿真验证。利用移动机器人在二维坐标系的避障简图,得出了移动机器人运动方程式。引用比例-积分-微分(PID)控制器和3层BP神经网络结构,利用BP神经网络的学习能力调整PID控制器参数。引用粒子群算法进行改进,通过改进粒子群算法在线优化BP-PID控制器,确保移动机器人BP-PID控制器收敛于全局最优值,从而使移动机器人避障效果更好。在不同环境中,采用Matlab软件对移动机器人避障效果进行仿真,比较改进前和改进后的移动机器人避障效果。结果显示:在不同环境中,改进前和改进后的BP-PID控制器均能使移动机器人安全地躲避障碍物;但是采用改进的粒子群算法优化BP-PID控制器,可以使移动机器人运动路径更短,迭代次数更少,搜索时间更短。采用改进BP-PID控制器,能够提高移动机器人避障过程中寻路速度,缩短行驶路径,效果更好。

基于PSO-BP模糊PID的变距取苗机构控制系统设计

为满足番茄、辣椒等蔬菜作物的移栽需求,基于向下取苗原理设计了一种适用72穴和128穴两种主要番茄钵苗穴盘规格的变距取苗机构,通过建立数学模型获得了取苗机械手参数的目标函数,并利用粒子群和模拟退火混合算法对其结构参数进行优化。同时,为实现变距取苗机构的精确控制,提出了一种基于PSO-BP的模糊PID算法以提高控制精度,介绍了系统的结构与工作原理,并通过选型计算与分析建模建立了控制系统的数学模型。针对传统PID控制器稳定性差、响应速度慢等不足之处,利用PSO-BP模糊PID对控制器的参数进行在线调整,以满足控制过程中对参数的不同需求。仿真结果与试验数据的分析表明:在参数相同条件下,基于PSO-BP模糊PID控制系统系统稳定性更好、响应速度更快,具有良好的鲁棒性,提升取苗成功率的同时降低了基质损伤率,能够满足变距取苗机构高精度快速稳定控制的需求。

基于GA_BP遗传神经网络优化PID控制器参数研究

作为一种重要的控制技术,传统PID控制器具有设计独特、运行机理精准以及出色的可靠性等优点,被广泛应用于工业控制领域。但PID控制器存在参数整定困难,在面对复杂的非线性系统时会出现控制效果不理想等情况。针对以上问题,提出一种基于遗传算法与神经网络的新型PID控制器。通过BP神经网络的在线实时调整能力提升系统稳定性,利用GA遗传算法搜寻全局最优解,提高了控制器调整速度,并能避免BP_PID控制器陷入局部极限,实现了参数自动调整和控制效果的优化,提高了控制系统的性能。

基于优化BP神经网络PID的永磁同步电机控制研究

针对传统PID控制在永磁同步电机控制系统中未能实现精准控制的问题,提出了一种基于改进蜣螂优化算法的BP神经网络PID控制器,该控制器由BP神经网络通过自适应方法来调整权重系数,解决了PID无法在线调节参数的缺点。针对BP神经网络在进行反向传播时陷入局部最优的概率较大,引入蜣螂优化算法通过适应度值不断更新BP神经网络核心参数,从而提高BP神经网络的优化速率。对于蜣螂优化算法中存在初始种群质量不高及搜索能力不足等问题,对蜣螂优化算法进行混合策略优化,大大提升了蜣螂优化算法求解效率和精度。实验结果表明该改进蜣螂优化算法可以有效地提高控制系统的响应速度,减小超调量,在转速和负载突变的情况下都有较强的鲁棒性。

基于改进BP-PID算法的双舵轮AGV运动控制技术

针对双舵轮AGV的运动控制技术进行研究,首先建立了双舵轮AGV的简化运动学方程;然后针对其控制的复杂性和非线性特点,提出了一种BP-PID控制算法,使用动量因子对网络的学习率进行优化,抑制网络训练中出现的振荡。在控制系统训练完成后对其进行了仿真,并基于双舵轮AGV样机对控制算法进行试验验证,试验结果验证了所提控制算法的有效性。该控制算法提高了双舵轮AGV运动的控制精度和稳定性。

基于ISMA-BP神经网络的光伏发电储能双向DC-DC变换器控制

通过对光伏发电储能双向DC-DC变换器抗干扰问题进行研究,提出一种基于ISMA-BP神经网络的光伏发电储能双向DC-DC变换器控制方法。首先,建立双向DC-DC变换器双闭环模型,采用模糊神经网络优化后的PID控制器对电压外环进行控制。其次,设计多子种群多进化策略黏菌优化算法(Slime Mould Algorithm,SMA),以提高算法全局寻优精度。采用改进的SMA(improved SMA,ISMA)初始化BP神经网络参数,以提升BP神经网络控制稳定性。最后,利用ISMA-BP神经网络实时动态调整PID控制器参数,实现变换器输出电压稳定控制。仿真结果表明,所提双向DC-DC变换器控制方法稳定性较好、抗干扰能力较强。

BP网络的PID型二阶快速学习算法

本文利用ＰＩＤ控制的思想，提出了ＢＰ网络的一种二阶快速学习算法，给出了学习因子选择的必要条件与较佳区域，并结合一非线性正弦函数进行了仿真研究．结果表明，较之标准ＢＰ学习算法，利用此法可使学习收敛速度提高２２倍左右．

基于BP-PID算法的无线分布式温度控制系统

针对传统工业现场温度控制系统存在的复杂性、多样性、分布式特点,将具备灵活性、可移植性、可扩展性的无线网络与传统温度控制系统相结合。运用传统PID与BP神经网络相结合的算法,并结合复合数字滤波法进行软件滤波,开发了一种基于Wi-Fi的无线网络温度控制系统,实现了对分布式复杂工业电阻炉的集中管理与分散控制。其鲁棒性、控制精度和响应速度都满足工业生产现场要求,并且很好地解决了有线控制网络的布线复杂、不易扩展、维护不便等缺陷。

BP网络智能PID控制算法在交流调速系统中的应用

针对交流异步电动机存在的非线性、多变量、强耦合及模型结构不确定的特点,设计以西门子S7-300 PLC为控制单元、以研华IPC-610工业控制计算机为监视操作单元的基于PROFI-BUS-DP的交流调速控制系统。通过对被控对象特性的分析,将神经网络技术与PID控制结合,研制了基于BP网络的PID控制算法,并用PLC语言给予实现。该算法既有神经网络控制良好的动态特性又保持了PID控制的高速稳定性。实际应用结果表明:系统调速特性好,控制精度高,具有一定的推广价值。

基于BP神经网络的直流电机PID控制系统研究

以直流电动机为控制对象,建立数学模型,并在传统PID的基础上结合神经网络算法,充分利用神经网络自学习功能,实现对PID参数的实时在线自整定.克服了PID控制参数难以确定和控制过程无法随环境等变化而自适应的缺点,体现了神经网络较好的智能性与较强的鲁棒性.利用Matlab软件进行仿真研究,结果表明神经网络PID较传统PID更精准,更具适应性,控制效果优越.

基于BP神经网络的PID控制方法的研究

本文提出了一种基于BP神经网络的PID控制方法,充分利用BP神经网络算法逼近任意连续有界非线性函数的能力,这种PID控制方法能学习和适应严重不确定系统的动态特性。文中采用三层前向网络,动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能。计算机仿真结果表明,基于BP神经网络的PID控制较常规的PID控制具有更好的鲁棒性和自适应性,能取得良好的控制效果。

BP神经网络PID控制器在工业控制系统中的研究与仿真

针对实际被控对象的时变性和非线性的特点,本文将基于BP神经网络PID的控制器应用于工业控制系统中,同时设计了三层BP神经网络并对BP神经网络PID控制器的算法进行了分析。仿真结果的分析表明:本文所设计的BP神经网络PID控制器在跟随性能、抗扰性能和鲁棒性能方面表现出了良好的控制效果。

改进的BP神经网络PID控制器在气体浓度控制中的研究

针对动物缺氧实验中气体浓度控制这一时变非线性的过程,将BP神经网络与传统PID控制相结合虽然可以取得较好的控制效果,但是也存在着网络收敛速度慢、稳定性较差等问题.基于此,提出了一种基于改进的遗传算法优化的BP神经网络PID控制器.首先,该控制器对遗传算法的收敛速度和稳定性进行改进,利用改进后的遗传算法优化BP神经网络的权重初始值;然后,用优化后的BP神经网络实现PID控制参数的在线调整;最后,在MATLAB中对两种控制器进行仿真实验,结果显示,与传统的BP神经网络PID控制器相比,改进后的BP神经网络PID控制器具有更好的控制性能.

一种基于BP神经网络算法PID控制器的研究与仿真

文中将BP神经网络的原理应用于参数辨识过程,结合传统的PID控制算法,形成一种改进型BP神经网络PID控制算法。该算法利用BP神经网络建立系统参数模型,能够跟踪被控对象的变化,取得较高的辨识精度。针对BP神经网络对权系初始值敏感的缺点,优化BP神经网络的初始权系数。通过BP算法修正BP网络自身权系数,实现PID参数的在线调整。仿真结果显示了该算法收敛速度快、精度高、鲁棒性强、稳定性好,表明了该算法的可行性与有效性。

基于BP神经网络的速度前馈PID控制器设计

针对工业控制中常出现的模型未知且具有时变特性的复杂被控系统,为满足对被控系统快速响应的控制要求,提出一种经过遗传优化预处理的基于BP神经网络的速度前馈PID控制器。通过将PID控制器与速度前馈控制器相结合,利用遗传算法对控制器参数进行一次离线优化预处理,再通过BP神经网络实现控制器参数在优化预处理基础上的二次在线自适应整定,以达到实时最优控制的目的。在MATLAB下进行仿真验证,结果表明:与常规PID控制器相比,阶跃输入下的系统响应时间减少22%,正弦输入下的系统跟随误差减少12%,控制器参数能实时自适应调节。

基于混合遗传算法优化的制导炸弹BP网络PID控制器

经典的PID控制方法虽然其物理意义明确、参数调整简便,但是面对现代的过程控制对象所具有的非线性、时变和多种不确定干扰等特性,使得基于精确线性数学模型的设计思路很难直接获得满意的动静态控制效果。在BP神经网络控制的基础上,采用混合遗传算法优化BP反向传播权系数值,推导了算法过程,设计了基于混合遗传算法优化的制导炸弹BP网络PID控制器。最后,以某制导炸弹纵向通道设计为例,仿真结果表明控制器能使得制导炸弹准确命中目标,并且具有较好的鲁棒性能。

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。

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。

基于PSO算法和BP神经网络的PID控制研究

针对PID控制中的参数整定的难点及基本BP算法收敛速度慢、易陷入局部极值的问题,提出利用PSO算法的全局寻优能力和较强的收敛性来改进BP网络的权值调整新方法,从而对PID控制的比例、积分、微分进行优化控制。该方法是在基本BP算法的误差反向传播的基础上,使粒子位置的更新对应BP网络的权值和阈值的调整,既充分利用了PSO算法的全局寻优性又较好地保持了BP算法本身的反向传播特点。仿真结果表明基于PSO算法的BP神经网络的PID优化控制具有较好的性能和自学习、自适应性。

PSO-BP-PID算法在双容水箱系统中的应用

针对工业中对液位控制的要求,利用实验室现有仪器与设备,设计了双容水箱控制系统。以研华工控机与EFAT/P过程实验装置为平台,分别从硬件与软件2部分详述了控制系统的实现。通过软件编程的方法实现了控制算法的设计,利用MCGS组态软件建立了实时监控画面,完成了实际控制系统的搭建,分析比较了传统PID和PSO-BP-PID算法控制效果的优劣。为液位控制系统的研究提供了一个良好的平台。