Dynamic Back-Propagation Neural Net for Adaptive Controller

A kind of single-input single-output neural net adaptive controller (SISO-NNC) and its algorithm have been presented. For the computer simulation and the special requirements of control problem, we have improved traditional BP algorithm and solved the problem of local minimum to some extent. Using the SISO-NNC to control time-varying system, the simulation results show advantages of neural net controller in control field.

基于PSO-BP神经网络的临时支架支撑力自适应控制

为了使临时支架的支撑力更好地与矿压相适应,提高支架的支护能力,以双联自移式临时支架为研究对象,提出了基于粒子群优化(PSO)-BP神经网络的临时支架支撑力自适应控制方法。利用PSO算法的全局搜索能力及快速收敛特性对BP神经网络的初始权值进行优化,提高BP神经网络的收敛速度;再通过优化后的BP神经网络实现PID参数在线自调整,构建PSO-BP神经网络优化PID控制器,使临时支架的支撑力更快速、准确地达到预定值,实现临时支架支撑力自适应控制,避免因支护力和顶板压力不匹配而对顶板造成破坏。用单位阶跃信号模拟临时支护支架的期望初撑力进行实验验证,结果表明,与BP神经网络优化PID控制器及传统PID控制器相比,PSO-BP神经网络优化PID控制器可以更快、更准确地达到预期的初撑力,调整时间仅为0.5 s且基本不存在超调。根据实际地质条件仿真模拟开挖支护过程中支架受到的顶板压力,研究3种控制器的支撑力自适应控制效果,结果表明,在PSO-BP神经网络优化PID控制器的控制下,系统误差仅为0.02 MPa,误差最小,控制效果最好。

BP神经网络优化参数的螺杆点胶阀无模型自适应控制技术

螺杆点胶阀因点胶效率高、精度高、胶点均匀性高等优点,广泛应用于微电子封装等领域,而电机转速的控制性能是决定螺杆点胶阀点胶质量的重要因素。针对点胶阀在外部干扰和负载扰动情况下,PID速度控制效果不理想,参数难以整定的问题,采用BP神经网络-无模型自适应控制(BP-MFAC)算法,通过BP神经网络在线整定无模型自适应控制器参数来实现对电机速度的自适应控制,无需人工整定参数。仿真和实验对比结果表明,该算法相较于PID控制算法,在电机速度控制上具有更小的超调量和稳态误差,更短的调节时间;在外部干扰和负载扰动的情况下,具有更好的抗扰动能力。

Adaptive fuzzy design of a rope attitude adjustment system

The attitude adjustment of rope system faces the challenging due to the difficulty in obtaining accurate three-dimensional(3D)mathematical model and solving by traditional methods.A set of adjustment systems is designed and used to investigate the automatic control for level or preset attitude adjustment of unknown weights and eccentric loads.The system principle and characteristics are analyzed.The 3D model is decomposed into two two-dimensional(2D)subsystems,and an adaptive fuzzy controller based on BP neural network and least squares(LSE)is designed.The simulation experiment uses MATLAB to train the level-adjustment data for testing algorithm,and a small load is used to verify the effectiveness of the system.The experimental results show that precise attitude adjustment can be achieved within the system load range,and the response speed is fast.This adjustment method provides a fast and effective method for precise adjustment of the load attitude.

基于PLC控制器的医院网络通信故障自适应监控系统

传统的医院网络通信故障监控系统未对故障警报信息进行分类,通信故障点定位不准确。为此,提出基于PLC控制器的医院网络通信故障自适应监控系统。采用BP网络对医院网络通信故障警报信息分类处理,通过人工神经网络对医院网络通信故障数据进行训练,依据BP神经网络计算动量项、速率以及抽象处理等不同的数据训练结果,对故障点定位分析。构建以UPnP技术为核心设计系统网络构架,为系统提供有力的实时数据支持,实现大数据量的远程实时在线监测。结果表明,所设计系统监控故障监控时延较短,能够实现故障精准定位,能够快速发现故障并及时报警。

基于BP神经网络的自适应自抗扰控制及仿真

针对被控对象参数变化大而快、外扰严重且不确定的系统,参数固定的扩张状态观测器(ESO)存在"总和扰动"估计精度降低、控制效果较差的问题,提出了一种基于BP神经网络的自适应自抗扰控制器(ADRC)。分析了引入自适应ESO的意义,剖析了ESO的结构,利用BP神经网络在线调整ESO参数并将这个自适应ESO嵌入到ADRC.仿真结果表明,改进的ADRC较常规ADRC具有扰动估计精度更高、控制量振荡幅度更小以及鲁棒性、抗干扰性更强的优点。

基于BP神经网络的中央空调温湿度自适应控制系统

针对空调系统大惯性、大滞后的特点和常规PID控制所存在的不足,介绍了利用BP神经网络误差反传机制,探讨建立在BP神经网络基础上对温湿度的自适应控制。利用2个BP神经网络NNC和NNI,分别做控制器和辨识器,通过相互间误差的传递,对变风量空调系统中送风温湿度的控制问题,具有更快、更稳定的控制效果。在实际运用中,结合Lonworks总线技术给出系统的硬件和软件设计,使得系统智能节点可自由通信,便于安装调试且能对温湿度进行实时监控。该设计使中央空调控制系统的整体性能大为改善。

神经网络BP算法在有源消声中的应用

为了克服传统自适应有源消声算法在应用中稳定性方面的不足，尝试将神经网络反向传播（ＢＰ）算法应用于有源消声技术。文中建立了基于ＢＰ算法的自适应有源消声（ＡＡＮＣ—ＢＰ）模型并给出该算法的递推公式。利用ＴＭＳ３２０Ｃ２５开发板实现了该算法功能。在半消声室中进行了单频和１００Ｈｚ带宽的消声实验，仅利用单个次级源结构便获得较好的消声效果。实验证明，基于ＢＰ算法的消声系统具有良好的稳定性。

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制 ,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用 2个BP神经网络分别作辨识器和控制器 ,其中辨识器兼作间接传递误差的通道 ,从而解决了控制器权值的修正问题。仿真结果表明 ,经过学习该控制结构具有较好的有效性。

基于BP算法的船舶航向模糊PID控制研究

以含有未知参数的船舶航向非线性模型为研究对象,设计了一种基于BP算法的船舶航向模糊自适应PID控制器。船舶航向传统PID控制的参数自适应能力弱,鲁棒性较差;BP算法可动态调整PID控制参数,但由于BP神经网络收敛速度慢,且有时会使设定的指标函数达到局部极值,操纵性能不能令人满意。基于BP算法的模糊自适应控制策略,采用模糊规则对网络输入进行"归档",优化网络收敛速度,避免设定指标函数达到局部极值,改善了系统的操纵性能与鲁棒性。仿真实验结果表明该控制策略实现简单,具有较高控制精度。

基于BP神经网络的模型参考自适应姿态控制

采用模型参考自适应控制的基本设计框架,并通过BP神经网络对PID控制参数进行自主调节,实现飞行器的自适应姿态控制。利用参考模型输出、实际对象输出等信号作为训练信号,对所构建的三层BP神经网络进行权重更新。仿真结果表明,将BP神经网络应用于飞行器的自适应姿态控制中,能够实现PID控制器参数的自主调整,表明了BP神经网络优良的逼近性能。同时,该控制方案确保了飞行器姿态控制系统的性能指标,并且提高了工程设计的智能化水平。

基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法。首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控制的增益根据舵效变化完成在线自适应调节,实现飞行器的自适应姿态控制;最后,进行数学仿真验证,结果表明,将BP神经网络应用于飞行器姿态控制中,能够实现控制参数的自适应调整,说明BP神经网络具有优良的逼近性能,最终提升了飞行器姿态控制系统的性能,提高了智能化设计水平。

基于改进BP的神经网络模型参考自适应控制

由于传统BP算法存在收敛速度慢,容易陷入局部极小值等弊端,目前的BP优化算法又使得控制过程变得复杂,继而基于BP神经网络的模型参考自适应控制过程也存在实时性差,收敛性慢,精度不高等不足。现针对改进的BP算法和非线性系统的可逆性,分析设计了一种基于激励函数自寻优的BP网络模型参考自适应控制,并通过Matlab仿真结果表明,在满足控制精度的情况下控制系统中的辨识器和控制器效果都很理想。因此,对工程应用有很大的实际参考利用价值。

等离子喷涂过程的BP神经网络自适应控制

分析了BP网络辨识器和控制器的常规训练方法存在的不足之处及其限制，提出了一种通过BP网格辨识器的灵敏度网络反传对象的输出误差来训练BP网络控制器的新方法，根据BP网络和自适应控制的相容性，提出了一种新的BP网络自适应控制结构，并利用BP网络辨识器的灵敏度网络训练BP网络控制器的思想，来调整BP网络控制器的参数，等离子喷徐过程控制模型的训练研究表明其效果良好。

基于BP神经网络的PID在压延机温度控制系统中的应用

针对风神轮胎股份有限公司压延机辊筒温度控制以及传统PID控制存在的设计复杂、控制精度较差和参数值实时更新复杂等问题,对压延机辊筒温度提出了一种基于BP神经网络的PID控制方法,并进行了计算机控制系统设计。对子午线轮胎生产中压延机辊筒的温控试验结果表明,该PID控制系统逼近精度高、适应性好,取得较满意的效果。

BP神经网络自学习PID算法在PLC的实现

目前神经网络自适应PID算法在理论研究方面的成果已经较多,在实际生产过程中的应用较少。以水箱控制为被控对象,利用神经网络在线调节PID控制器参数来增强系统的自适应能力,并采用PLC编程语言完成算法实现,将其应用于实际的液位控制系统中。实际运行结果表明,该系统运行稳定可靠,调节时间和上升时间提高了30%。

塑件质量的BP神经网络智能控制研究

设计了一个多输入多输出的BP神经网络程序,依据正交试验设计训练样本,实现了注射成型产品多质量目标的高精度预测;应用质量控制环和工艺控制环构建的注射成型自适应控制系统可实现对产品质量的自适应调整,提高了实际生产效率,降低了废品率。

基于BP神经网络PID的纸浆浓度自适应控制

目的为了克服纸浆浓度控制系统的滞后性、非线性和时变性,以提高纸浆浓度控制性能。方法针对纸浆浓度控制问题提出一种BP神经网络PID控制技术,构建3-4-3的BP神经网络结构,并在该基础上建立BP神经网络PID控制的数学模型,利用BP神经网络实现PID参数的自适应调整。结果仿真结果表明,BP神经网络PID控制相较于传统PID控制收敛速度更快、超调量更小、抗干扰能力更强、鲁棒性更好。结论该控制方法实现了纸浆浓度的自适应控制,为纸浆浓度的最优控制提供了一种有效可行的控制方法。

自适应插值BP神经网络的ABS纵向车速估计

ABS作用下的纵向车速估计是实现汽车主动安全控制的基础。根据轮胎特性,确定最佳滑移率与路面附着系数的线性关系,将路面附着系数设为ABS控制的唯一输入,提出基于最佳滑移率的路面自适应ABS控制,仿真结果显示控制方法简单可行。针对传统BP算法的缺陷,给BP神经网络增加输入延时并采用粒子群算法优化BP网络的初始权值,提出了基于路面插值的BP网络车速估计算法,根据实时辨识的路面附着系数,对两个不同路面下网络的输出进行插值获取估计车速,验证不同路面和初始车速共25种工况下的车速估计绝对误差小于1.5m/s,相对误差小于5%。

基于BP神经网络的火电厂水质调节系统的Smith-PID自适应控制

针对火电厂水质调节系统大时滞时变性的特点,提出了基于BP神经网络的Smith PID控制算法,仿真研究和实际应用表明,该控制算法具有良好的静态特性、动态品质和很强的鲁棒性;工程应用控制效果令人满意。