基于天牛须BP神经网络的船舶电动舵机自抗扰控制

将自抗扰控制器(ADRC)引入到智能船舵机控制优化问题中,同时将神经网络嵌入到自抗扰控制,针对电动舵机快响应、非线性的特点提出一种神经网络自抗扰控制。将天牛须搜索(BAS)寻优能力强的特性与BP神经网络中的权值与阈值寻优过程相结合,建天牛须BP神经网络自抗扰控制器,弥补了BP神经网络训练时间较长、收敛速度较慢的问题。以船舶电动舵机系统作为被控对象在该控制器下的舵机系统的控制性能得到了提升,控制精度高无超调同时具有良好的鲁棒性,同时建立的BAS-BP神经网络自抗扰控制器对于实际应用具有指导意义。

基于BP神经网络PID算法的多效蒸发液位控制

针对液位的非线性、大惯性及时滞性的特点,将BP神经网络与增量式PID算法相结合,基于物料衡算和热量衡算,建立三效逆流蒸发液位的数学模型,以LabVIEW软件为开发平台,实现多效逆流蒸发过程的液位控制,通过液位仿真,证明基于LabVIEW实现BP神经网络PID控制系统在多效逆流蒸发液位控制中具有良好的自适应性和鲁棒性。

刨花板热压控制系统BP神经网络整定PID控制

针对刨花板热压控制系统中热压控制存在的非线性、纯滞后和时变性等现象,根据BP神经网络PID和常规PID控制的控制思想,提出了BP神经网络PID的控制策略,实现了对PID参数的在线自整定,完善了PID控制器的性能,提高了系统的控制精度。仿真结果表明,与常规PID控制器相比,该控制器明显提高了热压控制系统的动态性能和稳定性。

基于BP神经网络的车辆转向稳定性控制策略及仿真

为研究某半主动悬架车辆的转向稳定性,提出了悬架阻尼BP神经网络PID控制技术。以理想的横摆角速度和实际的横摆角速度误差作为控制目标,对车辆实行转向横摆稳定性闭环控制。通过控制车辆的横摆角速度来分析悬架阻尼变化对车轮垂直载荷及侧倾的影响,针对单移线转向和阶跃转向两种典型工况,应用MATLAB软件进行了仿真。结果表明,在高附着路面上,可以通过控制悬架阻尼来控制车辆的横摆和侧偏运动,当前悬架阻尼增加后悬架阻尼减小时,车辆前、后轴左右车轮的载荷转移明显减小,从而能有效抑制车辆的过多转向特性,为改善操纵稳定性提供一种新控制方法。

BP神经网络预测模糊控制液压马达性能研究

针对连续回转马达高度非线性和摩擦、泄漏等不确定性,严重影响系统的跟踪性能,提出了一种基于BP神经网络预测的模糊控制策略。该控制策略采用了BP神经网络进行伺服系统的输出预测,并计算了预测输出与给定输入间的未来误差和误差变化率,根据专家经验编制电液伺服系统模糊控制规则,设计模糊控制器,从而调整电液伺服系统的控制量,实现对连续回转电液伺服马达位置状态的实时跟踪。通过Simulink仿真表明,基于BP神经网络预测的模糊控制和传统PID控制相比,有效的提高了电液位置伺服系统的位置跟踪精度和抗干扰能力,缩短了响应时间,拓宽了系统响应频带。

柴油机BP神经网络调速快速控制原型研究

设计了BP神经网络整定PID参数的柴油机调速控制器。把该控制器下载代码到dSPACE/Mi-croAutoBox控制器内,利用快速控制原型的原理进行了起动和负荷突变工况的功能验证,并与传统PID调速控制器快速控制原型结果进行对比,结果表明,BP神经网络具有自学习能力和逼近任意函数的能力,可进行PID参数的在线整定和优化;BP整定PID调速控制器工作正常,调速精度较传统的PID控制器有较大改善;快速控制原型的研究使控制器从功能设计到产品的转化奠定了坚实的基础。

BP神经网络模型预测控制算法的仿真研究

为克服被控对象参数变化导致控制精度降低的问题,研究了一种BP神经网络模型预测控制算法。借助最小二乘递推算法在线预测系统模型参数,利用BP神经网络在线预测PID参数以控制被控对象。该算法基于模型预测,首先在线性系统中验证其控制效果,然后将非线性问题作线性处理,采用BP神经网络模型预测PID控制器予以实现控制非线性系统。仿真曲线显示BP神经网络PID控制器用于线性系统可达到高精度控制要求;对于非线性系统有自适应及逼近任意函数的能力。仿真研究表明,该算法与传统BP神经网络PID控制器相比,其自适应能力更强,稳定性更好,控制精度更高。

基于BP神经网络模糊控制的除盐水自动加氨控制系统

为了使除盐水的pH值快速稳定在给定指标范围内,设计了基于BP神经网络模糊PID智能控制系统。仿真结果表明,该控制系统具有更强的鲁棒性,良好的自适应能力,适用于缺乏精确数学模型且时变、非线性、纯滞后工业过程。

面向轻汽油醚化的BP神经网络的模型预测控制

针对催化裂化轻汽油(Fcc轻汽油)醚化的过程提出了BP神经网络的模型预测控制,通过控制Fcc轻汽油的流速,来实现重油量浓度指标的控制。应用BP神经网络建立该过程的预测模型,并采用迭代优化的控制算法,根据相应的性能指标,不断地修正神经网络的权值,从而整定下一批次的控制信号。通过Matlab里的神经网络工具箱,建立一个有参考模型的神经网络预测控制器,观测最终的实际输出。

BP神经网络PID的气动位置控制系统的研究

本文提出了一种将常规PID控制与BP神经网络相结合的自适应PID控制器，该控制器运用神经网络和BP算法实现了对PID参数的在线调整，利用变步长法和引入动量项来改进BP神经网络学习算法，有效减小了学习过程的振荡趋势，改善了收敛性，避免了学习过程陷入某些局部最小值，并将其用于在线调整气动位置伺服控制系统的PID参数，实现具有最佳组合的PID控制。MATLAB仿真表明，本文控制算法的静态特性、动态品质良好，鲁棒性强。

基于BP神经网络的静液压变速器控制研究

静液压变速器(HST)的操控性是农用车辆性能提升的关键,采用一种基于BP(back propagation)神经网络的新型控制策略,对HST马达输出转速的动态特性进行研究。基于变量泵定量马达静液压传动系统的数学模型,首先对比研究了传统PID控制、模糊控制以及BP神经网络控制3种方法的控制效果,结果表明:与传统PID控制和模糊控制相比,BP神经网络控制能有效抑制系统超调量并降低马达转速波动,减小系统达到稳态的调节时间,具有良好的鲁棒性。基于此,提出采用BP神经网络控制方法对具有更大马达转速变化范围的变量泵变量马达传动系统进行调查,研究结果表明,在对变量泵、变量马达分段控制中,该方法能实现较稳定的切换效果;在不同的负载等效转动惯量下,马达转速均能达到稳定状态,且由负载引起的转速波动也得到降低。研究结果表明,BP神经网络控制方法对变量泵变量马达传动系统具有潜在的控制优势。

BP神经网络控制在静止式进相器中的应用

静止式进相器是专为大中型绕线式电动机节能降耗设计的无功功率就地补偿装置,它串接于交流绕线式异步电动机的转子回路,用以提高电动机的功率因数。静止式进相器在控制绕线式电机进相运行中,由于电机受随机干扰的影响,是一个较为复杂的系统,常规PID控制的参数不易在线自调整,难以实现最优控制。本文将BP神经网络控制应用到静止式进相器中,取得良好的效果。

BP神经网络PID自适应控制悬架平顺性研究

建立了1/4半主动悬架二自由度动力学模型并进行动力学分析。引用增量式PID控制器,采用三层前馈网络结构,设计BP神经网络PID自适应控制器。以白噪声模拟B级路面扰动激励,结合半主动悬架动力学模型与控制器在Matlab/Simulink中搭建悬架仿真模型,对悬架系统平顺性进行振动控制的仿真研究。结果表明:相比于PID半主动悬架,BP神经网络PID自适应控制半主动悬架具有更强的鲁棒性和自适应能力,能更有效的抑制路面扰动,车辆平顺性显著提高。

基于BP神经网络PID控制的PMLSM调速系统设计

针对永磁直线同步电动机提升系统的非线性、时变性、易受扰动等特性,在所建立的永磁直线同步电动机d-q轴动态数学模型的基础上,设计了一种改进型BP神经网络PID控制的PMLSM调速系统。该系统将BP神经网络算法中固定的学习速率改为自适应可调,同时添加动量项以减小学习过程中的振荡趋势,极大地改善了算法的收敛速度,避免了网络落入局部最小值的结果。仿真结果表明,使用改进的BP神经网络PID控制器可使PMLSM调速系统的调节时间和超调量大幅减小,响应速度加快,使提升系统具备较好的动态性能和较强的鲁棒性。

基于BP神经网络PID在地铁车站温度控制中的研究

由于地铁的地下车站温度控制系统具有非线性、强耦合、时变、大滞后等特性.而传统的PID控制参数在整个控制当中是固定不变的,对于高度复杂的温度控制系统,传统的PID控制就显得无能为力,很难达到预期的控制效果.因此提出一种BP神经网络PID控制方法.此方法将传统的PID与BP神经网络相结合,组成BP神经网络PID控制.通过BP算法修正BP网络的加权系数,实现了PID三个参数的在线自我调整.MATLAB仿真结果显示BP神经网络PID控制比单纯的PID控制响应速度快,超调量小,稳定性好,能够有效实现对地铁车站温度的合理控制.

基于BP神经网络自抗扰控制的放卷张力控制系统

文章为提高轧染机放卷系统对张力控制的稳定性,通过结合BP神经网络算法和自抗扰控制提出一种放卷张力控制方法。根据放卷的运行机理,建立其数学模型,并推导出系统的动态解耦和静态解耦模型,设计了自抗扰控制器。在自抗扰技术的基础上,引入BP神经网络对非线性组合部分的参数进行整定,得到BP神经网络自抗扰控制器。通过仿真实验与PID控制器对比发现,该控制器实现了放卷系统张力的解耦并且能保证织物张力的稳定,能够抑制系统内部参数变化引起的张力波动以及具有良好的抗干扰性能,同时为织物的恒张力印染做出了充分的准备。

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。

基于BP神经网络PID控制的茶叶理条机温度控制研究

为了改善常规PID及模糊PID控制等在茶叶理条机温度控制系统中的缺点与不足,提出了将BP神经网络算法引入到茶叶的理条加工中,将BP神经网络算法与PID控制的优势结合起来,设计了基于BP神经网络PID控制的茶叶理条机温度控制器,并对BP神经网络PID控制在茶叶理条机温度控制系统中的控制性能进行了研究。利用MATLAB SIMULINK分别搭建了常规PID和BP神经网络PID控制下的茶叶理条机温度控制系统模型,并开展了仿真对比实验。结果分析验证了较常规PID控制相比,BP神经网络PID控制下温度控制系统的超调量几乎为零,且未发生明显振荡,系统的精度高,稳定性好,抗干扰能力强。BP神经网络PID控制在茶叶理条机温度控制系统中的控制性能较好,符合绿茶的理条工艺要求,可实现优秀的理条效果。

造纸过程的多层BP前向神经网络PID控制

为了使造纸过程的输出(湿度和基重)最大限度地接近给定值,本文采用了基于多层前向网的PID控制,此控制由控制器网络NNC和辨识器网络NNI组成,采用BP算法进行PID参数的调整和被控对象的辨识,能较好地满足控制目的,并为造纸过程的控制提供另一种思路.

基于神经网络的水轮机调节控制器

对神经网络控制在水轮机调节中的应用做了理论上的分析,将基于BP神经网络的PID控制器应用于水轮机频率扰动和负荷扰动仿真实验中,结果表明其具有较好的动静态特性和较强的鲁棒性,为神经网络控制在水轮机调节中的应用打下良好的理论基础。