基于模糊神经网络PID的煤矿掘进机俯仰控制研究

目前煤矿掘进机俯仰控制主要采用PID控制方法,在掘进机俯仰控制时变性与液压系统非线性情况下的控制精度不高。掘进机俯仰控制通过控制液压缸行程实现,将传统PID算法与模糊控制、神经网络等相结合,可有效提高液压缸行程控制精度。提出了一种基于模糊神经网络PID的煤矿掘进机俯仰控制方法。通过分析掘进机支撑部运动学关系,得到俯仰角与支撑部液压缸的数学关系;介绍了掘进机俯仰控制液压系统工作原理,建立了液压系统及其传递函数模型;将模糊控制与神经网络相结合,形成模糊神经网络,利用模糊神经网络优化PID控制参数,再结合支撑机构数学模型和液压系统传递函数模型,建立掘进机俯仰角模糊神经网络PID控制模型,实现煤矿掘进机俯仰机构自动精确控制。该方法可使掘进机俯仰机构更加快速、准确到达预设位置,解决掘进机俯仰控制中的时变性与非线性难题。仿真结果表明:模糊神经网络PID控制算法相较于模糊PID和PID控制算法,跟踪误差分别降低了69.34%和74.49%。通过液压缸位移控制模拟煤矿掘进机在突变工况和跟随工况下的俯仰控制,结果表明:模糊神经网络PID控制算法相比模糊PID和PID控制算法,俯仰控制跟踪误差最小,对位置信号的平均响应时间分别缩短了27.22%和50.33%,动态控制性能更好。

基于反向传播神经网络PID的高功率微波炉温度控制

针对现有10 kW高功率工业微波炉,采用继电器作为控制执行器,在使用传统控制方法加热时,温度存在较大超调和明显振荡,系统温度稳定性较低,为解决上述问题将反向传播神经网络PID(BPNNPID)控制引入到该装置微波加热温度控制中,并以自来水为加热对象进行仿真对比与实验验证。首先,利用现有输入输出实验数据,建立工业微波炉温度控制模型;其次,运用MATLAB/SIMULINK搭建高功率工业微波炉温度控制系统并进行仿真对比实验;最后,实验验证BPNNPID控制方法在加热5 kg自来水时工业微波炉的温度控制性能,实验结果表明,较常规PID、模糊PID控制,该方法在微波加热过程中对媒质温度控制超调更小且未发生明显温度振荡,有效改善了高功率工业微波炉工作时的系统温度稳定性,有助于提高产品质量和安全性能。

足式机器人腿部关节改进单神经网络PID控制算法研究

为了满足液压足式机器人在复杂环境中实现精确、快速的腿部关节控制需求,把单神经网络PID能够实时调节参数的优点运用到足式机器人液压机械腿关节的控制中,在单神经网络PID的基础上增加机械腿关节的位置和速度控制算法,形成改进单神经网络PID,实现了对神经元比例参数自调整、PID参数的自整定,能够较好地适应内、外参数的变化,增强了腿部关节的快速性、精确性。在Simulink中进行建模仿真以及在设计的以STM32为中央处理芯片的控制平台上进行实验测试,结果表明:改进单神经网络PID在足式液压机器人的腿部关节控制中具有响应速度快、超调量小、控制精度高、鲁棒性强等优点。

BP神经网络PID算法在循环流化床锅炉中的研究

本文以循环流化床锅炉的床温控制为研究对象,针对传统PID控制算法自适应能力不强的缺点,提出了基于BP神经网络和PID控制器相结合的BP-PID控制器,指出BP-PID控制器算法的自适应控制效果和鲁棒性,并根据其系统结构、算法流程和参数设置,进行实验仿真,验证该控制器的优化效果。实验结果表明,BaP-PID控制器可以更好地控制循环流化床锅炉床温,实现了对系统性能指标的最优化控制,得到了较为理想的控制效果。

基于BP神经网络的Smith-Fuzzy-PID算法在阀门定位中的应用研究

为解决气动调节阀控制过程中出现的超调大、精度低等问题,本文采用BP神经网络整定出较优的PID(Proportional Integral Derivative)控制参数,对Smith预估控制器以及模糊控制器进行设计,实现了基于BP神经网络的Smith-Fuzzy-PID控制方法。搭建了实验平台,通过阶跃响应实验来对控制方法进行验证,验证结果表明,提出的方法调节过程无超调,调节时间仅为1.9 s,定位精度在±0.5%以内,有效提高了系统的稳定性,实现了气动调节阀的快速精准定位。

基于模糊神经网络的氢液化氦气压力PID控制

为了解决氢液化装置氦气压力调节系统超调量大、响应速度慢、调节时间长、控制参数无法在线整定等问题,针对系统具有非线性和时变性的特点,设计了基于模糊神经网络的PID控制器以及基于双曲正切函数的改进型激活函数。仿真结果表明:相比传统PID控制或模糊PID控制,采用模糊神经网络PID控制的系统动态性能显著改善,使得氢液化装置的氦气压力调节更加稳定可靠。

基于神经网络-PID控制的水面无人艇控制系统设计

为了提高在存在外界干扰和障碍物的环境下水面无人艇(unmannedsurfacevehicle,USV)控制系统的准确性和鲁棒性,提出了神经网络-PID控制算法。首先,使用人工势场法规划路径,得到一条从起点到终点的可行路径;然后,利用神经网络的自学习能力修正控制参数,实现控制参数的实时在线调节,精确调控USV沿着规划好的路径行进。在不同环境下进行仿真测试,仿真结果表明,与常规PID控制算法和模糊PID控制算法相比,所提算法降低了超调量和稳态误差,提高了控制系统的实时响应速度与USV的定位和航行精度。所提算法的抗干扰能力和控制精度优于与常规PID控制算法和模糊PID控制算法。

基于RBF神经网络整定PID的电液比例系统位置控制研究

针对凿岩机械臂的电液比例系统位置控制精度问题,提出了一种基于径向基函数(RBF)神经网络整定PID的电液比例系统位置控制方法。首先,在AMESim中搭建了阀控非对称液压缸的电液比例系统简化模型,设置了各个模块的参数;然后,利用MATLAB/Simulink搭建了系统闭环控制模型,通过不断更新RBF网络模型并修正PID参数,实现了基于RBF神经网络整定PID的电液比例系统位置控制目的;结合AMESim搭建的电液比例系统模型和Simulink下搭建的控制器进行了联合仿真;最后,基于凿岩台车机械臂实验平台,进行了电液比例系统位置控制实验。仿真结果表明:在受到外部干扰的情况下,RBF神经网络整定PID控制系统能够在0.3 s内控制活塞杆重新运行至目标位置,平均响应时间为1.5 s,位置精度误差不超过5 mm。实验结果表明:与常规PID控制方法相比,RBF神经网络整定PID控制活塞杆位置精度误差降低了75%,位置精度误差在工程实际要求的10 mm范围以内,因此,RBF神经网络整定PID算法可以有效提高电液比例系统的位置控制精度,满足凿岩机械臂实际工作中对电液比例系统位置精度的控制要求。

永磁同步电机BP神经网络 智能PID滑模观测矢量控制算法

针对永磁同步电机(PMSM)转速超调量大、转子位置检测精度低等问题,提出一种BP神经网络智能PID滑模观测器控制策略,将BP神经网络与传统PID控制相结合,利用BP神经网络实现对PID增益的在线调节,实现对永磁同步电机启动、突加负载干扰时稳定控制。采用无位置传感器控制,在永磁同步电机数学模型α-β坐标系中建立了滑模观测器结构,并且在Matlab/Simulink仿真系统中建立了仿真模型进行了仿真分析;从PID参数、电机转速等方面对BP神经网络智能PID控制的有效性进行了评估和仿真验证。通过仿真分析,采用滑模观测器检测转子实际位置与预期位置之间的误差小于7%,在0.3 s之后转子实际位置与预期位置完全重合。采用BP神经网络智能PID控制的永磁同步电机在启动时转速超调量减少了10.6%,在突加负载干扰时减少了1.4%。相比起传统PI控制,提出的BP神经网络智能PID控制能够有效提高PMSM的自适应性及抗干扰能力,并且显著减少了电机在启动及突加负载时超调量。

基于BSO改进模糊神经网络PID的管道压力控制策略研究

针对煤矿供水管道压力控制系统智能化程度低、人工操作实时性和准确性差等问题,设计了一种基于天牛群优化(BSO)改进模糊神经网络PID的管道压力控制策略。首先,基于BSO算法对PID控制器的初始参数进行参数迭代优化,找到最佳初始参数;其次,通过模糊神经网络实现实际压力偏差值的模糊化、模糊推理等处理,实时调整PID控制参数;最后,PID控制器运算后得到的输出信号作用在执行机构上,实现电动阀门的智能化控制。实验结果表明,该控制策略响应速度更快,超调量更小,稳定性更强,满足阀门控制开度要求,提高了煤矿井下供水系统的智能化水平,达到了减人、降本增效的目的。

基于爬楼轮椅座椅的神经网络优化PID控制研究

为了解决爬楼轮椅在爬楼时由于机构变动给乘坐者带来的不适感,设计了一套座椅机构姿态调节系统。根据爬楼轮椅的功能需求,制定了座椅调节机构的机械结构,搭建了控制系统的硬件框架,根据PID算法参数的本身特性,借助双曲函数调整参数,再利用训练好的BP神经网络,补偿输出姿态误差,并对整个调节系统进行了试验。试验结果表明,该控制算法能实现对座椅机构的精准控制。

基于粒子群优化BP神经网络PID的供热控制系统仿真研究

供热系统技术属于清洁技术,但其能耗非常大,因此在供热系统中能源的损耗问题就显得尤为重要。与此同时,我国供暖过程多数是用传统PID对供暖系统进行控制,由于传统PID控制响应时间长、超调量高且受外界影响较大,造成能源未充分利用、浪费现象严重。因此针对此问题,提出了在供暖系统中采用一种基于粒子群优化BP神经网络PID的控制策略,不仅可以解决供暖时水温不稳定、水温上升时间长等问题,而且可以更好地解决能源未充分利用问题。本文建立供热系统的数学模型,然后利用Matlab中的Simulink设计并仿真粒子群BP神经网络PID控制器。实验结果表明,改进后的PID控制器抗干扰能力强且具有较好的鲁棒性,对供热控制系统有更好的控制效果。

基于模糊神经网络PID变压器恒温箱控制系统研究

针对变压器油色谱恒温箱对温度精细化的要求以及分析现有成熟的温度控制方法,提出了模糊神经网络PID控制进行优化,实现了对温度的可靠控制。系统将温度的误差e和误差率e(c)通过模糊化输入,依据隶属函数和模糊规则推理得到PID调控因子,再利用BP神经网络以梯度下降法对隶属中心值和基宽和权值进行学习训练。通过使用Matlab软件对传统PID、模糊PID和模糊神经网络PID三种模式进行仿真,得到模糊神经网络PID控制模式具有响应速度快、控制精准高、抗干扰性好、收敛速度和系统的鲁棒性优秀等优势。能够有效地改善恒温箱系统温度控制的性能。

基于BP神经网络的PID炉温控制系统设计方法研究

经典PID控制器在工炉温控制系统中得到了广泛应用,但是PID控制器难于对复杂对象如大滞后、慢时变、非线性系统进行有效控制。提出了一种基于BP神经网络的PID炉温控制系统设计,利用BP神经网络的自学习能力,根据系统的输入和输出数据,自动调整PID控制参数,将BP神经网络和PID控制相结合,形成一种BP神经网络PID控制系统。通过分析传统PID控制和BP-PID控制的系统响应曲线,对比两者的控制效果。结果表明,与传统PID控制相比,BP-PID控制具有超调量小、调节时间短、抗干扰能力强等优点,能满足工业炉温精确控制的要求,并降低能源消耗。

改进粒子群优化掘进机摆动截割系统BP神经网络PID控制

为提升掘进机摆动截割破岩时BP神经网络PID控制的自适应性,提出了改进粒子群优化BP神经网络PID控制方法。分析了悬臂式掘进机水平摆动截割系统的工作原理,构建其系统的传递函数,设计了BP神经网络PID控制器,确定了BP神经网络的结构和参数,推导出了BP神经网络权值和输出层阈值梯度,引入Tent混沌映射来改进粒子群算法,优化了BP神经网络的权值,以阶跃函数作为输入信号,仿真研究该算法的性能。结果表明,与未优化的BP神经网络PID控制器相比,优化后的BP神经网络PID控制器,能够快速准确地跟踪阶跃响应。

基于BP神经网络PID的中子发生器离子源阳极电流控制研究

本文将BP神经网络算法与PID控制结合,优化了中子发生器控制离子源阳极电流PID调节过程,实现了控制器自适应整定,提升了控制效果。基于离子源阳极电流控制模型改进了PID算法,通过MATLAB/Simulink软件对两种算法进行仿真并对比分析。通过LabVIEW控制并采集离子源阳极电流值,使用改进后的BP神经网络PID算法控制程序进行实验。经实验表明,BP神经网络PID对离子源阳极电流控制能够实现参数的自适应整定,相比传统PID控制器超调量更小、响应速度更快,提高了中子发生器的控制稳定性。

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。

基于模糊RBF神经网络PID的AUV姿态控制研究

针对自主水下航行器(AUV)高精度、强鲁棒性的运动姿态控制需求,提出了一种径向基函数(RBF)神经网络结合模糊PID控制的水下机器人运动控制器;采用RBF神经网络对模糊PID控制器参数进行优化,有效解决了模糊PID控制过度依赖经验,难以应对水下复杂工况的问题。仿真结果表明:模糊RBF神经网络PID控制器在AUV姿态调节中表现出较传统模糊PID控制器更好的响应速度和抗干扰能力,有效改善了AUV姿态控制性能;经实际应用验证,控制器在复杂工况下可以快速收敛至期望姿态并维持稳定。

BP神经网络PID果园运输车调平系统研究

针对丘陵果园坡度较大,运输果箱过程中易发生倾覆的问题,根据运输车行驶过程中不同的倾斜状态,设计出一种基于BP神经网络的PID果箱调平控制方案,通过仿真分析表明:以倾斜角下降到2°以下时为理想状态。路面扰动分别为25°、20°、15°时,BP神经网络PID达到理想状态耗时分别为3.3s、2.8s、2.4s。与传统PID控制算法相比,该控制方案达到理想状态时其效率分别提升13.1%、22.2%、31.4%。峰值分别优化19.43%、14.68%、20.42%。通过试验结果表明:在20°坡面上,达到稳态时误差为1.1°,耗时5.5s;在25°坡面上,达到稳态时误差为1.8°,耗时6.4s。仿真与试验结果说明本文提出的基于BP神经网络的PID果箱调平控制方法具有良好的控制效果和稳定性。对实际生产过程具有指导意义。

基于APID-RBF神经网络的光伏MPPT方法

针对光照强度急速变化和局部阴影时光伏发电系统最大功率点追踪响应速度慢、多峰值等问题,提出一种基于RBF神经网络与自适应PID控制相结合的控制方法。首先,采用RBF神经网络对环境的实时变化直接跟踪光伏最大功率点。然后,利用自适应PID的辅助修正,抑制光伏电池输出功率的波动。神经网络能提升在复杂环境下的跟踪速度,自适应PID能增强对神经网络误差的消除能力,提升跟踪精度。仿真结果表明,APIDRBF双控策略具有稳态性能高和控制精度高等优点,能有效提高光伏发电效率和稳定性。