基于S函数的BP神经网络PID控制器及Simulink仿真

BP网络在人工神经网络中应用最为广泛,文中给出基于MATLAB语言的BP神经网络PID控制器的S函数实现,在此基础上建立BP神经网络PID控制器的Simulink仿真模型,最后给出了该仿真模型应用在非线性对象中的仿真结果。

基于S函数的BP神经网络PID控制器Simulink仿真

本文以BP神经网络PID控制器的Simulink仿真为例,介绍了复杂控制规律的S函数构造方法,给出了基于MATLAB语言的BP神经网络PID控制器的S函数仿真模型,及该模型在一非线性对象的仿真结果。采用S函数可以充分发挥Simulink的优势,扩充Simulink的仿真功能,而且特别适合于复杂控制系统的仿真。

基于S函数的RBF神经网络PID控制器Simulink仿真

以RBF神经网络PID控制器的Simulink仿真为例,介绍了复杂控制规律的S函数构造方法。给出了基于MATLAB语言的RBF神经网络PID控制器的S函数仿真模型,及该模型在一非线性对象的仿真结果。从而避免了复杂系统仿真时采用编程方法编写大量复杂而烦琐的源程序,使编程快速、简捷,调试方便,使系统仿真工作量会大大减少。采用S函数可以充分发挥Simulink的优势,扩充Simulink的仿真功能,不但仿真模型简单,而且大大降低了编程的难度,特别适合于复杂控制系统的仿真。

基于模糊系数修正BP神经网络PID的BLDCM控制系统仿真研究

常规PID、模糊算法无法解决无刷直流电机(BLDCM)控制系统存在的强耦合、非线性等问题,在干扰作用下容易出现信号失真。针对该问题,在滑行灯伺服转向系统中,以BLDCM三闭环控制系统为研究对象,结合BP神经网络、模糊控制和PID算法,提出一种基于模糊系数修正BP神经网络的PID控制。通过Simulink建模及仿真,对比研究了该策略与常规控制算法在转矩扰动和磁通扰动状况下的动态响应特性。仿真结果显示该改进控制算法在BLDCM位置控制系统中性能优良。

基于BP神经网络PID的舰船水下静电场防护控制的研究

舰船的电场信号已经成为舰船的目标探测信号之一,所以水下静电场防护直接影响舰船作战时的隐身性能。本文基于外加补偿电流的方法,通过Simulink软件,分别采用常规PID控制与神经网络优化PID控制,进行补偿电流的输出比较。仿真结果表明,BP神经网络算法优化PID后的控制电流,超调量明显减小,稳定所需时间也明显缩短。接下来进行船模的试验验证,试验结果表明,神经网络优化后的PID控制在船模水下静电场防护方面效果更好。

基于BP神经网络的四旋翼双闭环PID轨迹跟踪控制

首先建立了四旋翼系统数学仿真模型,然后对飞行时轨迹跟踪和姿态稳定等控制问题进了分析,设计了基于BP神经网络优化的双闭环PID轨迹跟踪控制器。其中外环为空间位置环,输入为实际空间位置与期望轨迹路径差值,输出为姿态控制角;转换为角速度后作为内环姿态环输入,进行四旋翼姿态稳定控制。为增加系统鲁棒性,获得更优系统性能,内环PID参数采用BP神经网络优化调整得到。最后通过MATLAB平台仿真实验,可以看出基于BP神经网络优化的双闭环PID控制具有良好的轨迹跟踪性能。

C32摩擦焊机的神经网络PID自适应控制研究

针对C32连续摩擦焊机闭环控制系统的时变性、非线性控制精度较低以及稳定性较差等问题,研究一种BP神经网络与增量式PID控制器相结合的控制算法来提高系统性能。参考C32连续摩擦焊机实际运行参数,通过AMESim软件建立物理模型;结合Simulink建立神经网络PID自适应控制器进行联合仿真,建立电液力闭环控制系统。结果表明:C32摩擦焊机非线性控制系统在神经网络PID自适应控制下的响应速度、上升时间、控制精度以及稳定性皆优于传统PID控制;BP-PID在非线性控制中快速响应的同时消除了原有控制器的超调量,极大地提高了系统稳定性。

盾构机推进液压系统仿真控制研究

推进液压系统是盾构机的关键设备之一,对盾构掘进姿态、隧道开挖速度以及掌子面的稳定起着至关重要的作用。常规推进液压系统采用比例调速阀及比例溢流阀控制系统的速度与压力,利用PID算法抑制推进过程中系统的速度和压力的波动。该常规PID控制方法在稳定性较高的地质条件下效果明显,但在软弱不均的地质环境下波动明显,影响开挖速度及精度。通过对系统及推进过程中的稳态性误差进行分析,建立系统AMEsim仿真模型;然后利用Simulink算法建立一种BP神经网络控制器,将AMEsim模型与Simulink算法的BP神经网络控制器进行联合仿真。结果表明:与常规PID控制相比,BP神经网络结合PID控制策略针对变流量、变压力工况有更好的响应特性,可以更好地抑制速度与压力的波动。

戈壁地貌地形探测器接地压力神经网络控制研究

针对戈壁地貌地形探测器接地压力调节系统具有的非线性特点,提出了地形探测器接地压力的BP神经网络PID控制方法,设计了BP神经网络PID控制器,并利用MATLAB软件编程进行了仿真分析和实验。研究结果表明,BP神经网络PID复合控制较之常规PID控制可使系统具有更优的动态性能和良好的跟随特性,是一种有效的控制策略。

薄膜张力控制系统的建模与设计

鉴于薄膜收换卷时的张力大小及平稳性对收卷质量具有决定性的影响,针对流涎机收卷系统的动态过程,分析了张力与收卷线速度、卷径及转速之间的动力学关系,提出了张力控制原理,并分析了薄膜在收换卷时收卷电机转速的变化补偿规律。在此基础上,设计了薄膜在收换卷时的张力控制系统,通过控制速度差对张力进行间接控制,同时采用BP神经网络PID控制器调节收卷转速对张力进行直接补偿。仿真对比结果表明,该控制器动态响应好,抗干扰能力强。实际应用实例也证明该控制方法张力控制精度高,控制高效可靠,对改善系统的动态特性和提高薄膜的收卷质量有着重要意义。