自适应神经元PID控制器的设计

神经网络是单个并行处理元素的集合,可以通过改变连接点的权重来训练神经网络完成特定的功能.本文利用神经网络的模型,根据一般BP神经网络的设计原则,在传统的PID控制器的设计基础上,介绍了自适应神经元PID控制器的设计过程,与传统的PID控制器进行了比较,并进行了实验的仿真.     

基于MATLAB的PID控制器的仿真

PID控制是生产过程中广泛使用的一种最基本的控制方法,本文分别采用积分分离PID和变速积分PID控制算法对炉温控制系统进行控制,并用MATLAB对系统进行了动态仿真,具有一定的通用性和实用性。     

论基于MATLAB语言的BP神经网络的改进算法

针对标准BP算法存在的缺陷，本文给出了基于MATLAB语言的BP神经网络几种改进的算法，阐述了各种BP算法的优化技术原理、优缺点，并就它们的训练速度和内存消耗情况作了比较，建议在多数BP神经网络训练时，先尝试使用Levenberg-Mqrquardt算法，其次是BFGS算法或共轭梯度法以及RPROP算法。     

基于BP神经网络的PID控制在反应釜温度控制中的应用

常规PID的控制,不但其参数难以整定,而且还依赖于对象的精确数学模型,适应性较差,对复杂过程不能保证其控制精度.本文根据反应釜温度时间滞后具有非线性、强耦合、不确定性过程的控制需要,提出了一种基于BP神经网络的PID控制方法;并介绍了神经网络PID控制器的算法,对经典PID参数选取进行了分析.仿真结果表明,与传统PID算法相比该控制方法可实现有效的控制,具有实现简单、控制效果好的特点.     

基于模糊PID的控制器研究

模糊PID控制系统就是模糊理论与传统的PID控制器的结合。以一控制对象为例,对两种方式的控制进行了仿真和比较,并得出了相应的结论。     

基于MATLAB实现BP神经网络模型在地下水水质评价中的应用

本文运用BP神经网络理论和方法,使用MATLAB工具箱函数编程,建立了地下水水质评价模型,对抚州市临川区5个地下水水质监测点进行水质评价。将评价结果与模糊综合评价法的评价结果进行对比,结果表明,BP神经网络对地下水水质评价是可行的,能够很好地解决评价因子与水质等级间复杂的非线形关系,评价结果的精度也得以大大提高。     

基于BP网的PID控制器在单环伺服系统中的应用

本文在分析传统伺服系统控制方法的基础上，阐述了一种基于BP神经网络控制的PID控制器，并对其在单环伺服系统中的应用进行了分析，仿真结果表明系统具有良好的控制性能。     

基于MATLAB的BP神经网络的设计与训练

本文介绍了BP神经网络以及运用matlab工具箱构造BP神经网络,并对该神经网络进行训练的方法及过程.并以函数逼近为例,通过改变被逼近函数的参数、BP网络隐层神经元的数目、BP网络的学习算法,比较训练效果的差别,进而得出结论.     

基于MATLAB的BP神经网络改进算法研究

BP算法是MLP网络的标准训练算法,虽然BP网络得到了广泛应用,但其自身也存在一些缺陷和不足,通过对BP神经网络的众多改进算法进行分析比较,在实际应用中,对同一个样本,在MATLAB中用不同的BP改进算法进行训练可以得出LMBP算法的收敛速度快,训练次数少,训练效果好。但对于复杂的问题,这种方法需要很大的内存,在MATLAB工具箱中解决了这个问题。因此,对于中等规模的网络,采用LMBP算法是最合适的。     

基于BP神经网络的控制算法及在制药生产中的应用

制药工业是我国国民经济的主要产业,药品生产质量的要求也越来越严格.药品生产车间洁净区的环境条件是影响药品生产质量的主要因素之一,针对药品生产车间温度控制系统大滞后、大惯性、非线性,以及难以建立精确的数学模型等特点。在传统PID控制的基础上,基于神经网络具有任意非线形表达能力,以及可以通过对系统性能的学习来实现P I D参数的在线调整,确定最佳组合的P I D参数来实现车间温度的有效控制,本文通过仿真分析表明控制效果良好,具有调节时间短、无超调、稳态误差小等优点。     

PID控制器参数整定

PID控制是工业实践中应用最广泛的控制方法之一.本文介绍了几种工业控制中常见的PID控制器参数整定的方法.     

BP神经网络在智能雨刮器上的应用及MATLAB仿真研究

在分析了传统雨刮器缺点的基础上,提出了一种基于BP神经网络的模式识别模型,用专家的经验数据训练它,并测试了它;给出了BP神经网络的学习过程及算法。结果表明这个基于BP神经网络的模型不使用精确的数学模型即可有效处理智能雨刮器系统的不可靠性和非线性。     

MATLAB下GA工具箱和ANN工具箱联合使用的实现技术

简述了以遗传算法GA训练神经网络的优点和原理,探讨了利用MATLAB提供的神经网络工具箱和遗传算法工具箱实现遗传算法训练BP人工神经网络的技术,以一个生物基因表达谱分类实侧进行了例证,实验结果证明本研究提出的方法切实可行。     

基于BP神经网络的应用及实现

针对医学中癌细胞与正常细胞的正确分类率不高的问题,提出BP神经网络对其进行分类。本文介绍了BP神经网络的基本算法及几种改进算法。为了提高癌细胞的检测正确率,本文分别采用四种改进算法训练BP神经网络并进行测试。通过分析其训练效果的关键数据及测试结果,可以得到较高的癌细胞分类准确率。实验表明,采取合适的算法对BP网络进行训练,可以达到较好的分类效果。     

基于BP神经网络PID控制在单元机组中的应用

介绍了基于BP神经网络的PID控制策略,即：采用PID控制器对两个回路实行控制,同时根据系统误差,用BP神经网络分别在线调整PID控制器的比例、积分和微分的系数;具有算法简单,抗干扰性强及鲁棒性好等特点;仿真结果表明了其有效性。     

基于BP神经网络反馈控制器的设计

主要研究了BP神经网络反馈控制器的结构,分析了BP神经网络的学习算法。通过自适应学习速率在线调整网络权值以逼近对象的逆动态模型,并利用Lyapunov方法给出了该算法的收敛的条件。     

BP神经网络实现函数逼近的应用分析

文章指出了BP神经网络存在的问题,选择了一个具体的目标函数,利用Matlab的神经网络工具箱进行系统仿真,通过改变系统的隐层神经元数目、训练函数和激励函数,分别比较了系统在模型发生改变后在实现函数逼近性能方面的差异,并提出了要使BP神经网络在函数逼近方面具有良好的性能,在隐层神经元数目、训练函数以及传递（激励）函数三个方面需要注意的问题。     

模糊自整定PID控制器的设计及仿真

针对传统PID控制器调节时间较长、鲁棒性差、不利于改善控制系统的快速性的问题,提出把模糊理论与PID控制算法结合起来构成模糊一PID控制器。这种控制器能随着过程控制的要求在线自动整定合适的PID参数,从而充分发挥PID功能,达到更好的控制品质。给出了参数可调整的模糊自适应控制器的设计方法,并对其进行一个三阶系统的仿真。结果表明,参数可调整的模糊PID控制器在复杂的控制系统中能取得较常规PID控制器更好的控制效果,系统稳态和暂态性能指标完全得到进一步的提高。     

基于PLC PID控制器的焚烧炉温度控制

针对干冰膨胀烟丝线燃烧器燃烧介质由人工管道煤气改用管道天然气后,焚烧炉温度出现大幅波动,在不改变燃气压力、不更换燃烧器、甚至不更换燃烧器任何配件的情况下,对燃烧器置换天然气的适应性进行分析,并根据PID控制技术,对焚烧炉温度PID控制参数进行理论计算和经验值测试,结合工程实际进行整定,找出最佳PID整定值,改善了燃烧工况,使焚烧炉运行稳定、温度控制准确。     

汽车速度的PID控制器的仿真研究

随着汽车的发展越来越快,汽车速度问题也逐渐凸显出来,我们利用MATLAB程序实现自动控制中PID参数整定及仿真,本文通过MATLAB编程语言实现仿真主要探讨了在汽车运动控制系统中PID参数的整定过程中MATLAB仿真的应用。