基于INFI-90Smith预估器的过热汽温控制调节

介绍了Smith预估器的控制原理和应用,并以辽宁发电厂的#3、4机组过热汽温控制为例探讨了Smith预估器对过热汽温控制时参数的整定方法,并对实施后的效果与常规PID控制效果进行比较和总结。     

基于BP神经网络PID算法的水箱液位控制系统设计

针对水箱液位这样一个多干扰、大惯性、高度非线性系统控制性能优化较困难,传统的控制策略在控制精度、灵敏度以及系统稳定性均存在缺陷,充分利用神经网络具有非线性函数逼近能力,构造神经网络PID自整定控制器,在解决高度非线性和严重不确定系统方面具有较好控制能力.解决了传统PID控制算法难以保证系统在任何工况条件下始终具有最佳控制性能的难题.仿真结果表明,该控制能使系统达到较好的控制效果.     

基于改进蚁群算法的参数寻优在过热汽温控制中的应用

文章提出了一种基于改进蚁群算法的参数寻优方法。首先,针对蚁群算法搜索最优解的范围存在局限、容易陷入局部最优的问题,将莱维飞行的思想运用到信息素蒸发系数的寻优中,扩大了最优解的搜索范围,避免了陷入局部最优的局限性。其次,为了改善火电厂过热汽温系统的控制品质,将提出的改进蚁群算法运用到火电厂过热汽温系统的参数寻优中,先后完成了过热汽温系统的模型辨识和主副回路控制器的参数优化。最后,为了验证提出方法的有效性,采用国内某600MW火电厂机组的历史运行数据进行仿真试验,试验结果证明了该方法的可行性和有效性。     

基于偏好多目标蜂群算法的过热汽温控制系统优化(英文)

为了将决策者的偏好综合到多目标问题求解过程中,提出了一种偏好多目标蜂群优化算法PMABCA.在PM ABCA中,给出了一种新的偏好距离计算方法,基于非支配等级与偏好距离定义了适应度分配函数,并引入了归档集用于非支配解的存储.为了清除非支配集中多余的解,提出了改进的偏好拥挤距离算子.针对经典函数优化问题的计算结果表明,PMABCA可以在输出完整Pareto前端的基础上,确保输出大量符合偏好的最优解.将PMABCA应用于过热汽温控制系统PID参数优化问题,仿真结果表明,新算法的结果更便于决策者做出合理决策.     

基于BP神经网络PID自整定的光电色选机控制系统

采用BP神经网络参数自整定PID的控制策略来实现对光电色选机的自动化智能控制,系统以TMS320VC5402为主控器,对光电色选机主作业参数之流量、背景板角度和滑槽仰角进行在线自整定,达到自动调整色选机工作状态的目的;并且设计了基于DSP的智能控制方案,给出了系统的硬件构成和软件实现算法.     

基于BP神经网络的PID在压延机温控系统中的应用

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。     

采用非线性模块的BP神经网络PID水位预测控制

因非线性时变控制系统造成的滞后,压水堆核电厂蒸汽发生器(SG)水位控制会引起的较大惯性或耦合,对此提出一种基于非线性模块的BP神经网络PID控制预测模块。采用BP神经网络模型作为非线性预测模块,调用SG水位PID控制运行数据作为非线性预测模块的训练样本;提取BP神经网络模型的输出数据作为BP神经网络PID的输入数据,多重优化BP神经网络的权值及阈值,缩小修正差值逼近系统整定值;构建SG水位非线性模块的预测数值与系统运行数据之间的非线性映射关系,修正带有预测判断方向的阈值,实现在线动态调整输出PID各参数的最优值。实验结果表明,预测模块可有效缩短系统的稳定阶跃响应周期,具有较高的计算精度。     

基于模糊加权的多模型预测控制在过热汽温系统中的仿真研究

针对大多数复杂热工控制对象非线性特性与运行工况密切相关的实际特点,提出了一种基于模糊加权的多模型预测控制算法。该算法采用多模型自适应控制（MMAC）中模型集选取的方法,权重计算则通过多模型优化模糊加权算法,将各子模型输出概率加权平均值作为对实际对象的预测输出值,通过一个动态矩阵预测控制器计算最终控制。并对一个超临界600MW直流锅炉过热汽温对象进行仿真,验证了该算法的有效性。     

基于BP神经网络优化的PID控制器研究

在现代网络控制系统中,数据通信时数据包的丢失,严重影响网络控制系统的稳定性。针对数据包丢失问题,采用一个满足2-stateGilbert的随机分布变量来描述数据在传输过程中的丢包,进而建立一个随机的、非线性输入模型,设计一种BP神经网络PID控制器,将BP神经网络算法和PID控制器有效结合,实现由BP神经网络整定的最佳PID控制。仿真验证表明,当网络控制系统的数据丢包率在一定范围时,与传统的PID控制器性能进行对比,BP神经网络PID控制器可以使系统具有更好的控制效果、较好的环境适应力和鲁棒性。     

BP神经网络PID控制在稀土永磁无刷直流电动机伺服系统中的应用

利用PID和神经网络的自学习、非线性和不依赖模型等特性实现PID参数的在线自整定．依据控制要求实时输出Kp,Ki,Kd,依次作为PID控制器的实时参数,代替传统PID参数靠经验的人工整定和工程整定．仿真结果表明该方法提高了稀土永磁无刷直流电动机伺服系统控制和响应速度,具有较强的自适应性和鲁棒性．     

基于Elman网络的过热汽温隐式广义预测控制

过热蒸汽温度具有时变、大迟延、大惯性的特点,使用传统的PID控制器很难取得满意的效果。针对这一问题,提出了基于Elman网络的过热汽温隐式广义预测控制系统。采用Elman网络作为被控对象的预测模型,在求解最优控制增量时直接辩识控制器的参数,使得对象的建模方便而且控制系统的在线计算量小。仿真结果表明,此控制系统具有优良的控制性能。     

基于BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数．该方法适用于非线性系统和时变系统,实现了PID参数的在线整定．     

基于LabWindows／CVI神经网络技术虚拟温度补偿仪的实现

通过虚拟温度补偿仪的实现,阐述了运用常用的BP神经网络技术与虚拟仪器技术相结合创建虚拟压力传感器温度补偿仪的设计原理与方法．在实验室采用信号发生器模拟外部现场信号对所设计的测试系统进行测试,证明该系统能够得到预期的效果,人机界面友好．     

基于RBF神经网络的X型四旋翼飞行器优化控制

为使X型四旋翼无人机系统能够在受到扰动时快速调整状态以适应环境变化,对X型四旋翼无人机进行区别于传统的受力分析,建立动力学数学模型,采用RBF神经网络和PID联合控制方法,依靠神经网络自学习和非线性映射特征实现系统控制参数的动态整定。以MATLAB/Simulink为实验平台,对RBF神经网络PID控制系统和单纯PID控制系统分别进行仿真。实验结果表明,RBF神经网络PID控制比传统的PID控制调整时间更短、控制效果更好,增强了系统自适应性。     

一种神经网络预测控制在超临界主汽温度中的应用研究

传统PID控制难以在非线性、迟延、时变和具有扰动特质的超临界主汽温度控制系统中达到满意的控制效果.因此,提出了一种采用多步预测、滚动优化和反馈校正的神经网络预测控制系统.以某超临界电厂主汽温度为研究对象,MATLAB仿真结果表明：不同的工况建立的主汽温度神经网络动态模型,能够很好地预测对象的动态特性,取得了优于传统PID的控制效果.     

基于灰色预测与BP神经网络的全球温度预测研究

为深入了解全球变暖缘由及影响,探究变暖是否停滞,考虑地球吸热、散热及海洋温度变化等因素,构建一种全球温度预测模型,预测未来25年温度变化。采用主成分分析法找出贡献度较大的3个主成分,再用3组灰色预测模型预测海洋平均温度、二氧化碳排放量、太阳长波辐射等8个变量,并进行光滑比、级比和残差检验。结果表明,预测符合前29年（1990-2018年）时间序列图规律,用历史数据训练BP神经网络,然后把8个变量的预测值代入神经网络,拟合优度为0.922 72,精度非常高,可以看出全球平均温度距平序列越来越大,说明温度正逐渐升高,而不是停滞。     

基于BP神经网络模型的通货膨胀预测

通货膨胀的诱因、预测与控制是各国政府、学者乃至普通民众关心的热点问题。运用交叉相关分析法对GDP增长率、M2增长率、工业生产者购进价格指数等因素与通货膨胀间的关系进行了定量分析,确定了各因素与通货膨胀之间的领先、一致和滞后关系;然后结合人工神经网络原理,以先前确定的领先指标作为输入信息建立了基于BP神经网络的通胀预测模型,最后根据模型预测结果,提出了控制通货膨胀的相关政策建议。     

基于BP网络的有教师分类算法及应用

介绍BP神经网络的结构及相关算法,并通过实验比较不同情况下对BP神经网络的收敛速度与分类精度的影响。实验表明,合适的参数设置能提高BP神经网络算法的分类精度。