基于BP神经网络的PID过热汽温控制设计与实现

火电厂过热汽温控制品质的好坏,直接影响发电机组的安全运行及其生产效率。常规PID控制算法无法满足过热汽温控制系统参数的时变性,利用BP神经网络的自学习性和鲁棒性的特点,结合常规PID控制算法,设计了一种基于BP神经网络的PID过热汽温控制系统,根据被控对象参数的变化,采用BP神经网络自动调整PID参数,实现了PID参数自调整的功能。经过仿真分析与实际投入工厂试运行表明,设计的控制系统可行,且控制效果良好。     

污水处理系统溶解氧的BP-PID控制算法

针对污水处理系统中溶解氧含量波动较大难以控制的问题,提出了一种基于BP神经网络的PID控制器设计方法,并根据BP神经网络的结构和特点优化了控制器参数。基于BP神经网络的PID控制器能根据系统状态在线调整PID控制参数,使系统误差保持在较小范围内,且能使系统受到干扰时快速恢复到稳定状态。以溶解氧含量为控制对象,分别对常规PID控制器和基于BP神经网络的PID控制器进行了大量仿真研究。仿真结果表明：基于BP神经网络的控制系统具有较好的适应性和鲁棒性,其控制品质优于常规PID控制器。     

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。     

基于模糊神经网络PID的无刷直流电机控制系统研究

针对传统PID控制在无刷直流电机控制系统中达不到良好的控制效果的问题,在无刷直流电机的数学模型基础之上,设计一种模糊神经网络自适应PID控制器,该控制器利用模糊控制非线性控制作用和BP神经网络的学习能力及适应能力相结合对PID参数进行在线实时调整。对基于模糊神经网络自适应PID控制器的无刷直流电机的双闭环控制系统进行仿真实验,实验结果表明,可以提高控制系统的响应速度,减小超调量,对负载及电机参数的变化都有较强的鲁棒性。     

BP神经网络PID控制在高炉TRT顶压控制系统中的仿真

为改善传统PID的控制缺陷,提出了BP神经网络PID控制算法应用于高炉TRT顶压控制系统中的设计构想,并针对影响高炉炉顶压力稳定的两个重要参数,运用Matlab软件进行仿真,结果表明,该优化控制算法对高炉顶压控制系统的控制效果明显优于传统PID。     

BP网络的主控式误差调整学习算法

提出一种BP神经网络的主控式误差调整学习算法,该算法根据网络输出端的误差变化趋势主动控制输出层的误差调整,进而由调整误差的主动调节控制网络权值和阈值的学习。计算机模拟结果表明,这种学习方法具有能稳定收敛、收敛速度快、适用范围宽、泛化能力强等特点,从而在一定程度上克服了传统BP算法的局限性,实现较有效的学习。     

基于底层组网与云端互联的高校智能照明控制系统

为了摆脱高校传统机械式开关控制照明的方式,设计了一种基于底层组网与云端互联相结合的高校智能照明控制系统。本系统由嵌入式智能硬件控制平台、灯具控制器和环境信息感知模块组成,实现了手机等智能终端与硬件控制平台的远程网络通信,达到了利用手机等智能终端上的应用程序对教室进行开、关灯以及感知教室环境状态的控制效果。同时,管理用户可通过应用程序将硬件平台设置成自动控制模式,由系统自主根据环境信息对灯进行开、关设置。经实时环境测试,已验证该照明系统的可行性和实用性。     

基于BP神经网络的SVPWM控制系统仿真研究

将SVPWM控制方法应用于控制系统的三相逆变器部分,通过BP神经网络得到SVPWM的调制波信号。在MATLAB/Simulink软件平台上,构建了神经网络仿真模型,在异步电动机控制系统中进行了仿真研究。结果表明基于BP神经网络实现SVPWM控制信号的正确性和可行性。     

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PID神经网络的碳粉燃烧器解耦控制问题研究

针对特定碳粉燃烧器中设定温区不同温度值难以采用常规控制算法解决的问题,提出了利用燃烧室不同位置测量温度作为输入,碳粉送进机构以及进气量控制为输出,基于多变量控制系统的特点建立了BP神经网络数学模型,利用PID神经网络控制建立系统的解耦模型,以不同热区温度设定值和燃烧器温度值为解耦模型输入参量,将系统解耦模型的输出作为BP神经网络控制系统的输入值,对燃烧过程进行控制,仿真结果表明该方法具有较好的控制特性.     

BP神经网络PID在配料控制系统中的研究与仿真

本文论述了在恶劣环境下电子秤配料系统可采用的一种控制算法,BP神经网络PID控制器,设计出了控制器构成的神经元、激活函数与神经元权系数的算法.该控制器通过神经网络所具有的自组织、自学习、自适应的能力,将人工计算与传统PID控制相结合,互相补充,共同提高了控制质量,经Matlab仿真,效果良好.     

一种智能的无线温度控制系统设计与实现

针对传统室内温度控制方案的诸多不便和低智能化现状,运用Zig Bee无线通信技术和智能预测算法构建了室内空调智能温度控制系统。设计了由主控制台、传感终端和控制终端组成的硬件系统。采用基于BP神经网络的智能预测算法实现智能预测和突发情况处理。在Matlab中的仿真结果表明:BP神经网络算法对空调开关预测的准确度高达92%,对温度控制预测的平均误差为0.846 8℃,即可在大多数情况下准确地实现智能化控温操作。     

基于广义BP算法的模型参考自适应控制

改进了传统的神经网络BP算法,提出了基于广义BP算法的非线性不确定系统的神经网络模型参考自适应控制方案.并将其用于非线性不确定系统的控制,仿真实验表明了控制器具有良好的非线性控制性能.     

基于智能多级亮度的城乡路灯照明系统节能控制设计

在路灯照明控制系统中,维持特殊天气情况时光线强度对环境的平衡以及节能减耗是控制的目的,因此根据光强控制灯光的开灯率是控制系统设计过程中的重要环节.在分析了光照强度检测条件的前提下,提出了灰色理论的路灯照明多级亮度智能控制策略,解决了开灯率高和能源浪费的问题.     

BP神经网络在银耳培植环境控制中的应用

银耳培植是古田县的支柱性产业,但培植专用房环境监控对经验的过度依赖阻碍了其银耳产业的发展。为使银耳培植摆脱对经验的完全依赖,且不过分增加成本投入,设计了BP神经网络模型用于替代人工经验给出环境控制方案。实验证明利用该BP神经网络给出的环境控制方案有较高的正确率,是可行的。     

三容液位过程控制实训系统智能控制算法研究

本文以实训室三容液位过程控制实训系统为模型,设计了基于BP神经网络智能控制算法并在三容液位系统中仿真分析,研究三容液位控制系统的控制学习《自动化控制原理》课程有很好的指导意义。     

NFOA-BP融合算法及其在焚烧炉温度控制中的应用

污泥焚烧炉温度控制过程中,由于投入污泥块热值不均以及外界环境干扰,传统的PID控制不能快速稳定地将炉温控制在所需范围内。为适应环境变化,实现更高效的炉温控制,提出一种基于NFOA-BP算法的污泥焚烧温度控制方法。该方法将改进型果蝇算法与BP神经网络结合,通过NFOA算法优化神经网络的初始权重和阈值,进而提高神经网络的全局搜索能力。将NFOA-BP算法应用于污泥焚烧炉温度控制系统,与传统PID温度控制系统进行仿真对比实验。结果表明该系统响应平稳、迅速,超调减小,正确率达到95%以上,比传统PID调节方法提高5%左右。     

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。     

独立型太阳能LED照明系统设计

采用基于AT89C51单片机的控制系统实现太阳能照明系统的智能化控制,根据照明电路的实际需要及匹配原则分别分析计算蓄电池、太阳能电池板等各部分的参数。着重对控制器的软硬件进行分析和设计,并根据夜间照明的规律,采用定时控制的方法,有效提高系统的照明效率。采用先电路仿真后再实验的方式完成系统的设计。     

基于改进型BP神经网络PID控制器的温室温度控制技术

针对温室温度控制系统所存在的大惯性、非线性等问题,提出一种基于改进型BP神经网络PID控制器(BP-PSO-PID)的温室温度控制技术。该控制器由经典PID控制器及神经网络构成,通过神经网络的自学习、加权系数的调整,使系统输出最优控制下的PID控制器参数Ki,Kp,Kd,并利用粒子群算法作为其中神经网络的学习算法,实现了对神经网络的改进,有效克服了传统BP算法的收敛速度慢、存在局部极小值等问题。仿真实验表明:相对常规PID以及BP-PID,该BP-PSOPID控制器大大改善控制过程的响应速度、调节时间、超调量、误差等性能,且在加入干扰的情况下,该控制器的调节时间最短,波动最小,表现出更强的抗扰能力及适应性,从而大大提高温度控制过程的稳定性、精确性与鲁棒性。