污水处理中基于神经智能PID的DO控制研究

污水处理是一个复杂的生化反应过程,采用传统的PID控制难以满足工艺提出的要求,为此本文设计出一种神经智能PID控制器,将神经网络和PID控制融为一体,并且根据PID自整定获取神经元自适应PID控制器权系数的初值.实现对氧化沟的智能控制,仿真和实时控制结果显示,这种控制方法对氧化沟DO的控制和节约电能都有一定的优越性.     

动态属性权重智能前馈神经网络电力控制方法

在工业园区光伏并网控制中,电力控制驱动过程中呈现阻尼振荡,影响系统响应速度和稳定性。提出一种改进的基于动态属性权重人工智能前馈神经网络的电力控制方法,提高工业园区光伏并网电力控制性能。控制系统设计中,采用两个PI控制器,并结合使用磁链控制器和转速控制器,在转子磁场坐标系下,利用仿射PARK变换,使得工业光伏并网控制电力系统所有运算在转子磁场坐标系下实现。构建人工智能前馈神经网络,通过功率前馈控制加快并网系统的响应速度,采用动态属性权重预测电流控制技术补偿延时,实现无差拍控制和正弦脉宽调制。系统测试表明,采用该控制方法进行工业园区光伏并网电力控制,能有效抑制控制延时和电感量偏差对并网电流造成的畸变,控制系统鲁棒性和稳定性较高。     

一种基于子空间辨识的预测控制器设计及其性能评价方法

在模型预测控制器的设计过程中模型辨识和控制器设计是两个独立的步骤：传统的LQG基准需要一个解析的参数模型来设计LQG控制器．并将其应用到实际过程中才能计算性能评价基准。为了在控制器投入实际应用之前,同时实现控制器的设计和性能评价基准的构造,本文提出一种基于子空间辨识的预测控制器设计及性能评价方法。该方法仅依赖过程历史输入输出数据,利用子空间辨识得到的子空间矩阵,设计预测控制器和构造性能评价指标。最终,在一个统一的框架下实现了预测控制器的设计和性能评价。针对Wood—Berry过程的仿真研究验证了该方法的可行性和有效性。     

模糊控制系统研究及应用浅析

详细介绍了模糊控制技术的研究与发展。主要论述了模糊控制理论的分类及其组成,对模糊控制器的设计及应用进行了综述。重点阐述了近年来模糊控制与其他先进控制算法的融合与改进,其中包括与预测控制结合的模糊预测控制,与神经网络的融合,以及基于遗传算法的模糊控制等。     

基于改进型BP神经网络PID的电阻焊机电源恒电流控制

针对实际电阻点焊过程复杂多变,精确数学模型的建立较为困难,传统PID控制器难以保证系统在不同的工作状况下具有良好的控制特性,提出了一种改进型BP神经网络PID的电阻焊机电源恒电流控制方法。将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数Ki、Kp、Kd,并将粒子群算法引入到神经网络中作为其学习算法,有效的提高了BP神经网络算法收敛速度。仿真结果表明,该电源智能控制方法能够根据系统运行状态对PID参数进行自适应调整,有效的对焊接电流进行恒定控制。     

腐蚀环境作业用机器人钯镍电镀系统电机控制技术

腐蚀环境作业用机器人钯镍电镀系统的电机优化控制可以提高电镀加工的精确度,提出一种基于自适应PID神经网络模糊控制算法的腐蚀环境作业用机器人钯镍电镀系统电机控制技术。首先进行了控制系统的总体设计和构成描述,电机控制系统主要是由感知系统、驱动器和执行器系统等单元组成;然后采用自适应PID神经网络模糊控制算法进行控制器改进设计,提高稳定性,降低控制误差。仿真结果表明,该控制方法性能较好,鲁棒性和控制品质较高。     

基于Fuzzy-PID多模态广义预测控制

自动控制技术在当今的工程和科学发展中起着极为重要的作用。自动控制理论在发展过程中,形成了经典控制理论和现代控制理论。然而,在实际的工业控制过程中,常常存在着各种不确定性。为了满足日益复杂的工业过程自适应控制的需要,出现了预测控制,并在工业控制领域中得到了成功的应用。文章设计了一种Fuzzy-PID广义预测复合控制器,使模糊控制、PID控制与广义预测控制3种控制算法结合起来。通过该控制器可以有效的根据不同的工业生产环境来选择其适合的控制方法,以提高其生产效率,使控制得到充分的优化。     

开关磁阻电动机的非线性模型预测控制

将非线性预测控制应用于ＳＲＭ传动系统,建立了非线性参数预测模型,并在此基础上优化、校正,设计了ＳＲＭ的非线性速度预测控制器。该控制器具有实时预测、实时优化、实时校正的特点,很好地补偿了ＳＲＭ的非线性特性。与传统ＰＩ控制器相比,非线性模型预测控制器能提供更好的动态、静态特性,转矩脉动大为减小。（仿真结果表明,该控制策略不但正确、有效,而且使ＳＲＭ传动系统性能得到改善。     

基于闭环子空间辨识的自适应预测控制器设计

针对存在噪声干扰的线性系统,提出了一种基于闭环子空间辨识的自适应预测控制器设计方法。结合PI控制律,通过采用比例积分形式的目标函数,推导具有比例积分结构的闭环子空间预测控制算法,结合递推方法和滑动窗口方法将算法在线实施,并分别采用双曲变换法与快速滑窗算法进行快速Cholesky分解更新。该方法整合模型辨识与控制器设计,是一种数据驱动的方法,能够有效抑制超调,控制作用更加平滑,具有较高的在线计算效率。仿真结果表明,该方法能够对存在噪声的系统起到良好的控制效果。     

基于自适应神经网络的供热锅炉温度解耦控制系统研究

本文将神经网络应用于PID控制器的参数整定,提出了一种基于自适应神经网络PID的控制算法。通过在供热锅炉温度解耦控制系统中的应用,得到了实际的仿真结果和结论。MATALB仿真和实验结果表明,该控制方法通过自主学习、能做到自适应调整经验数据和智能调整神经网络权值,最后能达到满意的解耦响应控制效果,实现了对供热锅炉加热炉温度的精确稳定控制。     

高速公路BP神经网络限速控制

通过对高速公路在运行中遇到的主要问题的阐述,分析了可变限速控制在高速监控系统中的作用。针对高速公路可变限速控制是一个非线性时变系统,难于用数学模型进行建摸这一特点,提出了BP神经网络控制方法。阐述了BP神经网络的学习算法,根据高速公路主线上车辆数目以及路面状况、气象条件等信息,设计了高速公路可变速度标志神经网络控制器,并对控制器进行了仿真研究。仿真表明:网络学习速度快,自适应强,泛化能力好,结果精度高,对交通流限速控制中具有一定的推广应用价值。     

基于PLC的温度模糊控制系统设计

介绍了一种基于PLC2124的温度模糊控制系统的设计方法,并且通过以电热温控方式为研究对象详细叙述了PLC的基本原理及PLC的工程设计的相关步骤。针对温度控制的特点,设计一个用基于西门子可编程序控制的模糊控制器,采用Profibus-DP现场总线建立一个现场控制层,再基于工业以太网构建一个监控与管理层。最后以电炉温度为控制对象,实现对温度的模糊控制。     

PLC可编程序控制器控制二次加压泵站恒压供水的设计

该设计采用变频器进行压力调节,PLC可编程控制器、变频器作为系统控制的核心部件。随时跟踪管网压力与额定压力的偏差变化,通过程序控制和运算,自动控制水泵投入的台数和电机转速,实现闭环自动调节恒压变量供水。     

神经网络内模控制在矿井局部通风机上的应用

根据掘进工作面的局部通风要求,提出了一种新的矿井局部通风机控制方法,神经网络内模控制器根据局部通风机的工作状态对其速度进行实时调整。系统具有设计简单、控制灵活的优点,又具有较好的稳定性和较高的控制精度。     

基于FNN-PID控制的电动机软起动器的设计及仿真

针对三相异步电动机起动电流较大的问题,设计了一种基于模糊神经网络(FNN)的软起动控制器.通过该设计,控制电动机的启动电流平稳达到顺定值,减少起动过程中电流过大对电网的冲击,并利用matlab进行仿真,验证了该系统的优越性.     

基于CRIO 的神经网络智能交通系统设计

本文对智能交通国内、外领域存在的主要问题基础上,基于模糊神经网络的控制理论,提出了一种新颖的城市区域智能交通模糊控制算法,并结合 NI－CRIO硬件平台和 LabVIEW开发工具设计了一个实现该算法的智能交通控制系统。实验证明,设计的交通控制器性能更为智能化,使用更加安全可靠。     

基于模糊神经网络的变频空调控制研究

空调控制房间温度时,由于被控系统具有非线性、变参数、大延迟、干扰多的特性,很难构建精确的数学模型。基于模糊控制理论设计了空调控制器,由于控制规则很难确定,采用神经网络优化训练模糊控制参数及规则,并对变频空调控制房间温度进行了仿真。实验分析,设计的控制器具有很好控制效果,并具有优良的鲁棒性、自适应能力。     

混合式熔炼保温压铸炉温度控制优化研究

为了降低温度控制误差和随机扰动对温度影响,提出了混合式熔炼保温压铸炉温度控制优化方法.结合PID控制器与模糊神经网络,设计模糊神经网络PID控制器,通过两输入一输出的模糊神经网络结构,解决PID参数在线整定困难问题;通过寻找最佳网络结构和参数,以遗传算法为基础,采用离线优化算法,通过初始化参数、网络结构学习以及参数优化三个步骤优化模糊神经网络控制器,实现混合式熔炼保温压铸炉最佳温度控制优化.经实验验证:该方法温度变化波动与温度误差较小,且加入固定扰动和随机扰动时温度变化小.     

物联网环境下语义感知前馈反馈控制设计

提出一种基于发布/订阅中间件结构的物联网环境下语义感知前馈反馈控制设计方法。面向大规模物联网,包含许多发布者,它们从物理世界和逻辑传感器收集实时数据,进行实时数据分发算法设计,利用了两个控制环来实现预期的Qo S和Qo D,通过双环路控制,得到语义感知前馈反馈控制改进设计模型。仿真实验表明,该语义感知前馈反馈控制,降低了通信开销,提高了语义感知的控制性能。通过本文设计带控制器的物联网语义感知,始终将CPU负载控制在目标值附近,相反不使用控制器时,CPU波动严重,设计的控制方式为负载变化不可预测的物联网提供了较好的自适应能力。     

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.