共查询到20条相似文献，搜索用时 245 毫秒
1.
本文研究了两大类用于大时滞系统控制的方法,即分别采用经典的PID控制、Smith预估器控制和BP神经网络智能控制方法,对温度控制系统在MATLAB、Simulink环境下进行了仿真研究,比较了各种控制算法的优点及存在的局限性,证明了采用变参数自适应BP神经网络的控制系统能够很好地解决这类非线性、大惯性对象的快速性和稳定性之间的矛盾,具有较强的自适应能力,是一种值得推广的针对不确定性大迟延对象的控制方案. 相似文献
2.
基于BP神经网络的PID控制在反应釜温度控制中的应用 总被引：2，自引：0，他引：2
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. 相似文献
3.
由于在非线性系统中采用传统PID控制不易建立精确模型,导致难以整定系统参数的问题,本文提出了一种基于模糊神经网络的PID控制算法,该算法融合了PID算法、模糊算法以及神经网络算法的优点,构成了一种先进的智能控制算法,并应用在PLC温度控制系统中,实验结果表明,模糊神经网络PID控制器提高了控制质量,很好地克服对象变参数、非线性等问题,提高系统的鲁棒性。 相似文献
4.
5.
PID参数自整定在温度控制系统中的应用 总被引：1，自引：0，他引：1
本文叙述了PID参数自整定在温度控制系统中的应用，设计井研制的温度控制系统。具有控制精度高、控制温度范围大、制冷响应速度快葶优点。本文建立了基于高精度温度控制的智能PID参数自整定方法——继电型参数自整定，实验证明，通过参数整定可以较好的实时改变汪拉仪的响应曲线。 相似文献
6.
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。 相似文献
7.
8.
PID控制具有结构简单、可靠、稳定等优点,但由于不能有效克服负载,模型参数的大范围变化及其非线性因素的影响而不能满足高性能,高精度场合的要求,模糊控制的最大优点是不依赖于被控对象的精确数学模型,能够克服非线性因素的影响。对调节对象的参数变化具有较强鲁棒性。PID参数模糊自整定运用现代控制理论在线辩识对象特征参数,实时改变其控制策略,使控制系统品质指标保持在最佳范围内。 相似文献
9.
变风量空调系统是一个具有大惯性、大滞后、变参数的复杂系统。通常变风量空调系统传统的PID控制,但常规PID控制的参数难以整定、系统超调量大、动态响应速度慢等问题。本文将基于遗传算法的PID控制应用到变风量空调系统中,经过MATLAB仿真,表明基于遗传算法的PID控制具有响应速度快、无超调量、过渡时间短等特点,可以大大提高系统的控制品质,以达到节能的目的。 相似文献
10.
针对火电厂自动控制系统PID整定过程中存在的效率低、品质差等问题,提出通过被控对象开环试验收集输入输出数据,应用辨识理论和辨识软件建立被控对象数学模型,再通过仿真软件进行参数整定的方法。并将上述方法应用于主汽温度控制系统中。 相似文献
11.
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。 相似文献
12.
13.
利用神经网络设计语音信号增强处理系统,在无噪和含噪条件下,提取语音信号的MFCC系数,用于BP神经网络的训练和识别,最终达到语音信号消噪和提高可懂度的目的。自适应神经网络系统具有非线性映射和自学习能力,能够用于噪声信号的非线性建模。它不仅能够获取信号的最佳估计,并且能够克服信号处理中存在的不确定性。仿真结果表明,该自适应噪声抵消器的设计方法,不仅实现简单,而且节省运行时间,语音增强效果很好。 相似文献
14.
15.
一种前馈神经网络算法 总被引：2，自引：0，他引：2
神经网络由于其非线性处理能力强，性能稳定等特点得到了广泛应用和研究，主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络，其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)。BP算法存在局部极小点，收敛速度慢等缺点，基于优化理论的Levenberg-Marquardt算法忽略了二阶项，该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。 相似文献
16.
《Journal of The Franklin Institute》2019,356(8):4304-4334
In practice, many controlled plants are equipped with MIMO non-affine nonlinear systems. The existing methods for tracking control of time-varying nonlinear systems mostly target the systems with special structures or focus only on the control based on neural networks which are unsuitable for real-time control due to their computation complexity. It is thus necessary to find a new approach to real-time tracking control of time-varying nonlinear systems. In this paper, a control scheme based on multi-dimensional Taylor network (MTN) is proposed to achieve the real-time output feedback tracking control of multi-input multi-output (MIMO) non-affine nonlinear time-varying discrete systems relative to the given reference signals with online training. A set of ideal output signals are selected by the given reference signals, the optimal control laws of the system relative to the selected ideal output signals are set by the minimum principle, and the corresponding optimal outputs are taken as the desired output signals. Then, the MTN controller (MTNC) is generated automatically to fit the optimal control laws, and the conjugate gradient (CG) method is employed to train the network parameters offline to obtain the initial parameters of MTNC for online learning. Addressing the time-varying characteristics of the system, the back-propagation (BP) algorithm is implemented to adjust the weight parameters of MTNC for its desired real-time output tracking control by the given reference signals, and the sufficient condition for the stability of the system is identified. Simulation results show that the proposed control scheme is effective and the actual output of the system tracks the given reference signals satisfactorily. 相似文献
17.
针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法（PSO）优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和闽值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明：在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。 相似文献
18.
本文介绍了一种基于人工神经网络的相位跟踪控制方法,当电网并网时,用于对控制电流与电网电压进行同相位跟踪,以实现对电网电压的同步跟踪。经MATLAB电力系统动态仿真,验证了该文提出的BP控制方法,跟踪性能良好,具有较强地自适应能力。 相似文献
19.
BP神经网络是一种单向传播的多层前向网络,具有很强的学习功能,多次训练后的网络具有很好的预测能力。结合BP网络的特点和灌区分水闸的工作原理,应用BP神经网络对闸门控制进行预测,并分析预测结果。 相似文献