BP神经网络PID控制器在温室温度控制中的研究

为了更好地实现对温室温度的控制,本文设计出了一种BP神经网络PID控制器,提出了BP神经网络PID控制算法,并对该算法进行了分析,最后以温室温度为控制对象分别对常规PID控制器和BP神经网络PID控制器进行了大量仿真研究。结果表明,基于BP神经网络整定的PID控制器具有较强的自适应能力和鲁棒性,其控制品质优于常规PID控制器。     

基于模糊PID控制的智能温度控制系统研究

温度控制系统是工业生产和生活中常用的控制系统，目前常用的控制算法包括PID控制、模糊控制、自适应控制和神经网络控制等。其中，PID控制是最常用的控制算法，但其精度受到温度变化的影响较大，即PID参数不能自动调整以适应环境变化。为了解决PID温度控制系统适应性不强的问题，引入模糊控制系统，与传统PID控制相结合，对温度控制系统进行研究与分析。运用Matlab模糊工具箱搭建模型并仿真，对比了传统PID温度控制与模糊PID温度控制，结果表明模糊PID温度控制效果较好。     

家禽孵化温度控制系统设计——基于Smith预估算法

为使禽蛋孵化箱控制系统的动态性能和稳态精度满足系统的要求,提出了Smith预估和PID结合的控制算法。采用DS18B20测量温度,LPC2103制作温度控制器;采用Matlab中Simulink控制系统仿真工具,分析了传统PID控制与Smith预估和PID结合的控制算法的区别,并对两种控制算法进行了比较,确定了控制参数。孵化箱的温度控制实验结果表明,该温度控制器满足系统控制要求。     

BP神经网络PID控制仿真在挤压机中的应用

为了减少挤压机运行前的繁杂工作,针对自动供给系统提出了一种基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.采用动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决时变性和严重不确定系统方面的潜能,并改变了运用试凑法调节参数的方法.运用Matlab软件对挤压加料、加水和加酶制剂自动控制系统进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,可以获得满意的控制效果.     

电锅炉智能控制系统及其FPGA实现

针对当前电锅炉控制系统中温度和液位的单一控制所造成的温度控制精度低、使用不方便等问题,提出对其温度和液位同时进行控制的方法,改善控制效果,提高温度控制的精度.针对常规PID控制在温度控制系统中出现的超调量大、稳定时间长等缺点,采用模糊理论和PID控制相结合的模糊PID控制算法实现温度控制,设计了模糊PID控制器,通过MATLAB仿真表明其满足温度控制要求.针对常见温度控制器在实现智能算法时的运行速度慢、运行不稳定等问题,提出一种基于FPGA芯片的解决方案,通过EDA软件仿真和测试,验证了其可行性.     

人工神经网络在PID控制算法中的应用

根据过程实测的输入输出数据，将实际对象输出的旧值输入BP网络的输入层，从而得到一动态神经网络，作为控制中非线性系统的预测模型。既利用了系统的已知规律，提高了辨识的可靠性，又使得网络结构不必过于庞大，改善了实时性。分析了积分分离PID控制算法，在此基础上，将应用最广泛的PID控制器与具有自学习功能的神经网络相结合。得到了基于BP神经网络的PID控制算法。在已有的控制系统中嵌入了神经网络控制算法，用以调节PID控制器的三个可调参数Kρ，KI，KD。     

基于PSO-BP优化PID模型的水肥控制系统研究

针对传统灌溉施肥方式无法切实满足作物生长需求和水肥资源浪费严重的问题,设计一种基于PSO和BP神经网络优化PID模型的水肥控制系统。系统通过结合作物种植环境水肥浓度信息,利用PSO和BP神经网络算法优化PID控制参数,以解决水肥施灌过程中系统的非线性、时变性和滞后性等问题。综合MATLAB/simulink仿真试验结果可知,利用PSO和BP神经网络优化的PID控制模型较传统PID控制模型系统响应速度提高9.33%,调节时间缩短72.24%,超调量仅为PID控制的11.78%,优化效果较好。系统试验结果表明,施灌过程中系统控制稳定,在一定程度上达到水肥浓度精准控制的效果,具有实际应用价值。     

基于模糊PID的犊牛代乳粉奶液温度控制系统设计与试验

为实现犊牛饲喂过程中冲调代乳粉奶液温度的有效控制、提高热交换器温度控制的准确率,设计一款基于模糊PID控制算法的动态温度控制系统,主要应用PID参数在线模糊自整定和PID温度控制模糊算法等实现动态调节被控对象(代乳粉奶液)温度,从而保证犊牛饮用代乳粉冲调奶液温度控制在(37±1)℃的可控范围内.设定热交换器温度为42℃...     

生物质气化炉智能控制系统

针对生物质气化过程具有的非线性、不稳定性、大时滞和强干扰等特点,提出了一种生物质气化炉的智能控制方法控制方法,包括温度控制环和可燃气体含氧量控制环的生物质气化炉双闭环智能集成控制方法。温度控制环采用主、副控制结构:主控制器采用基于BP神经网络模型,建立温度的BP神经网络模型;副控制器根据温度预测结果实现跟随控制。可燃气体含氧量控制环引入温度和含氧量两个反馈,主控制器采用模糊免疫PID控制,推算最优鼓风机转速;副控制器实现对鼓风机速度进行跟随控制。仿真结果表明了该方法的有效性和优越性。     

基于DSP和神经网络PD的发电机励

介绍了一种基于DSP处理器,用BP神经网络智能算法自动整定PID控制参数的中小型同步发电机励磁控制系统。该系统解决了农用水利发电机组励磁控制因系统非线性，负荷变化不确定性，农村技术力量薄弱等原因造成系统的调试、运行难的问题。