基于BP神经网络的PID控制在温室控制系统中的应用

以温度参数控制为例,结合传统PID控制规律,利用BP神经网络完成温室温度控制系统的PID控制系统设计.通过阐述基于BP神经网络的PID控制算法,完成温度控制系统中的BP神经网络PID控制参数在线整定.采用MATLAB对基于BP网络的PID温度控制系统进行了仿真,结果表明,PID控制算法能够实现控制参数的自适应调整,使系统对输入的响应达到小误差.     

温室机器人驱动控制系统的算法研究

为了使机器人的行动能适应温室的复杂情况,提高机器人的运动控制精度,将模拟PID控制算法离散化,对编码反馈误差进行归一化处理,并将其输入3层的BP神经网络,研究了隐含层加权系数的计算方法,完成并验证了模糊BP神经网络PID控制系统的算法。结果证明,在同一指令时间内,模糊神经网络控制器能够很好地完成角度指令的零误差调节,与常规PID控制器相比较,模糊神经网络控制器的超调量显著减小。     

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.     

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。     

基于蝙蝠优化BP-PID算法的精准施肥控制系统研究

水肥一体化技术在棉花、小麦、番茄等大田农作物种植场景中的应用逐渐增多。当前能够快速有效调整大田农作物水肥一体化系统中肥料流量的控制算法研究较为有限。由于水肥一体化系统存在时变性、滞后性与非线性的特点,常见的PID与BP-PID控制算法无法获得预期的控制效果。为此设计一种基于蝙蝠算法（BA）优化的BP神经网络PID控制器。通过采用BA对BP神经网络的初始权值进行优化,加快了BP神经网络的自学习速度,实现对水肥一体化系统中肥料流量的快速精准控制,从而降低了超调量、提高了响应速度。同时,基于STM32单片机搭建了水肥一体化流量调节测试平台,并对该控制器的性能进行了试验验证。结果表明,与常规PID控制器和基于BP神经网络的PID控制器相比,所设计的控制器具有较高的控制精度和鲁棒性,降低了由时滞性、非线性等因素引起的影响。平均最大超调量为4.78%,平均调节时间为41.24s。特别是在施肥流量为0.6m3/h时,控制器表现出最佳的综合控制性能,达到了精准施肥的效果。     

基于神经网络PID的拖拉机空调温控系统优化设计

为了提高拖拉机空调温控系统的调节精度和效率,提升驾驶室内的环境舒适程度,将PID控制器引入到了拖拉机空调控制系统的设计上,采用温度误差反馈调节的方式,提高温控的精确性。在PID控制器的优化上采用了神经网络算法,通过神经网络训练和权值的修改,实现了PID控制器的3个参数的优化,进而提高了控制系统的效率和精度。为了验证神经网络算法对PID控制器的优化作用,以拖拉机的温控误差和调节时间为研究对象,对单独采用PID控制器和采用神经网络PID控制器时的控制结果进行了测试,结果表明:神经网络算法使PID控制器具有更快的响应速度和更高的控制精度。     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。     

基于神经网络控制算法的液肥变量控制系统研究

为了提高液肥变量控制系统的精度和稳定性,使控制系统具备较好的抗干扰及自适应能力,以液肥变量控制系统为研究对象,建立液肥变量控制系统的数学模型,分别采用常规、模糊自适应及BP神经网络3种控制算法,使用MatLab对3种控制算法进行系统仿真,由仿真结果分析系统质量性能参数,控制系统采用BP神经网络控制器后进行系统实际数据采集,验证系统实际作业效果。各算法质量指标对比表明:BP神经网络的上升时间、过渡时间、静差、超调量优于常规PID和模糊自适应PID算法,以液肥变量控制系统为控制对象,仿真和实际作业效果表现出良好的鲁棒性,响应速度且作业精度达到5%以内,可实现变量作业。     

渠道系统神经网络控制运行研究

渠系运行中存在非线性、大滞后及时变性的特点。利用神经网络处理复杂非行线性、不确知系统的能力,设计基于PID神经网络的水位反馈控制器,它既具有常规PID控制器结构简单、可靠性高的优点,又具有神经网络自学习、自适应的能力,实现了控制器参数整定不依赖于渠道系统数学模型,且能依据渠系动态信息适时调整。结合渠道水力学特性建立渠道自动化运行数学模型,并进行了计算机数值仿真。结果表明,采用PID神经网络控制器的渠道运行系统,实现了控制参数自适应调整,且动、静态性能较常规PID控制有明显改善。     

基于遗传算法的模糊神经网络温室温度控制器

为了创造适合作物生长的环境,针对温室系统的特点提出了一种新的基于遗传算法的模糊神经网络控制器,利用遗传算法训练模糊神经网络模型,并采用此模糊神经网络控制器控制温室温度系统.运用该方法对温室温度控制系统进行了Matlab 仿真,结果表明:采用遗传模糊神经控制器的系统,不但提高了阶跃响应的快速性,而且大大减少了超调量.     

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。     

神经网络模糊PID算法在温室温度控制中的仿真研究

为了更好地实现对温室温度的控制,提出了温室温度控制的一种新的控制方法;通过仿真比较证明了此方法的有效性,并对其动静态特性、鲁棒性和抗干扰能力进行了探讨。结果表明,采用神经网络模糊PID算法的温室温度控制方法具有较好的动静态特性、鲁棒性和抗干扰能力。     

优化的BP神经网络在水轮机调节系统中的应用研究

针对常规PID难以取得期望的控制效果和单一神经网络在线整定存在结构复杂、学习时间过长、收敛速度慢等问题,提出了一种基于主成份优化的BP神经网络PID控制。利用主成份分析对网络的输入层单元进行降维分析,以此简化网络的结构,提高网络的收敛速度及泛化能力,进而提升智能控制系统的控制品质。基于上述理论在MATLAB/Simulink平台进行水轮机调节系统实例仿真分析,阐述并分析试验结果,说明了经主成份分析优化后的BP神经网络PID控制效果较优化前有了显著改善。     

基于模糊神经网络的磁悬浮球位置控制研究

为了实现磁悬浮球系统高精度位置控制,提出一种基于模糊神经网络补偿PID控制的磁悬浮球系统位置控制新方法,该控制系统由模糊神经网络辨识器、PID控制器和模糊神经网络控制器组成。模糊神经网络辨识器基于PID控制器所提供的训练数据,建立控制系统误差与控制量之间的动态模型并将网络辨识参数实时传递至模糊神经网络控制器,模糊神经网络控制器基于实时辨识模型计算得到当前周期的补偿控制量,实现对PID控制的在线动态补偿,避免了离线训练过程,且无需建立精确的数学模型。方波信号仿真和实验结果表明:模糊神经网络补偿控制精度分别由PID控制的0.014 2 mm和0.221 1 mm提升至0.006 8 mm和0.073 9 mm,控制系统具有良好动态性能。     

xPC环境下CMAC NN在淀粉生产线液位控制中的应

在分析CMAC神经网络的基础上，提出了利用自适应CMAC神经网络来调节淀粉生产线中乳液的液位。通过对淀粉生产线中某一液位回路进行数学建模，然后对常规PID和自适应CMAC神经网络两种控制器进行了设计与仿真。仿真结果表明，自适应CMAC神经网络在控制效果上明显优于常规PID，并且具有很高的鲁棒性。在Matlab实时开发环境xPC Target下建立了液位实时控制系统，采用快速原型控制方式，具有系统组建方便、成本低、开发周期短等特点，该系统可实现精确的过程控制。     

xPC环境下CMAC NN在淀粉生产线液位控制中的应用

在分析CMAC神经网络的基础上,提出了利用自适应CMAC神经网络来调节淀粉生产线中乳液的液位.通过对淀粉生产线中某一液位回路进行数学建模,然后对常规PID和自适应CMAC神经网络两种控制器进行了设计与仿真.仿真结果表明,自适应CMAC神经网络在控制效果上明显优于常规PID,并且具有很高的鲁棒性.在Matlab实时开发环境xPC Target下建立了液位实时控制系统,采用快速原型控制方式,具有系统组建方便、成本低、开发周期短等特点,该系统可实现精确的过程控制.     

基于前馈补偿算法温室解耦及PLC控制器设计

为解决温室系统由于非线性、大时滞和强耦合等特点引起的关键因子难以控制和效率低下的问题,研究了前馈补偿解耦算法。通过该算法实现了温室系统温度和湿度二维变量系统的解耦,并在Mat Lab仿真模型中验证了该算法的实用性和高效性。利用Mat Lab GUI(graphical user interface)强大的数据计算能力,设计了上位机控制界面,克服了常规的工业控制器难以编写复杂算法的缺点;再结合PLC执行稳定的优点,设计了PID解耦控制器。实践验证表明:该解耦控制器克服了单一温度和湿度控制的缺点,提高了系统的整体工作效率,保障了关键生长因子控制的稳定。     

基于光照的温室加热系统模糊PID控制

为了给冬季作物提供适宜的生长环境,综合考虑自然光和节能因素,提出了一种基于光照的温室加热系统模糊PID控制方法。首先,根据温室的光照强度和天气预报信息,建立温室内温度的设定模型;然后,结合常规PID控制算法简单、鲁棒性好及可靠性的优点,采用模糊控制思想对PID控制参数进行调整,使控制系统可以依据不同的偏差相应地调整;最后,使用Mat Lab中Simulink对控制算法进行了仿真试验。结果表明:该控制方法稳定性高、动态响应好、抗干扰能力强,为提高温室生产的经济效益提供了理论依据。     

半主动悬架山地拖拉机姿态控制系统设计与仿真

为提高山地拖拉机在复杂农田环境中的作业平稳性,基于Matlab/Simulink仿真平台,搭建了半主动悬架拖拉机七自由度时域仿真模型,包括四轮路面激励模型、半主动悬架振动模型、半主动悬架拖拉机车体受力分析模型、车身姿态分析模型以及半主动悬架拖拉机时域仿真模型,以车身垂向位移、车身倾斜角和车身俯仰角作为拖拉机的姿态变化参数进行仿真试验。通过构建增量式比例积分微分（Proportion integration differentiation, PID）控制器和反向传播（Back propagation, BP）神经网络PID控制器仿真模型实现对半主动悬架拖拉机车身姿态的自动控制,并分别对两种控制器的控制性能进行测试与评价。利用车身垂直向加速度和车轮相对动载作为半主动悬架系统性能的评价指标,对两种控制方式下的半主动悬架性能进行了评价。仿真结果表明：基于传统增量式PID控制算法的半主动悬架拖拉机,其车身垂直位移均方根减少42.17%、侧倾角均方根减少36.76%、俯仰角均方根减少57.85%,其车身垂向加速度为0.0177m/s2,4个车轮的动载荷均方根分别为0.0284、0.0346、0.0239、0.0304N。基于BP神经网络PID控制算法的半主动悬架拖拉机,其车身垂直位移均方根减少74.54%、侧倾角均方根减少74.66%、俯仰角均方根减少75.03%,其车身垂向加速度为7.5758×10-5m/s2,4个车轮的动载荷均方根值分别为0.0197、0.0235、0.0166、0.0198N。相比增量式PID控制的半主动悬架拖拉机,基于BP神经网络PID控制的半主动悬架拖拉机,其车体平稳性得到了较好的提高。     

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.