基于BP神经网络PID控制器在水产温室温度控制中的应用

针对水体大比热容性造成的水产温室水温变化非线性、大滞后性、时变性等问题,考虑到传统PID控制器自适应能力差、鲁棒性不强等缺陷,提出采用基于BP神经网络的PID控制策略。在该控制策略中,PID的控制参数可以通过神经网络进行实时调节,以实现最佳的控制效果。利用MATLAB软件对传统的PID控制策略和神经网络PID控制策略的控制效果进行仿真模拟。研究结果表明,基于BP神经网络PID控制的系统动态响应更快、鲁棒性更强、稳态精度更高、超调量更小,具有更好的控制效果。     

BP-PID控制策略在变量施肥控制系统中的应用

由于传统的PID控制器存在较多的缺陷,针对这些缺陷提出了一种基于BP神经网络算法的PID控制器,利用BP算法局部计算简单、非线性映射能力强的特点,实现对PID控制器参数的寻优整定,并利用MATLAB软件对系统进行仿真,并通过田间试验进行了验证,结果表明,该方法可以很好地控制PID控制器的各项参数,达到了预期的控制目标。     

基于模糊自整定PID的温室温度控制系统设计及仿真

温室温度系统是一个大时滞、非线性的复杂系统,传统的控制方法效果不甚理想。因此,本研究设计一种基于模糊自整定PID控制方法的温室温度控制系统,可根据温度偏差和温度偏差变化率实时整定PID控制器的参数。控制系统以STC89C52单片机为控制核心,采用DS18B20温度传感器实现对温室温度的采集,通过控制电加热炉的加热功率来调节温室的热量输入,起到控制温室温度的作用。并在Matlab 11.0/Simulink环境下,建立模糊自整定PID控制器的仿真模型,通过仿真发现该方法比常规PID控制方法具有更好的鲁棒性,能够实现良好的控制效果。     

基于积分分离模糊PID的温度控制系统设计

针对温度控制系统采用传统PID控制方法易出现响应速度慢、超调量大、控制精度低等问题,提出了一种基于积分分离模糊PID控制的改进方法.阐述了该方法的工作原理,设计了控制器参数,并结合温室温度控制系统对该方法以及传统PID、模糊PID进行了系统性能实验的对比分析.结果表明,采用该方法设计的温室温度控制系统,有响应速度更快、超调量更小和控制精度更高等优点,具有较强的工程应用价值.     

基于支持向量机的非线性逆控制及仿真研究

针对逆系统方法中非线性逆模型辨识困难的问题,研究了基于支持向量机(SVM)的逆模型辨识及控制,提出了一种SVM逆模型与PID结合的复合控制系统.由SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制.同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷.仿真研究表明,SVM的逆模型辨识能力强,该复合控制系统具有比直接逆控制更优的控制性能和鲁棒性.     

主动四轮转向系统对高速汽车侧风稳定性的控制研究

建立了考虑侧风作用的汽车三自由度非线性动力学模型,应用基于BP神经网络的模型,参考自适应控制方法设计了主动四轮转向控制系统,并对非线性汽车模型进行了控制仿真.仿真结果表明,主动四轮转向系统能够有效的减小侧风对高速行驶汽车运动状态的影响,提高侧风稳定性.     

基于模糊免疫PID的Smith预估器在温室控制中的应用研究

针对温室环境控制中被控对象温度的大迟延和模型参数的不确定性,结合传统Sm ith预估控制方法和模糊免疫PID控制方法,设计了基于模糊免疫PID的Sm ith预估控制器。通过对温室控制系统的数学模型进行仿真,结果表明,所设计的控制器抗干扰能力强,调节速度快,超调量小,适用于类似温室温度控制的、缺乏精确数学模型且参数变化的大迟延工业过程。     

非线性系统的神经网络预测控制研究

针对工业过程控制中的强非线性系统的复杂控制问题,给出了一种基于神经网络预测的控制方法,用改进的BP神经网络实现预测控制中的模型预测,有效的解决了神经网络收敛速度慢的问题,同时用RBF神经网络实现预测控制中的控制器的优化,解决动态规划方法求解慢的问题。将该算法用于强非线性系统中,仿真结果表明该算法,具有响应速度快、跟踪性能好、鲁棒性和抗干扰性强的优点。     

农业温室二氧化碳模糊控制系统算法

利用BP神经网络模糊控制器对农业温室二氧化碳进行控制.详细介绍了模糊规则表的生成及神经网络模糊控制器的设计,并使用Mablab进行了仿真学习,仿真结果表明该设计能够有效的对温室二氧化碳进行控制.     

基于RBF神经网络整定PID的PMLSM控制研究

介绍了直线永磁同步电机(permanent magnet linear synchronous motor,PMLSM)的数学模型。由于直线永磁同步电机具有非线性、耦合性和负载扰动等特性,常规PID控制器不能达到理想的控制效果,而径向基函数(radial basis function,RBF)神经网络具有学习速度快、无局部极小和良好的逼近能力,提出了将RBF网络与增量式PID控制结合在一起应用的方法。matlab仿真结果表明:该控制系统具有良好的逼近能力、较强的适应性和抗干扰能力。     

基于神经网络PID的无人机自适应变量喷雾系统的设计与试验

【目的】针对传统植保无人机在定量喷施作业时由于飞行速度的变化造成施药不均匀以及传统控制算法无法满足无人机变量喷雾系统所需的实时性和稳定性等问题,设计一种基于神经网络PID的自适应无人机变量喷雾系统。【方法】采用风压变送器测出无人机的飞行速度,根据速度采用脉宽调制(PWM)方法进行自适应变量喷雾,同步用流量传感器测出实际喷雾流量,融合BP神经网络PID控制算法调节喷雾流量。由MATLAB构建BP神经网络PID控制算法,并与PID、模糊PID和神经元PID对比及分析;田间试验过程中,对比分析无人机定量喷雾与随飞行速度改变的变量喷雾效果,采用水敏纸获取雾滴沉积量分布,分别从整体区域、飞行方向和喷杆方向评价沉积量分布的均匀性。【结果】算法仿真对比试验结果表明,与PID、模糊PID和神经元PID相比,BP神经网络PID阶跃响应上升时间分别少28.57%、84.73%和31.03%,正弦跟踪平均误差分别小63.01%、87.03%和0.58%,方波跟踪平均误差分别小74.00%、79.53%和6.80%,鲁棒性强,无静差,超调量为1.20%;喷雾对比试验结果表明,本系统能够根据飞行速度自适应调节喷雾流量,实际流量与目标流量的平均偏差为8.43%,水敏纸扫描结果表明总体区域雾滴沉积量的变异系数对比定量喷雾平均降低26.25%,喷杆方向平均降低18.79%。【结论】该研究结果可为农业航空变量喷雾技术的应用提供理论基础。     

Design of Greenhouse Environment Control System Based on Internet of Things

There are some disadvantages, such as complicated wiring, high cost, poor monitoring flexibility, low accuracy and high energy consumption in traditional greenhouse environment monitoring system which based on previous wireless sensor networks(WSN). Aiming at these problems, a greenhouse environmental parameter monitoring system had been designed based on internet of things technology in this paper. A set of control system with good robustness, strong adaptive ability and small overshoot was set up by combining the fuzzy proportion-integral-derivative(PID) control. The system was composed of a number of independent greenhouse monitoring systems. The server could provide remote monitoring access management services after the collected data were transmitted. The data transmission part of greenhouse was based on Zig Bee networking protocol. And the data were sent to intelligent system via gateway connected to the internet. Compared to the classical PID control and fuzzy control, the fuzzy PID control could quickly and accurately adjust the corresponding parameters to the set target. The overshoot was also relatively small. The simulation results showed that the amount of overshoot was reduced 20% compared with classical PID control.     

基于模糊决策树的温室温度调控

现代化农业是以优质、高效为标志的,因而温室自动技术得到长足的发展.温度自动控制系统是温室技术中一个关键因素.模糊决策树是一种归纳学习算法,能够很好地逼近离散值函数,有较高的准确性且有很好的抗噪声特性.将模糊决策树引入温室的温度自动控制中,实现温度的自动控制,其产生的控制过程更易于理解,并且具有很好的抗噪声效果.仿真结果表明,基于模糊决策树的控制系统有较强的自适应能力与稳健性.     

基于优化神经网络的温室厚皮甜瓜病害预测

在温室环境中,厚皮甜瓜较易感染一些病害,而传统的病害预测模型收敛速度慢,易在局部局限在极小值,为准确预测温室厚皮甜瓜病害,在BP神经网络的基础上进行优化,引入了遗传算法,在全局最优解的附近进行局部搜索,以遗传算法的全局搜索能力克服了传统神经网络的局部极小值问题与收敛速度缺陷。经以Matlab对试验数据进行仿真分析,证实引入遗传优化算法进行温室厚皮甜瓜病害预测误差显著减小,取得了较理想的拟合结果。     

基于神经网络PID算法的优化饲料配制系统

【目的】设计饲料配制控制系统,并采用神经网络PID优化算法实现对配料精度的提高。【方法】以西门子S-200 smart型PLC为主控设计饲料配制控制系统,针对现有常规PID算法的控制策略存在超调大、收敛慢等缺陷和BP神经网络梯度下降过程容易出现局部最小化问题,提出以附加动量项的BP神经网络PID算法实现称重误差的降低。【结果】基于动量项的梯度下降法建立的BP神经网络PID算法模型解决了参数自学习整定问题,在响应速度上该算法与PID算法对比为3∶1,试验后平均精度99.6%。并在收敛速度和改善超调现象具有更高效的表现。【结论】配料系统经算法优化后误差得到有效控制。     

蔬菜大棚温度自动控制系统设计

随着现代化温室技术的发展与应用,以及人们对反季节蔬菜的庞大需求,温室在反季节蔬菜的培育中发挥着显著的作用,成为相关技术人员的关键课题之一。我国蔬菜大棚还处于发展的初期阶段,而国外的蔬菜大棚系统虽然趋于完善,但其经济性和适应能力却有待商榷。因此,需要创造一种基于我国环境的价格亲民、操作简单、功能稳定的现代化蔬菜大棚自动控制系统。通过对蔬菜大棚自动控制系统特性的分析,设计了基于可编程逻辑控制器(PLC)的蔬菜大棚温度数字化智能控制(PID)的自动控制系统。PLC将各种传感装置勘测的变量实时检测数据,通过和设定参数比较,对大棚内的温度进行调节。对系统进行仿真测试显示,该蔬菜大棚温度自动控制系统已经基本达到了控制目标,控制相对稳定可靠,具有较高的经济性。     

智能木材干燥控制系统的研究与设计

木材干燥技术能够提高木材利用率和木材质量,是木材不降等的主要保障技术之一。该研究将先进的神经网络算法与PID控制技术相结合,并建立相应的智能控制系统,从而对木材干燥的全过程进行智能控制,最后,利用Matlab软件对该系统进行了建模和仿真,通过实验证明该系统具有较好的应用价值。     

基于人工智能的温室环境控制算法

温室环境控制系统的最大特点是控制对象的精确数学模型很难建立。文章将常规PID控制算法与现代控制理论相结合,对常规PID算法进行改进,得到新型MPT控制算法,并加入模糊控制算法规则,在误差大时,运用模糊算法进行调节,以彻底消除PID饱和积分现象,当误差较小时,采用改进后的PID算法控制输出。同时加入了自适应调节规则和自整定专家系统,建立了基于人工智能的温室环境控制算法。将此算法应用于温室环境控制。系统具有无超调和控制精度高等特点。     

六自由度转台的神经网络控制

针对六自由度转台单通道电液伺服系统的特点，探讨了一种神经网络PID控制方法，通过BP神经网络的线学习对被控对象进行辨识，采用单神经元调节PID参数，仿真表明该方法具有较好的控制效果。