发动机神经网络自适应PID转速控制

为提高发动机怠速控制的准确性,解决非线性、复杂的系统控制问题,详细介绍发动机模型建立方法、转速神经控制的结构和神经网络的形式,并将神经网络同PID控制很好的结合起来,以有效解决发动机转速控制问题。     

基于Simulink仿真的施肥机模糊神经网络PID控制方法

【目的】农用电气设备的部件十分复杂,易受到环境因素的影响,无法准确控制施肥量,故障频发。因此,需要一种成本低、运行稳定、施肥量控制精确、受工作环境影响小的施肥机控制系统。【方法】本研究采用模糊神经网络PID控制方法,将机器学习和非线性模糊控制方法引入传统PID控制器中,并基于MATLAB中Simulink仿真平台建立了模糊神经网络PID控制系统仿真模型。【结果】该模型可以根据模糊规则进行练习和学习,通过控制步进电机的转速和旋转角度来控制施肥量,神经网络还可以持续自动学习并动态改进系统的控制参数,以适应不断变化的农田作业环境。【结论】该模糊神经网络PID控制系统自我矫正能力强,可抵抗环境干扰,控制效果显著。     

基于BP神经网络PID控制的主动悬架仿真分析

为研究主动悬架的控制算法,采用基于BP神经网络的一种自适应PID控制算法来搭建主动悬架控制系统。以某轿车车型为例,在Simulink软件中建立了以随机路面不平度激励作为系统输入的七自由度整车主动悬架仿真模型。将车身垂向加速度均方根、俯仰角加速度均方根、侧倾角加速度均方根作为主动悬架性能的评价指标进行时域及频域分析。由仿真结果可知,相比于传统的被动悬架,运用该控制算法的主动悬架可显著提升汽车的行驶稳定性与舒适性。     

神经网络混合PID算法的空调节能研究

针对经典的PID控制方法的三个参数值,传统方法是通过人工赋值,而人工赋值往往依赖于经验,控制效率较低。研究小组引入BP网络对PID控制器参数进行优化,通过训练PID参数,得到最佳参数值。仿真试验验证了该BP网络在调节PID控制器参数方面具有更快的收敛能力,能够实现系统的快速逼近功能。研究小组提出了一种基于BP神经网络的PID控制器优化方法,并将该方法应用于中央空调系统中,把一阶系统函数当作空调的拟似函数,通过搭建的MATLAB平台进行仿真。仿真结果表明,该方法具有超调量小、过渡时间短、鲁棒性好等特点,弥补了常规PID在改善空调性能中参数难以整定的缺点。可以将该控制策略用于改善空调性能,使空调能处于最佳的性能状态,并且保证空调的安全经济运行。     

基于神经网络PID的牧草烘干机控制系统研究

牧草的烘干效果直接影响牧草的品质和储藏时间。为此,根据牧草的品质和储藏要求,针对牧草烘干系统的多变量、时变和大滞后、非线性的特点,分析了牧草烘干机的结构及工艺,并应用正交试验和回归分析方法建立的非线性数学模型,设计了一种基于BP神经网络PID控制算法的牧草烘干控制系统。试验结果表明:所设计的牧草烘干控制系统能够达到系统性能指标的要求,控制效果良好。     

基于模糊PID算法的智能车电机转速控制研究

针对传统PID控制参数难以适应不同曲率半径车道下智能车运行速度变化和RS-540有刷直流伺服电机调速变化的问题,设计了自适应模糊PID算法.首先,建立了电机的数学模型,提高控制精度,在此基础上构建了自适应模糊PID控制器,然后,通过PWM脉冲改变电枢电压的平均值来控制电机转速,再通过低通滤波使速度输出平滑.加入陀螺仪使...     

基于神经网络的发动机稳态模型辨识的研究

基于神经网络多层前馈网络结构模型的特点,利用Matlab6.5软件的神经网络工具箱编写了仿真程序并对发动机的稳态模型辨识进行了仿真,得到了发动机稳态三维扭矩图和油耗图,研究结论对建立发动机精确模型具有一定作用.     

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MSP430的人工气候箱神经网络PID控制系统

针对人工气候中温湿度控制系统结构复杂、精度不够高以及响应速度慢等问题,提出以TI公司的超低功耗MSP430单片机为主控制器件,采用DS18B2和HM1500测量系统的温湿度,用BP神经网络智能算法自动整定PID控制参数的人工气候箱控制系统,着重介绍了系统控制算法构成及软件设计。实验表明,该控制系统结构简单,具有响应速度快、精度高和鲁棒性好等优点。     

基于神经网络PID的丘陵山地拖拉机姿态同步控制系统

针对现有丘陵山地拖拉机姿态调整精度和可靠性难以满足实际使用需求的问题,基于神经网络PID算法设计了丘陵山地拖拉机车身和机具姿态同步控制系统。根据车身和机具不同的姿态调整要求,设计了相应的控制系统,并对其进行动力学建模,进而采用了基于神经网络PID的同步控制算法。以常规的PID控制算法作为对照,进行了仿真分析,仿真结果表明,基于神经网络PID算法的同步控制系统有效,且控制性能优于PID控制算法。在固定坡度路面和随机坡度路面上进行了作业试验,结果表明,其于神经网络PID控制算法的精度和稳定性均优于PID控制算法：在固定坡度路面上,车身横向倾角最大误差为0.8640°,左右摆角绝对值差最大误差为0.9600°,机具横向倾角最大误差为0.6497°;在随机坡度路面上,车身横向倾角最大误差为2.8740°,左右摆角绝对值最大误差为4.2800°,机具横向倾角最大误差为1.7620°。说明本文提出的方法具有较好的控制精度和稳定性,能够满足丘陵山地拖拉机的实际使用需求。     

基于BP神经网络PID的移栽机双闭环调速系统

为保证提高移栽机机械手行走速度的同时不失鲁棒性,选用直流电机作为驱动电机,并根据其动作时电流反馈、转速反馈、滤波、整流等多环节的传递函数简化模型设计了基于电流环和转速环的双闭环调速系统模型。引入BP神经网络自学习的控制策略,其中选取BP神经网络PID控制器取代转速环中的PI环节,并在MatLab中采用S函数嵌套控制器模块的方式搭建了基于直流电机双闭环系统仿真模型。结果表明:比较加入BP神经网络算法优化前后的双闭环调速系统响应曲线,优化后的模型超调量由4.3%降为0,过渡时间由2s以上缩短至2s,电机调速系统稳定性和鲁棒性得到提高,整排机械手启动时间更短、速度更快且能准确抓取目标。     

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。     

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。     

基于神经网络PID的小麦收割机械式行走装置设计

为了提高联合收割机行进速度控制的响应精度、缩短控制过程的响应时间及提高收割机的作业效率,设计了一种新的小麦收割机械式行走装置。该装置利用新型液压-机械控制方案,结合神经网络PID控制器,提高了行走装置的响应速度和精度,并解决了收割机原地转向及特殊地块通过性较差的问题。行走系统采用双联集成变量柱塞泵和2个定量摆线马达的相互独立闲式液压传动系统,实现了收割机行走系统的无级调速。为了测试装置的有效性和可靠性,对PID控制器的响应精度和响应时间等进行了测试。通过测试发现:PID控制器的调节时间仅为0.02s,响应迅速,超调量低,响应精度较高,为小麦收割机现代化设计提供了较有价值的参考。     

基于卷积神经网络的白背飞虱识别方法

为了实现白背飞虱虫情信息的自动收集和监测,提出一种基于卷积神经网络的白背飞虱识别方法并进行应用研究。首先,用改进的野外环境昆虫图像自动采集装置,采集田间自然状态下的白背飞虱图像,对所获取的图像进行归一化处理。然后,随机选取1/2图像样本作为训练集、1/4作为测试集。利用5×5卷积核对训练样本进行卷积操作,将所获取的特征图以2×2邻域进行池化操作。再次经过卷积操作和3×3邻域池化操作后,通过自动学习获取网络模型参数和确定网络模型参数,得到白背飞虱的最佳网络识别模型。试验结果显示,利用训练后的网络识别模型,对训练集白背飞虱的识别正确率可达96.17%,对测试集白背飞虱的识别正确率为94.14%。     

基于人工神经网络的地下水流数学模型参数识别

基于人工神经网络技术 ,建立了地下水二维非稳定流数学模型的参数识别模型 ,用地下水长观孔水位降深资料识别模型参数。通过实例计算分析 ,结果表明此法适用于处理复杂条件下模型参数识别问题 ,且结果稳定可靠。