基于神经网络PID的纤维板调施胶控制系统的设计

基于神经网络的优点,设计了神经网络作为主控制器的对系统进行辨识的纤维板调施胶控制系统和神经网络作为辅助控制器来修正PID控制器的纤维板调施胶控制系统.分析了两种神经网络控制器的性能优劣.仿真表明,神经网络作为辅助控制器调节PID比神经网络作为主控制器的超调小,系统稳定时间更短.     

基于神经网络的PID控制器参数的自整定

根据神经网络理论，提出了一种具有学习功能的参数整定算法。当通过一定数量的样本学习得到成功的ＢＰ神经网时，调用启发式控制算法闭环控制对象，将获得的响应数据送到ＢＰ网，即可得到ＰＩＤ的整定参数。并以二阶、三阶系统为例，经仿真得到了合适的整定参数。整定方法在分散控制系统中，对大量在线参数辨识计算的处理结果是令人满意的。     

集散控制在中密度纤维板施胶系统中的应用

讨论了集散控制在中密度纤维板施胶系统中的应用,分析了中密度纤维板施胶控制系统中由组态软件支持的上位机和以PLC为主体的下位机的应用和特点,同时还分析了在系统设计及调试中需要注意的问题。     

汽车空调控制器测试系统的设计

介绍了汽车空调控制器的工作原理,基于该控制器的测试原理设计出了对应的功能测试系统。详细介绍了测试系统的硬件设计和软件设计。实际测试结果表明,该系统运行稳定,测试结果可靠。     

感应电动机调速系统的自适应逆控制研究

根据逆系统控制原理,利用最小二乘法分析感应电动机调速系统逆控制的方法,实现了电磁转矩和定子磁链的解耦控制,并针对多个子系统进行参数的实时估计。仿真试验表明,感应电动机调速系统具有很强的鲁棒性。     

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。     

用神经网络控制非线性系统的混沌运动

设计前馈反传神经网络 ,通过对参数扰动模型输入样本的学习 ,训练成混沌控制器 ,将嵌入在混沌吸引子中不稳定周期轨道镇定到稳定不动点 .用 Henon映射作数值仿真实验 ,证明该方法十分有效     

基于LMI的刨花板施胶鲁棒H∞控制

针对刨花板施胶过程中存在的结构和参数不准确性,在刨花板施胶系统辨识模型的基础上,建立了干扰情况下的施胶控制系统广义模型,将其转化为标准的H∞控制器设计问题,并通过线性矩阵不等式(LMI)求解鲁棒H∞状态反馈增益矩阵。仿真结果表明,所设计的控制器可以保证闭环系统具有较好的鲁棒性和控制品质,可满足刨花板施胶的工艺要求。     

基于RBF神经网络的非线性观察器设计

提出了一种新的非线性观察器设计方法。与一般方法采用神经网络逼近整个非线性系统不同，该方法用RBF神经网络逼近系统的非线性项，故提高了状态估计的精度。基于李亚普诺夫方法，证明了状态估计误差渐近稳定且渐近收敛到零。仿真结果表明，所提出的非线性观察器设计方法具有良好的性能。在故障检测、状态估计等领域具有广泛的应用前景。     

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.     

中密度纤维板施胶过程模糊自适应控制方法

针对中密度纤维板(MDF)生产多样化所带来的施胶系统特性状态差异,提出了MDF施胶过程的模糊自适应控制方法。该方法运用SVC实现施胶流量的状态辨识,并针对不同状态设计相应的模糊控制规则,通过判断流量的实时状态,实施模糊控制规则切换,进而完成不同状态的模糊自适应控制。试验表明:模糊自适应控制策略实现了MDF施胶过程中的稳定、可靠控制。     

基于Controller Link的OMRON多PLC网络系统设计

结合东风汽车公司某工厂生产实际要求,针对该公司的涂装车间的PLC控制提出基于Control-Link 的OMRON多PLC网络通讯及设备控制设计。本论文阐述系统的结构和功能,系统利用Controller Link网完成PLC与PLC的链接,并完成数据传输。PLC根据数据完成对汽车车身油漆生产全过程的自动控制,对过程中的每一辆车身进行跟踪,记录和分析。实际运行情况表明,该系统大大提高了生产效率,优化了控制。     

基于自适应GA-SVR的中密度纤维板施胶比例辨识方法

针对中密度纤维板(MDF)生产过程中施胶比例直接影响产品质量和生产成本的问题,提出了MDF施胶比例的自适应GA-SVR辨识算法。算法采用浮点数与二进制混合编码方式实现优选参数的解空间映射,设计并利用适应度函数完成交叉概率与变异概率的自动调整,通过数代进化实现模型输入参数的优选与支持向量回归参数的优化。为了验证算法的准确性,将辨识算法预测下的施胶比例与比例模型计算出的施胶比例分别用于制板试验,结果表明:基于自适应GA-SVR算法的预测结果与期望值相一致,算法实现了施胶比例的准确预测。     

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。     

总线型粒子群神经网络谷物干燥机控制系统设计

针对谷物干燥过程存在本构非线性、多参数、大滞后等特点,采用Elman神经网络对干燥过程进行建模,并融合自适应粒子群优化算法设计了谷物干燥机智能控制系统,同时给出了系统测试结果。系统硬件设计采用上位工控机实现建模和优化算法,热风温度、谷物含水率等采用C8051F020单片机通过总线方式进行采集,系统控制参数由工控机计算优化获得并通过串口传送给单片机,并由其控制相应变频器和电动风阀等执行机构。     

基于RBF神经网络的中密度纤维板连续热压板厚动态面控制

针对中密度纤维板(MDF)连续热压工艺特点,考虑到定厚段外负载力干扰对板坯厚度产生的影响,提出一种基于径向基函数(RBF)神经网络的动态面板厚度跟踪控制策略。将连续热压机的电液位置伺服系统作为被控对象,首先利用RBF神经网络逼近其外负载力干扰,设计自适应律对网络权值进行调整;然后采用动态面控制(DSC)方法,通过引入一阶低通滤波器计算虚拟控制量导数,避免了反步法设计控制器时易出现的微分项膨胀问题;最后通过选择合适的Lyapunov函数,证明了闭环系统所有信号半全局一致最终有界,且跟踪误差最终渐进收敛为零。仿真结果表明,所提方法可以有效地确保MDF板厚度跟踪控制精度,并使系统具有较强的鲁棒性。     

基于MATLAB下BP网络在力学反问题中的应用*

 在简介MATLAB语言和BP神经网络的基础上,建立了薄板力学参数反求的BP模型,调用了MATLAB软件中的神经网络工具箱,模型经过训练,并应用于实例求解,取得了良好的效果。表明运用BP神经网络进行力学反问题求解是可行的。同时,运用MATLAB神经网络工具箱,免去了繁琐的编程工作,计算效率明显提高。     

温室温度控制系统神经网络PID控制算法研究

在以优质、高效、高产为目的的现代化农业发展新阶段,温室自动化技术的研究受到广泛重视.对于温室自动控制系统,由于其非线性、强耦合、纯滞后、大惯性的自身特性,传统PID控制已难以满足高品质温室控制系统的需求.由于BP神经网络具有强大的学习能力及非线性映射性,将BP神经网络控制引入常规PID控制中,采用BP神经网络PID控制方案,设计温室温度的自动控制系统并进行仿真验证.仿真结果表明,相比于传统的PID控制系统,所设计的基于BP神经网络PID控制系统具有更强的自适应能力与稳健性,控制品质具有明显优势.     

基于神经网络的模糊温室锅炉监控系统

根据温室锅炉系统的控制要求,应用三维力控组态软件对温室锅炉控制系统进行改造,采用模糊神经网络优化温度信号。