基于BP神经网络PID的船用锅炉蒸汽压力控制系统

锅炉蒸汽压力的特性导致常规的PID控制方法不具备自适应能力,难以满足系统要求,因此,设计了基于BP神经网络PID的锅炉蒸汽压力控制系统。以一个二阶含滞后环节的锅炉蒸汽压力数学模型为被控对象,分别用传统PID控制器和基于BP神经网络的PID控制器对锅炉蒸汽压力加以控制,并采用MATLAB软件进行仿真。仿真结果对比显示,在基于BP神经网络的PID控制器控制下,系统无振荡,无超调,过渡时间短,控制效果优于传统PID控制器。     

基于BP神经网络PID算法的斗轮机自动取料流量控制优化

为解决斗轮取料机自动取料流量控制难题,提高干散货码头生产作业效率,采用BP神经网络PID控制算法对取料机取料流量控制进行优化。分析目前斗轮机取料流量控制现状,在常规PID控制方法的基础上采用BP神经网络进行改进优化,利用BP神经网络的自学习、自适应等特性,实现对PID控制参数的在线整定和优化。采用MATLAB Simulink仿真软件,建立BP神经网络PID控制模型,通过在天津某煤炭码头进行现场工程应用,证明模型的有效性和可靠性,表明BP神经网络PID算法能进一步提高干散货码头整体生产作业效率,延长大机设备使用寿命。     

PID神经网络自适应控制在恒流系统中的应用

本文在总结国内外相关文献的基础上,对目前神经网络自适应PID控制进行了理论研究,以目前运用较广泛的恒流系统为对象,对之进行仿真,通过将其仿真结果与传统PI控制进行比较,证明PID神经网络自适应控制的优越性.     

基于自适应PIDNN的船舶航向模型辨识与控制

在研究PID神经网络控制方案的基础上,提出一种基于自适应PID神经网络的船舶航向控制方案,以对其进行辨识和控制.将自适应PID神经网络引入船舶的航向控制系统中,既具有常规PID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力.仿真结果表明,该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪设定航向并进行有效控制,且具有自适应性和一定的鲁棒性,满足实时控制的要求.     

网络控制系统诱导时延的自适应补偿研究

在网络控制系统中,网络诱导时延是造成系统性能下降甚至不稳定的基本因素.为了有效地抑制网络时延对网络控制系统性能的影响,提出了一种基于BP神经网络补偿的自适应PID控制方法,在不改变已有PID控制器控制参数的情况下,实现了对网络时延的在线自适应补偿.仿真结果表明,与传统的PID控制器比较,该方法能有效补偿网络时延的影响.     

基于神经网络的自适应PID船舶运动控制器研究

船舶在海上的运动不仅受到动力系统的推进作用,还受到来自海浪、洋流等干扰作用力的影响,为了提高船舶航行的安全性与稳定性,必须要采取恰当的船舶运动控制机制。传统船舶采用PID自适应控制器进行船舶的运动控制,该控制方式结构简单,但控制精度相对较低,本文系统研究了神经网络控制算法,并基于神经网络对船舶PID控制器进行改进,主要目的是改善船舶运动控制的效率与准确度。     

基于RBF神经网络的TCSC自适应PID控制

针对可控串联补偿(Thyristor Controlled Series Capacitor,TCSC)的传统PID控制器存在鲁棒性差和自学习能力不强的问题,利用径向基函数(Radial Basis Function,RBF)神经网络可以无限逼近非线性系统的特性,提出了一种基于RBF神经网络设计的TCSC自适应PID控制器.该自适应PID控制器不仅具有传统PID控制器结构简单、易于工程实现等特点,而且通过RBF神经网络辨识的被控系统Jacobian信息来在线实时调整PID控制的参数,对被控系统参数和运行状态改变有较强的适应性,克服了常规PID控制器鲁棒性不强的缺点.两机五节点系统和四机两区域系统的仿真结果表明所设计的控制器控制效果明显优于传统PID控制器,具有较好的适应性和鲁棒性,对系统低频振荡的阻尼特性有很大地改善.     

非规则波动下直线航迹自抗扰控制数学模型设计

非规则波动,船舶直线航迹经常出现偏差,影响了船舶航行的稳定性和安全性。为此,针对传统PID控制、自适应神经网络控制2种方法控制效果差的问题,设计一种非规则波动下直线航迹自抗扰控制数学模型。该模型分为3部分:首先进行跟踪微分器设计,消除干扰因素的影响,然后利用扩张状态观测器,估计船舶运行状态,最后利用状态误差反馈,计算船舶运行误差,以此实现自抗扰控制。结果表明,与传统PID控制、自适应神经网络控制2种方法相比,利用设计的数学模型进行非规则波动下直线航迹自抗扰控制,得到的直线航迹与预期航迹之间的拟合优度更大,更接近1,由此说明自抗扰控制数学模型更能有效规范船舶直线航迹,保证了船舶航行的稳定性和安全性。     

神经网络优化PID舰船发动机自动控制

使用传统舰船发动机控制方法控制时,因其控制参数均为固定设置,无法随发动机参数变化而变化,导致控制方法的响应与实际控制信号出现较大偏差,影响了控制方法的稳定性和灵活性。针对以上问题,研究神经网络优化PID的舰船发动机自动控制方法。构建发动机闭环增益的PID结构后,设计神经网络自动控制器。利用遗传算法对神经网络PID自动控制器参数进行整定,降低控制器响应控制信号时的超调量,完成对舰船发动机控制方法的设计。通过与传统模糊PID控制方法的对比实验,证明了研究的控制方法能够有效降低24.31%的超调量,并且相比传统方法研究的方法的正弦跟随特性更佳,即神经网络优化后的自动控制方法具有更好的稳定性和灵活性。     

船舶主柴油机缸套冷却水出口温度的智能控制

利用传热学的有关理论,对船舶主柴油机缸套冷却水系统的传热机理进行了分析,给出了船舶主柴油机缸套冷却水系统的动态热力数学模型,并将基于神经网络的模糊PID控制引入到缸套冷却水出口温度控制系统中,以实现对对象进行在线控制.仿真结果表明,基于神经网络的模糊PID自适应控制比传统的PID控制的控制性能更好,而且前者具备适应控制环境变化的能力和自学习能力,当主机运行工况发生变化时,仍具有很好的控制性能.