基于BP神经网络整定的蒸汽发生器水位PID控制及仿真研究

将神经网络与PID控制结合起来,提出了基于BP神经网络整定的蒸汽发生器水位PID控制方法,采用BP学习算法调整控制器神经网络的连接权值,通过对系统性能的学习实现了控制器参数的在线整定,仿真结果表明,所设计的控制器具有良好的控制性能。     

一种参数自整定PID在变频冷却水系统的仿真研究

由于船舶在航行过程中海水温度、主机运行情况等参数变化会导致常规的PID控制效果不理想,所以需要对船舶变频冷却水系统的控制器进行改进。文章建立了船舶中央冷却水系统的数学模型,并在Matlab/Simulink环境下建立了仿真模型。利用BP神经网络的特性实现PID参数的自整定,并用BP神经网络PID控制器与传统PID控制器分别对系统进行控制,比较其控制效果。仿真结果表明,BP神经网络PID控制器的控制精度和鲁棒性优于传统PID控制器。     

神经网络-PID在船舶核动力装置蒸汽发生器水位控制中的应用

利用BP神经网络的学习功能来调整蒸汽发生器水位控制器PID的参数,使其跟随功率的变化,从而跟踪模型的变化.以典型的五种工况下的蒸汽发生器模型为基础,按照给定的要求,分别设计得到相应的PID水位控制器.以功率和相应的PID控制器增益作为神经网络的输入、输出变量来设计和训练BP神经网络,并以训练好的神经网络和PID控制器组成神经网络-PID控制器应用到蒸汽发生器水位控制系统中,并利用MATLAB进行仿真.仿真结果表面神经网络-PID具有非常好的适应性.     

船用锅炉蒸汽压力系统的模糊免疫神经网络PID控制设计

在船用锅炉系统中,蒸汽压力是影响整个燃烧系统的一个重要因素.保持蒸汽压力恒定是船舶锅炉控制系统的一个重要指标.文章有机结合模糊控制、神经网络控制和免疫算法的优点,提出了基于免疫的模糊神经网络控制策略,仿真表明用该方法控制锅炉蒸汽压力的优越性.     

蒸汽发生器水位神经自校正控制研究

针对传统的核动力蒸汽发生器水位PID控制方法存在的缺点,将神经网络方法与PID控制的结构结合起来,提出核动力蒸汽发生器水位单神经元自校正PID控制方法,在线调整控制器参数。仿真研究表明,该方法可以提高系统的控制品质。     

船舶柴油发电机转速的BP-PID并行控制

针对船舶柴油发电机转速控制问题,结合BP神经网络对非线性系统的高拟合性与经典PID控制的优良性能,形成船舶柴油发电机转速BP-PID并行控制系统。控制系统中BP神经网络控制器与PID控制器相结合,经过神经网络控制器的不断训练学习,控制器获取船舶柴油发电机转速系统的模型,并逐渐地由BP神经网络控制器占主要控制作用,从而达到对系统的实时控制。仿真结果证明了该方法的可行性。     

神经网络PID控制在船舶励磁系统中的应用

随着电力系统的发展,对其动态和静态性能的要求变得越来越高,常规PID励磁控制器已难以满足工业上的要求。为此,设计了一种新型的基于BP神经网络的PID控制器,即将常规的PID控制与神经网络优点相结合。本文分析了同步发电机的励磁控制系统的数学模型和神经网络PID控制器的结构、工作原理和作用,并使用Simulink将神经网络PID控制器应用到同步发电机励磁系统中进行仿真,将结果与常规PID控制器的仿真效果作出对比。由仿真曲线结果得出,神经网络PID控制器具有更好的控制特性,对今后的应用研究提供了较大的参考价值。     

基于Fuzzy-PID组合智能控制理论的船用锅炉水位仿真研究

锅炉是决定船舶航运安全稳定的重要因素。其蒸汽、压力、温度这些非常重要的控制量与汽包水位有着密切的联系。利用模糊控制理论设计锅炉水位模糊控制系统和传统PID控制器优势互补，并应用MATLAB软件对该控制系统进行验证，仿真结果表明该系统对锅炉水位可实现实时最佳控制。     

船用锅炉汽压模糊自适应控制研究

针对船用锅炉蒸汽压力控制的实际,在常规PID控制方案的基础上,提出基于规则的模糊自适应控制的方法.采用该方案,对船用锅炉过热蒸汽压力的控制进行应用研究,仿真结果表明该方案是可行的.     

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.     

RBF神经网络动态补偿的汽包水位多模型预测控制

在船舶蒸汽动力系统中,普遍采用锅炉增压形式对蒸汽动力进行最大化的利用,而锅炉增压系统中最重要的是控制器的设计,该控制系统的稳定性对整个锅炉系统的安全运行至关重要。本文从锅炉增压系统的基本工作原理出发,建立了一种船舶锅炉汽包水位的状态模型,对汽包的温度和水位状态进行全面描述,然后利用RBF神经网络算法建立了汽包状态的动态补偿模型,并设计了基于PID预测控制策略。仿真结果表明,本文提出的预测模型具有较好的鲁棒性和稳定性。     

基于RBF神经网络补偿的PMSM反步控制系统

提出了一种基于非线性控制策略的RBF神经网络补偿和反步控制相结合的方法,克服了传统PID控制对非线性控制的缺点．基于神经网络的控制器很好地实现了线性逼近,反步控制保证了系统具有良好的速度跟踪性能．仿真结果表明,该方法比PID控制更有有效性．     

基于BP神经网络的PID船舶自动舵

船舶操纵的模型具有非线性,慢时变特性,传统船舶自动舵的性能不能令人满意。基于传统PID自动舵的基础上,把传统PID与BP神经网络结合起来,利用BP神经网络的自学习能力实现PID控制参数的在线整定,构成一种新型的船舶航向自动舵。分无干扰和在风,流,浪干扰两种情况进行MATLAB仿真,来说明这种船舶航向控制自动舵的优越性。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.     

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.     

神经网络在船舶柴油机调速中的应用

分析了柴油机电子调速器的系统组成及调速原理,介绍了经典PID算法和B-P神经网络,仿真和试验结果表明,基于BP神经网络的PID智能控制是一种有效的船舶柴油机调速控制方法.     

基于动态神经网络的AUV航向自适应控制

海洋环境的复杂性以及自身模型的不确定性,给自主潜航器(AUV)航向控制带来很大困难.针对AUV的特点和控制方面所存在的问题,采用了带衡量因子的动态BP神经网络控制器控制AUV的航向.理论分析和仿真结果表明,与传统的PID控制器相比,在扰动存在的情况下,神经网络控制器具有更好的自适应性和鲁棒性.     

船用蒸汽发生器给水系统的容错控制

为提高二回路控制系统的可靠性,以蒸汽发生器给水系统为对象,设计基于BP神经网络的水位容错控制系统。利用Matlab/Simulink仿真平台,建立容错控制仿真模型,并与蒸汽发生器的集总参数仿真模型联合,分别对水位传感器恒偏差、恒增益和卡死故障进行仿真测试。仿真结果表明,容错控制系统的故障诊断模块能够准确、迅速地诊断出传感器故障并启动容错控制模块进行容错控制,使得蒸汽发生器的水位能够稳定在设定值附近,系统运行稳定。基于BP神经网络的容错控制系统对于修正蒸汽发生器水位传感器的故障有效,可用于蒸汽发生器给水控制系统的设计,提高系统的可靠性。     

基于信息融合与神经网络PID(比例-积分-微分)技术的潜艇自动舵研究

依据信息融合、神经网络、系统辨识等的理论,本文设计出了基于多层网络的在线自适应神经网络PID控制器,仿真结果表明,神经网络PID自动舵的控制性能要远好于传统的自动舵.     

用神经网络控制器对小型帆船的航向控制

本文描述了一个简单的基于神经网络的小型帆船自适应舵的控制方案.该方案采用了两个简单的双层神经网络:一个使用在线的BP算法来学习未知的帆船动态;另一个则利用前一个所学到的知识来调整它的连接权系数和偏差权系数以产生控制信号.仿真结果表明,与仔细调整过的PID控制器相比较,神经网络控制器在航向保持上与PID近乎相同,但却具有好得多的鲁棒特性.