BP神经网络在酯化反应中的应用

针对生产涤纶助剂SIPM酯化反应中温度的复杂变化,常规PID控制在非线性时变系统中控制效果的局限性,采用一种基于BP神经网络整定的PID控制技术,通过对酯化温度控制系统性能自学习、自适应来实现具有最佳组合的PID控制。     

锅炉汽包水位模糊RBF自适应控制

针对汽包水位常规的PID控制方式,采用了一种模糊神经网络智能控制器,该控制器结合了模糊控制与神经网络学习能力强的特点,将2种智能控制相结合,在线调整控制器参数,整定出一组优化的控制器参数。仿真结果表明此控制器显著地改善了汽包水位的动态性能和稳定性能。     

基于RBF神经网络的微机械陀螺仪温度控制系统

为了避免微机械陀螺仪受温度影响产生较大波动,设计了基于RBF神经网络的微机械陀螺仪温度控制系统。首先,构建了微机械陀螺仪温度控制装置的数学模型;其次,鉴于控制模型参数会随温度改变而发生变化,提出了基于RBF神经网络的自适应PID控制算法,利用径向基函数的局部逼近能力调节微机械陀螺仪环境温度。结果表明,设计方案基于RBF神经网络,可实时整定PID参数,且能够准确控制微机械陀螺仪的温度。与传统PID控制相比,基于RBF神经网络的自适应PID控制算法具有更快的调节速度和较强的鲁棒性,实现了微机械陀螺仪温度的无静差控制,降低了模型参数变化对控制效果的影响,满足温度控制系统的要求。     

压缩机控制系统中自动化技术的应用分析

根据压缩机普遍存在的故障率高、自动化程度低等问题,设计了采用PLC与MCGS工控组态的往复式压缩机自动控制器,实现PID变频控制系统的功能。相比于传统的机械控制器,该系统大大提高了压缩机自动化程度,增加了设备工作过程中的稳定性,可以满足现代企业对压缩机自动化的应用要求。     

建筑防火中的消防泡沫喷洒系统设计方法研究

建筑工程中消防泡沫系统消防设计具有重要意义,传统的消防泡沫系统对消防的设计无法对造成的污染进行控制。提出一种建筑工程中消防泡沫系统消防设计方法,采用可编程逻辑控制器PLC,利用西门子组态软件WINCC对系统进行实时监控并存储相关数据,同时将数据进行统计,当排放物和排量超出限值时结合模糊PID控制系统发出预警。经过实验调试,系统能够对排放气体进行有效监控并实时报警。     

基于BP神经网络策略的中低温余热发电系统性能优化

硫磺制酸生产过程中有大量中低温余热产生,文章采用基于神经网络的PID控制方法对中低温余热发电循环-有机朗肯循环发电系统中的膨胀机动态性能进行了调节。首先建立了系统中膨胀机的控制模型,然后将控制算法应用于被控对象,使系统高效运行。仿真结果表明,与传统PID控制相比,该算法具有较好的控制效果。该控制方法能有效地提高ORC系统的效率。     

轮毂低压铸造机控制系统

该系统由PANEL870面板式工控机和S7—300PLC组成,采用分级控制。工控机实现液面压力和铸型温度控制,采用灵敏压力传感器和软件式PID控制器,在计算机屏幕可同时显示铸造过程设定和实际压力曲线,并以不同颜色显示4个测温点实时温度曲线,工控机通过I／O模板控制12个冷却通道,对每路冷却通道均可提供“ON”、“OFF”、“AUTO”工作方式和按时间、温度控制模式,     

基于优化模糊神经网络控制的加热炉应用

针对加热炉具有大惯性和纯滞后性,提出优化模糊神经网络控制。该控制将模糊逻辑推理与神经网络控制技术融合,同时利用遗传算法优化隶属度函数,采用误差反向传播学习算法在线调节神经网络权值,提高了控制器的稳定性、鲁棒性和适应性。仿真结果证实了控制器的有效性。     

一类神经网络自校正控制器的设计与研究

提出一种新的神经网络自校正控制器的设计方法 ,采用神经网络 BP算法作为控制器来控制实际对象 ,动态地修改神经网络的权值作为自校正方法 ,使系统较好地适应负荷和外扰的变化 ,获得满意的控制质量。     

基于神经网络的无刷直流电机故障诊断和容错控制方法的研究

提出并设计了一种针对无刷直流电机控制器的故障诊断和容错控制方法。该神经网络状态观测器由实际非线性控制系统进行训练,根据实际系统和神经网络观测器输出残差,容错控制系统能够被确定下来。针对系统控制器、电流和速度传感器的故障条件进行了仿真分析,容错控制通过使用补偿控制器实现,保证系统故障条件下的稳定性和性能。结果表明,所提出的方法能有效地定位错误故障和时间,消除干扰并提高系统的鲁棒性。     

基于Smith预估的神经网络循环流化床锅炉床温控制

料床温度是循环流化床锅炉正常运行的一个重要指标,它影响着锅炉的燃烧效率和污染物排放速率。在燃烧过程中,它具有时变性、大惯性和大滞后的特点。针对这一问题,将BP-Smith预估控制算法应用于循环流化床锅炉床温控制,该算法基于BP整定的PID控制,提高对被控对象参数变化的自适应能力和Smith预估控制能够克服对象的大迟延特性,并对BP-Smith预估控制进行了仿真。仿真结果表明,所设计的控制系统性能均优于常规PID控制和Smith预估补偿PID控制系统。     

动态神经网络方法在车内噪声参考信号拾取上的应用

推导了用于实时控制的动态神经网络数值方法,并应用该方法通过测量关键点的振动加速度信号来识别车内噪声信号,该法既避免了传统自适应有源消声中的声反馈问题,又具有实时性。实验研究表明,由于动态网络具有良好的实时跟踪特性,即使在工况发生改变时,网络也可在短时间内迅速完成跟踪。     

基于WOA-LSTM的窄带通信网网络时延预测算法

为了给窄带通信网的链路选择及协议的智能切换提供实时参考,设计了 一种基于鲸鱼优化算法(WOA)和长短期记忆神经网络(LSTM)的窄带通信网网络时延预测算法.首先对实测数据样本进行标准化处理,以LSTM神经网络算法的均方根误差函数的倒数作为适应度函数;其次采用鲸鱼优化算法对LSTM神经网络的学习率、隐含层神经元个数进行优...     

基于极点配置算法的列车横向半主动悬挂自适应PID控制系统设计

为了使PID控制器具备自适应能力,以适应列车受到外部环境扰动时产生的结构参数变化,使用了增量式数字PID控制器,将PID控制器与极点配置控制算法结合,利用极点配置算法在线实时优化kP,kI,kD参数,设计了自适应极点配置PID控制器,实现了kP,kI,kD参数的自动校正。最后给出基于极点配置自适应PID的高速列车半主动悬挂控制系统的设计方案,利用MATLABSimulink搭建仿真平台并进行仿真。仿真结果表明:基于极点配置算法的列车半主动悬挂自适应PID控制系统能够有效降低列车横向振动。     

遗传算法优化BP神经网络的岩质边坡稳定性预测

为了解决边坡工程中非线性变化给稳定性预测造成的困难,建立了GA-BP神经网络计算模型预测岩质边坡稳定性。采用定性评价和相互作用矩阵复核的方式,选取边坡坡度、边坡高度、斜坡结构类型、岩体强度、控滑结构面倾角、岩体结构特征、地表变形强度、人类活动强度8个评价因子作为BP神经网络的输入变量;利用遗传算法对神经网络的初始权值和阈值进行优化后训练岩质边坡稳定性预测模型;对比分析GA-BP神经网络和BP神经网络的预测效果。结果表明,优化后的预测结果误差绝对值小于0.15的占85%,未优化的传统神经网络仅占45%,优化后的预测结果更加接近真实值,表明遗传算法对传统BP神经网络的优化是有效的。研究结果对建立岩质边坡稳定性预测模型具有一定的参考价值。