将神经网络与比例-积分-微分(Proportion Integral Differential,PID)相结合,设计电力可编程逻辑控制器(Programmable Logic Controller,PLC)高精度温控方法。选用GX20MH01型号的温度传感器采集温度数据;选择多层前馈神经网络作为神经...将神经网络与比例-积分-微分(Proportion Integral Differential,PID)相结合,设计电力可编程逻辑控制器(Programmable Logic Controller,PLC)高精度温控方法。选用GX20MH01型号的温度传感器采集温度数据;选择多层前馈神经网络作为神经网络结构,计算网络传播数据的误差;通过神经元输出的激活数值,引进PID控制算法,整定电力系统控制器温度参数;基于专家经验知识,将输入变量划分为若干个模糊集合,以此为依据设计模糊控制规则,高精度控制电力PLC温度。对比实验结果表明:应用设计的方法进行温度控制后,电力PLC温度值稳定在目标值,波动范围极小,控制效果良好。展开更多
为解决气动调节阀控制过程中出现的超调大、精度低等问题,本文采用BP神经网络整定出较优的PID(Proportional Integral Derivative)控制参数,对Smith预估控制器以及模糊控制器进行设计,实现了基于BP神经网络的Smith-Fuzzy-PID控制方法。...为解决气动调节阀控制过程中出现的超调大、精度低等问题,本文采用BP神经网络整定出较优的PID(Proportional Integral Derivative)控制参数,对Smith预估控制器以及模糊控制器进行设计,实现了基于BP神经网络的Smith-Fuzzy-PID控制方法。搭建了实验平台,通过阶跃响应实验来对控制方法进行验证,验证结果表明,提出的方法调节过程无超调,调节时间仅为1.9 s,定位精度在±0.5%以内,有效提高了系统的稳定性,实现了气动调节阀的快速精准定位。展开更多
文摘将神经网络与比例-积分-微分(Proportion Integral Differential,PID)相结合,设计电力可编程逻辑控制器(Programmable Logic Controller,PLC)高精度温控方法。选用GX20MH01型号的温度传感器采集温度数据;选择多层前馈神经网络作为神经网络结构,计算网络传播数据的误差;通过神经元输出的激活数值,引进PID控制算法,整定电力系统控制器温度参数;基于专家经验知识,将输入变量划分为若干个模糊集合,以此为依据设计模糊控制规则,高精度控制电力PLC温度。对比实验结果表明:应用设计的方法进行温度控制后,电力PLC温度值稳定在目标值,波动范围极小,控制效果良好。
文摘为解决气动调节阀控制过程中出现的超调大、精度低等问题,本文采用BP神经网络整定出较优的PID(Proportional Integral Derivative)控制参数,对Smith预估控制器以及模糊控制器进行设计,实现了基于BP神经网络的Smith-Fuzzy-PID控制方法。搭建了实验平台,通过阶跃响应实验来对控制方法进行验证,验证结果表明,提出的方法调节过程无超调,调节时间仅为1.9 s,定位精度在±0.5%以内,有效提高了系统的稳定性,实现了气动调节阀的快速精准定位。
