摘要：针对永磁直线同步电动机提升系统的非线性、时变性、易受扰动等特性,在所建立的永磁直线同步电动机d-q轴动态数学模型的基础上,设计了一种改进型bp神经网络pid控制的PMLSM调速系统。该系统将bp神经网络算法中固定的学习速率改为自适应可调,同时添加动量项以减小学习过程中的振荡趋势,极大地改善了算法的收敛速度,避免了网络落入局部最小值的结果。仿真结果表明,使用改进的bp神经网络pid控制器可使PMLSM调速系统的调节时间和超调量大幅减小,响应速度加快,使提升系统具备较好的动态性能和较强的鲁棒性。

摘要：为了改善常规pid及模糊pid控制等在茶叶理条机温度控制系统中的缺点与不足,提出了将bp神经网络算法引入到茶叶的理条加工中,将bp神经网络算法与pid控制的优势结合起来,设计了基于bp神经网络pid控制的茶叶理条机温度控制器,并对bp神经网络pid控制在茶叶理条机温度控制系统中的控制性能进行了研究。利用MATLAB SIMULINK分别搭建了常规pid和bp神经网络pid控制下的茶叶理条机温度控制系统模型,并开展了仿真对比实验。结果分析验证了较常规pid控制相比,bp神经网络pid控制下温度控制系统的超调量几乎为零,且未发生明显振荡,系统的精度高,稳定性好,抗干扰能力强。bp神经网络pid控制在茶叶理条机温度控制系统中的控制性能较好,符合绿茶的理条工艺要求,可实现优秀的理条效果。

摘要：针对木塑复合材料挤出过程中挤出温度采用传统pid控制的不足,设计研究了木塑挤出机温度的bp神经网络pid控制系统。针对挤出温度控制过程中的高非线性和分段温度的特点,提出bp神经网络pid控制算法以改善温度系统性能,实现对温度模型的高效控制。木塑挤出机温度的传统pid控制与木塑挤出机温度的bp神经网络pid控制进行仿真对比,结果表明木塑挤出机温度的bp神经网络pid控制在系统升温的速度、超调量、调节时间、抗干扰能力方面具有明显优势,在控制精度方面更符合木塑挤出机温度控制要求。

摘要：为研究某半主动悬架车辆的转向稳定性,提出了悬架阻尼bp神经网络pid控制技术。以理想的横摆角速度和实际的横摆角速度误差作为控制目标,对车辆实行转向横摆稳定性闭环控制。通过控制车辆的横摆角速度来分析悬架阻尼变化对车轮垂直载荷及侧倾的影响,针对单移线转向和阶跃转向两种典型工况,应用MATLAB软件进行了仿真。结果表明,在高附着路面上,可以通过控制悬架阻尼来控制车辆的横摆和侧偏运动,当前悬架阻尼增加后悬架阻尼减小时,车辆前、后轴左右车轮的载荷转移明显减小,从而能有效抑制车辆的过多转向特性,为改善操纵稳定性提供一种新控制方法。

摘要：结合风电转盘轴承实际工况下的受载情况,为验证所设计液压加载系统的可行性和改善系统的动态响应性能,设计出风电回转支承实验台液压加载系统。在AMESim中建立液压加载回路的仿真模型,所采用的bp神经网络pid控制器以S函数的形式导入到Simulink中的系统模型中,进行AMESim和MATLAB/Simulink联合仿真研究,并与传统pid控制的同一系统进行AMESim仿真对比。仿真结果表明,所采用的液压加载系统能够模拟出风电转盘轴承实际工况下承受到的载荷,bp神经网络pid控制改善液压加载系统的响应性能。

摘要：文章分析了智能挖掘技术的研究现状,给出了试验挖掘机器人运动学模型及负载工况下动态特性方程;为实现典型挖掘工况下工作装置位姿及液压驱动力的控制,设计了一种基于bp(back propagation)神经网络pid(proportion-integral-derivative)控制算法的控制器;并以山河智能SWE-17E挖掘机器人为平台进行试验验证。试验结果表明,采用bp神经网络pid控制算法得到的工作装置末端轨迹跟踪误差均方差小于10cm,驱动力跟踪也达到了较高精度,证明了bp神经网络pid控制算法对于挖掘机器人力与位姿控制的可行性和有效性。

摘要：超声波电动机是一个高度非线性系统,采用传统控制方法无法取得良好的控制效果。为了研究超声波电动机在有负载工况下的性能并实现其在工程领域的推广应用,必须找到一种有效的控制方法。bp神经网络pid控制器非常适合非线性系统的控制,具有结构简单、鲁棒性好、pid参数能在线实时调整的优点,设计了一种bp神经网络pid控制器,用于旋转型超声波电动机的转速控制研究。控制器的输入层节点数为3,隐含层点数为5,输出层节点数为3。通过一系列试验研究,发现采用bp神经网络pid控制取得了较好的控制效果,为超声波电动机的工程应用找到一种有效可行的控制方法。

摘要：采取改进pid控制方法,通过仿真验证机床滑台跟踪结果。采用直角坐标系建立机床滑台二维简图模型,设计机床滑台闭环控制流程,定义机床滑台位置传递控制函数。采用bp神经网络结构对pid控制器进行改进,给出机床滑台位置输出误差评价指标函数。采用MATLAB软件检验不同控制系统跟踪结果。结果表明:在无干扰状态下,采用传统pid控制系统,滑台位置跟踪误差最大值为0.05m,采用改进pid控制系统,滑台位置跟踪误差最大值为0.02m。两种控制系统跟踪误差相差不大,都能实现滑台位置的精确定位。在有干扰状态下,采用传统pid控制系统,滑台位置跟踪误差较大,误差最大值为0.19m,而采用改进pid控制系统,滑台位置跟踪误差较小,误差最大值为0.02m。采用改进pid控制系统,能够实现机床滑台位置的精确定位,提高机床主轴对零件的加工精度。