基于PLC的精准变量施肥自动控制系统研究

针对国内施肥的精准度低、均匀性差、有效利用率低、环境污染等问题,文章设计了一套滴灌农田精准变量施肥自动控制系统。该系统采用变量施肥方式,通过PLC控制器来采集压力、流量、电机转速等信息,通过控制配肥电机、活塞和电磁阀改变系统实际施肥量,实现自动配比调节和变量施肥。试验分析表明,该系统具有良好的控制精度,性能稳定可靠,可满足农田精准施肥的需求,实用性好。     

BP-PID在锅炉供回水压差系统的应用

介绍热水锅炉供回水的特点,为实现高效供暖,热水锅炉供回水压差能跟踪外界温度变化,即气候补偿功能.BP-PID控制器结合BP神经网络和PID控制的优势,经过对其仿真,可知它对时变、耦合和大时滞的对象具有较好的控制效果.某供热锅炉供热厂的供回水应用BP-PID控制器取得很好效果.     

基于参数BP网络的自整定PID控制在柔性结构控制中的应用

针对大射电望远镜(LT)悬索粗调系统为一非线性慢时变大滞后柔性系统的特点,提出用参数BP神经网络自整定PID控制器来实现馈源轨迹跟踪策略.仿真研究表明,该控制算法可以很好地满足馈源系统轨迹跟踪高精度要求.     

无用信息变量去除方法在变量选择过程中的应用

本文研究了使用主成分回归及偏最小二乘法(pls)对煤炭热解产物红外光谱数据进行变量优选,剔除无用信息变量,建立了烟气成分与光谱数据关联的数学模型,并对多组实际数据进行分析,得到了满意的结果。     

神经网络在无人机自动飞行控制系统中的应用

采用神经网络与PID控制相结合的方法，提出了一种基于BP神经网络Kp、Kl、KD参数自学习的PID控制器，较好地解决了传统控制方式对于对象模型过于依赖、参数在线整定困难等问题。同时对BP算法进行了深入分析，引入了神经网络的自适应学习速率和带死区控制，进一步提高了算法的收敛性。利用本文所提出的算法对某型无人机进行控制设计仿真实验，仿真结果表明：该算法在跟踪速率、控制精度上明显优于传统的PID控制器，对无人机具有良好的控制效果。     

自适应单神经元网络在耦合系统中的应用

基于神经网络PID控制和解耦系统的特点,应用一种针对多输入多输出解耦系统的单神经元PID解耦算法和结构,并在算法中增加了自适应学习速率,更好的实现对耦合系统的解耦控制。仿真结果表明这种单神经元PID解耦算法实现的控制比常规的PID解耦不仅具有较好的动态性能和稳态性能,而且还具有很强的自学习功能和自适应解耦能力。     

比例变量泵死区的神经网络补偿研究

分析了轴向柱塞比例变量泵死区的主要形成原因及对控制性能的影响.利用RBF神经网络辨识变量泵的死区和系统参数,建立了死区的逆模型.根据辨识出的系统参数构造被控对象的参考模型,并设计自适应FID控制器.仿真结果表明逆模型抵消了泵的死区,改善了系统的静态性能.自适应PID控制器取得了良好的控制效果.     

RBF神经网络在薄膜厚度控制系统中的应用

针对双向拉伸薄膜厚度控制系统中,经典的PID控制器难以达到理想控制效果的问题,设计一个基于RBF神经网络整定的PID控制器。该控制器由RBF网络对系统进行在线辨识,找到最佳控制参数,并将其反馈给PID控制器,从而实现控制器参数的在线调整。仿真结果表明,本控制器具有超调量小,响应速度快和自适应性强等优点,可有效提高双向拉伸薄膜厚度控制系统的性能。     

BP神经网络控制器在矢量控制系统中的应用

针对在矢量控制系统中普通PI控制器参数整定过程较为繁琐且性能易受电机参数影响的问题,将BP神经网络控制器应用于矢量控制系统,构造了基于BP神经网络的PI控制器,实现了PI控制器参数的在线自整定。在MATLAB/Simulink环境下进行了仿真验证,结果表明神经网络控制器较普通PI控制器具有更快的响应速度和更小的超调量。     

多变量系统辨识及其PID解耦控制的研究

现代工业过程中面临越来越多的结构复杂的多变量系统,传统的单变量PID控制方法已无法满足要求,为了解决多变量系统的控制问题,以两输入两输出系统为例,提出一种基于阶跃响应的多变量频域模型辨识方法,并将此种方法与对角矩阵解耦控制方法相结合应用于多变量PID控制系统中.最后对滞后环节近似部分和对角矩阵解耦方法进行仿真验证.结果表明该方法能够更好的控制系统变量,误差减小50%以上.     

Modeling and prediction of hybrid-coded variable bit rate video sources in fuzzy logic perspectives

This paper presents the modeling and prediction of variable bit rate video sources using fuzzy set and fuzzy logic theory. The sources are coded with the hybrid motion compensation/differential pulse code modulation/discrete cosine transform algorithm. The fuzzy logic prediction scheme discussed here is in the category of computational intelligence algorithms. It has the capability to handle statistically difficult to describe or unknown series. The proposed fuzzy logic prediction method is aimed at fast computation for online operation. It can be applied to the development of connection admission control, usage parameter control, and congestion control algorithms in multimedia communication networks.     

电力负控系统无线信道智能滤波FSK的研究

电力负控系统无线通信采用二进制FSK调制方式,针对信号在调制速率要求高的情况下,载波周期数少、频带窄、带通滤波器灵敏性较差的问题,运用神经网络滤波的二进制频移键控信号的数字化解调方法对该问题进行了研究,提出一种基于余弦基神经网络FIR滤波器的设计方法,构建了一个智能化的算法模型。在解调时使用码元稳定区中若干个载波周期内的采样值作DFT变换提取幅值来进行解调判定。通过数值仿真,取得理想的效果,验证了该算法的有效性,具有较好的应用价值。     

变结构控制在空间光通信PAT系统中的应用

基于离散指数趋近律和被控对象离散化模型设计了空间光通信的瞄准、捕获和跟踪系统(简称PAT系统)的变结构控制器,通过改变趋近律的参数,消除了系统的抖振现象,使得在滑模方式下系统收敛于平衡点,从而实现了系统远远高于经典频域法对动态目标的跟踪精度。仿真结果表明在跟瞄性能方面变结构控制跟踪动态目标的跟踪精度比经典控制提高了两个数量级,证实了该设计方法的可行性。     

非线性系统的神经网络自适应控制

给出了神经网络自适应控制方法,利用神经网络解决无参数,无模型等未知特性的系统控制问题,设计出神经网络自适应控制器,并对倒立摆系统进行仿真,验证理论的有效性和优越性。     

GRNN神经网络在电力系统负荷预报中的应用

为了预报电力系统负荷,采用GRNN（广义回归网络）的方法,通过GRNN神经网络和BP神经网络建立电力系统负荷预报网络模型,用MATLAB7.0仿真,达到了预测的目的。利用GRNN神经网络预测结果准确率高,避免了BP网络预测同样的数据库,算法冗长,网络预测结果不稳定的缺点,GRNN网络具有更好的预报精度。     

基于改进型九区图的变电站电压无功控制方法

在分析现有的九区图控制方法与模糊控制策略的基础上,将变电站电容器组投切精细化,利用TSC投切与MSC投切的不同特点,对传统的九区图控制进行了相应的改进,并将BP神经网络控制与模糊控制有效的结合,构成了模糊BP神经控制。该方法能有效减少变压器分接头与电容器组的调节,改善系统稳定性。     

BP神经网络在高校教学质量评估体系中的应用

高校教学质量评估是一个比较复杂,多因素、多变量的非线性过程,传统的教学评估方法难以客观、公平地反映教师的教学质量。文中利用BP神经网络算法建立高校教学评估体系的评估模型,并通过MATLAB仿真,得到了比较满意的评价结果。经实验证明该模型能克服各种人为因素,具有广泛的适应性。     

可变速率符号定时恢复在QAM解调器中的实现

随着数字通信技术的发展,不同速率业务的相继推出,传统的符号定时恢复方法已不能满足要求,提出了一种基于非同步采样,用内插技术实现的符号同步方法,完成了可变速率的符号同步,并在QAM解调器中成功实现.