引用本文格式: 李航,杜璠,胡晓兵,周韶武. 改进的BP神经网络PID控制器在气体浓度控制中的研究 [J]. 四川大学学报: 自然科学版, 2020, 57: 1103~1109.
 
改进的BP神经网络PID控制器在气体浓度控制中的研究
Research on improved BP neural network PID controller in gas concentration control
摘要点击 115  全文点击 84  投稿时间:2019-12-26  修订日期:2020-02-24
查看全文  查看/发表评论  下载PDF阅读器
DOI编号   
中文关键词   PID控制,BP神经网络,遗传算法,气体浓度控制,智能控制
英文关键词   PID control  BP neural network  genetic algorithm  gas concentration control  intelligent control
基金项目   中国制造2025四川行动计划(2017ZZ018, 2018ZZ011)
作者单位E-mail
李航 四川大学机械工程学院 396511990@qq.com 
杜璠 四川航天长征装备制造有限公司  
胡晓兵 四川大学机械工程学院  
周韶武 四川大学机械工程学院  
Author NameAffiliationE-mail
LI Hang School of Mechanical Engineering, Sichuan University, Chengdu 610065 396511990@qq.com 
DU Fan Sichuan Aerospace Changzheng Equipment Manufacturing Co., Ltd  
HU Xiao-Bing School of Mechanical Engineering, Sichuan University, Chengdu 610065  
ZHOU Shao-Wu School of Mechanical Engineering, Sichuan University, Chengdu 610065  
中文摘要
    针对动物缺氧实验中气体浓度控制这一时变非线性的过程,将BP神经网络与传统PID控制相结合虽然可以取得较好的控制效果,但是也存在着网络收敛速度慢、稳定性较差等问题.基于此,提出了一种基于改进的遗传算法优化的BP神经网络PID控制器.首先,该控制器对遗传算法的收敛速度和稳定性进行改进,利用改进后的遗传算法优化BP神经网络的权重初始值;然后,用优化后的BP神经网络实现PID控制参数的在线调整;最后,在MATLAB中对两种控制器进行仿真实验,结果显示,与传统的BP神经网络PID控制器相比,改进后的BP神经网络PID控制器具有更好的控制性能.
英文摘要
    The process of gas concentration control in animal hypoxia experiment is time varying and nonlinear,Combining BP neural network with traditional PID control can achieve better control results, but there are still some problems such as slow convergence speed and poor stability. To solve these problems, a new BP neural network PID controller, optimized by improved genetic algorithm, is proposed. The convergence speed and stability of genetic algorithm are improved in order to optimize the initial weights of BP neural network , then the optimized BP neural network was used to realize on line adjustment of PID parameters in this controller.Finally,the conventional and improved ontrollers are simulated in MATLAB,the results show that the improved BP neural network PID controller has better control performance, compared with the conventional BP neural network PID controller.

您是第 3872686 位访问者

版权所有 @ 2007《四川大学学报 (自然科学版)》编辑部
地址: 四川省成都市武侯区四川大学望江校区文科楼330至342室  邮编: 610064
电话: (028)85410393  传真: (028)85410393  E-mail: scdx@scu.edu.cn
本系统由北京勤云科技发展有限公司设计