基于BPNN的电液伺服扭振试验机PID控制算法研究

doi:10.3969/j.issn.1006-6055.2013.06.009

›› 2013, Vol. 35 ›› Issue (6): 709-711, 716.doi: 10.3969/j.issn.1006-6055.2013.06.009

基于BPNN的电液伺服扭振试验机PID控制算法研究

陈昂1 龚宪生1,2

1.重庆大学机械传动国家重点实验室，重庆400044；2.重庆大学机械工程学院，重庆400044

出版日期:2013-12-25 发布日期:2014-01-28

Online:2013-12-25 Published:2014-01-28

摘要/Abstract

摘要：

弹性轴类零件液压伺服扭转振动试验机在实验过程中，由于系统非线性及负载变化或干扰因素的影响，其控制系统参数及数学模型易发生改变，导致控制效果变差。针对该试验机的控制系统，提出了基于BP神经网络(BPNN)的PID自适应控制算法。利用MATLAB/Simulink工具箱对该算法进行仿真实验。结果表明：结合了神经网络特点的智能PID控制器具有响应快、精度高、鲁棒性好和抗干扰能力强等优点，改善了控制系统的动态性能。

关键词: 电液伺服控制, BP神经网络, PID控制器, MATLAB/Simulink

中图分类号:

TH13

陈昂龚宪生 . 基于BPNN的电液伺服扭振试验机PID控制算法研究[J]. , 2013, 35(6): 709-711, 716.

[1]	邓高杨珊江时雨. 相空间重构和混沌遗传神经网络融合的矿井涌水量预测研究[J]. , 2016, 38(5): 973-978.
[2]	李旭刘剑. 基于PCA-ABBP强分类器的矿区采空塌陷危险性预测[J]. , 2016, 38(5): 960-964.
[3]	王丽娟李欣雨. 基于PCA-EBP神经网络的煤炭物流成本预测[J]. , 2016, 38(5): 1101-1106.
[4]	王卫华李坤严哲唐修. 基于BP神经网络方法研究岩石节理形貌粗糙度系数[J]. , 2016, 38(3): 518-521.
[5]	杨明磊戚旭鹏张春华郝朝瑜姜超. 基于支持向量机回归与分源预测法的瓦斯涌出量预测模型及其应用[J]. , 2015, 37(5): 485-489.
[6]	陈轶俊刘敦文陈杰朱鼎耀郑荣凯. 基于PCA和BP神经网络的采空区稳定性评价模型研究[J]. , 2015, 37(3): 239-242.
[7]	李心杰贾进章. 基于PCA-GA-BP的回采工作面瓦斯涌出量预测模型研究[J]. , 2015, 37(1): 16-20.
[8]	陈希王京芳. 基于BP神经网络的内部控制预警体系构建[J]. , 2014, 36(1): 26-30.
[9]	黄勤丁明亮凌睿罗成渝. 基于模糊PID的数字控制在DC/DC变换器中的应用[J]. , 2013, 35(5): 620-623.
[10]	朱庆生周冬冬黄伟. BP神经网络样本数据预处理应用研究[J]. , 2012, 34(4): 624-626.
[11]	刘新东陈焕远佘彩绮. 基于小波阀值降噪和BP神经网络的超短期风电功率预测[J]. , 2011, 33(6): 1006-1010.
[12]	田源黄仁杨吉云孔润. 单张正面人脸图像的三维人脸重建方法研究[J]. , 2011, 33(3): 393-397.
[13]	陈浩戴志军张小玲施伟勇. 基于BP神经网络的杭州湾北岸水下地形遥感反演研究[J]. , 2011, 33(3): 390-392.
[14]	冀常鹏何慧 . 利用AR模型参数和BP神经网络辨识微震信号[J]. , 2009, 31(6): 1044-1046, 1052.
[15]	李晓豁吴占岭. 基于Simulink的铲运机连杆机构动力学建模[J]. , 2009, 31(5): 867-868.

基于BPNN的电液伺服扭振试验机PID控制算法研究

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐