典型文献
粒子群优化算法优化BP神经网络联合PID模型的烧结自动加水控制
文献摘要：
针对烧结混合料自动加水控制的难点,尤其是在烧结配料过程中自动加水系统的大滞后、非线性、低稳定性问题进行了加水控制算法研究.采用内环和外环方案分别控制两级混合机加水,设计基于粒子群优化(particle swarm optimization,PSO)算法优化BP(back propagation)神经网络联合模糊PID控制模型以解决时变、非线性系统的局限性问题.通过PSO算法对BP神经网络进行训练优化以获得最优控制参数,将预测的烧结料水分加入模型参与下一步控制.考虑系统存在较大延时,Simulink仿真中同步加入延时环节.仿真结果表明,相比BP神经网络模型,PSO-BP预测模型的拟合性能更加优越;相比PID、BP-PID控制算法,PSO-BP-PID控制算法在超调量、响应时间以及震荡周期等指标上均有显著提高.经梅钢4号烧结机实际应用数据表明,相比传统PID控制,PSO-BP-PID控制平均误差下降约45.75％,控制标准差下降约62.72％,可以明显提高混合料水分控制的精准度、稳定性、敏捷性,提高烧结过程的稳定性.
文献关键词：
粒子群优化算法;PID控制算法;BP神经网络;烧结;自动加水
中图分类号：
作者姓名：
聂慧远;李绍铭
作者机构：
宝钢股份梅山钢铁股份有限公司炼铁厂,江苏南京210039;安徽工业大学电气与信息工程学院,安徽马鞍山243032
文献出处：
引用格式：
[1]聂慧远;李绍铭-.粒子群优化算法优化BP神经网络联合PID模型的烧结自动加水控制)[J].冶金自动化,2022(01):44-53
A类：
自动加水
B类：
粒子群优化算法,算法优化,PID,烧结混合料,烧结配料,水系统,控制算法,算法研究,两级,混合机,机加,particle,swarm,optimization,PSO,back,propagation,控制模型,非线性系统,最优控制,控制参数,延时,Simulink,真中,超调量,响应时间,震荡,烧结机,应用数据,平均误差,差下,控制标准,混合料水分,水分控制,敏捷性,高烧,烧结过程
AB值：
0.325823
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
