文献类型：期刊文章

作　　者：皇甫立群[1]

Huangfu Liqun(Faculty of Applied Technology,Huaiyin Institute of Technology,Huaian,223003,China)

机构地区：[1]淮阴工学院应用技术学院,江苏淮安223003

出　　处：《中国农机化学报》

基　　金：江苏省建设系统科技项目(2019ZD001095);江苏省教育厅自然基金项目(13KJD510002)。

年　　份：2020

卷　　号：41

期　　号：7

起止页码：68-74

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、核心刊

摘　　要：针对温室温度控制系统所存在的大惯性、非线性等问题,提出神经网络PID控制算法,并利用知识局部存储且具有较快学习速度的B样条函数作为网络隐层神经元函数,同时,提出了β参数型-B样条曲线的重新参数化方法,通过学习算法对β参数搜索来动态调节B样条基函数,从而建立B-BP神经网络,并利用其对PID控制器的比例、积分和微分参数进行优化调整,从而为B-BP-PID控制器的参数自适应调整提供更好的保证,使温度控制系统有效跟踪系统模型并达到较高的辨识精度。仿真试验获得B-BP-PID控制器的最佳β因子为3.2,其温度控制超调量为27%,调节时间为0.8 s,而BP-PID控制器的超调量为25%,调节时间为4.8 s,RBF-PID控制器的超调量为40%,调节时间为1.2 s,新算法有效提高了温度控制过程的稳定性、精确性与鲁棒性。

关 键 词：温室 温度控制 PID BP神经网络  参数整定 B样条函数

分 类 号：S24] TP183[农业工程类]