Please wait a minute...
工程设计学报
工程设计学报  2010, Vol. 17 Issue (6): 454-458    
机电一体化和智能化系统设计理论、方法与技术     
基于BP神经网络的盾构推进速度自适应PID控制
 刘国斌, 龚国芳, 朱北斗, 施 虎
浙江大学 机械工程学系,浙江 杭州310027
Adaptive PID control for thrust speed of the shield based on BP neural networks
 LIU  Guo-Bin, GONG  Guo-Fang, ZHU  Bei-Dou, SHI   Hu
Department of Mechanical Engineering, Zhejiang University, Hangzhou 310027, China
 全文: PDF(1167 KB)   HTML
摘要： 盾构掘进过程中地质多变,推进速度要求实现非线性控制,因此对控制方法提出较高的要求.在分析了盾构推进液压系统原理的基础上,建立了盾构推进速度仿真模型,设计了基于BP神经网络的盾构推进速度自适应PID控制器,运用MATLAB软件对常规PID推进速度控制和基于BP神经网络的自适应PID推进速度控制进行了阶跃响应仿真对比,并对基于BP神经网络的自适应PID推进速度控制的正弦跟踪特性进行了仿真.仿真结果表明基于BP神经网络整定的PID控制具有良好的跟踪能力和鲁棒性,相比于传统PID控制系统响应迅速,超调量小,具有很高的响应精度和良好的在线整定能力,对于盾构推进速度这种非线性过程,控制效果比较理想.
关键词： 盾构;  推进液压系统;  推进速度;  BP神经网络;  PID    
Abstract:  As the geology is variable in shield tunneling process, the control of thrust speed must be nonlinear, which puts forward higher requirement for control algorithm. The model for thrust speed of the thrust hydraulic system in the shield was established, lying on the analysis of the theory of the thrust hydraulic system of the shield. An adaptive PID controller for thrust speed of the thrust hydraulic system in the shield based on BP neural networks was designed and the step response simulation was carried out by use of MATLAB software under two different methods of controlling for thrust speed of the shield which were traditional PID control and adaptive PID control based on BP neural networks, the sinusoidal tracking simulation was also performed. The simulated results show that PID controller tuned by BP neural networks has good tracking abilities, strong robustness and higher stable precision, better ability for setting than traditional PID control. Therefore, adaptive PID control based on BP neural networks applies to such nonlinear application case as the control of thrust speed of the shield．
Key words: shield    thrust hydraulic system    thrust speed    BP neural networks    PID
出版日期: 2010-12-28
基金资助:

国家高技术研究发展计划（863计划）资助项目(2007AA041806)
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　
刘国斌
龚国芳
朱北斗
施 虎

引用本文:

刘国斌, 龚国芳, 朱北斗, 施 虎. 基于BP神经网络的盾构推进速度自适应PID控制[J]. 工程设计学报, 2010, 17(6): 454-458.

LIU Guo-Bin, GONG Guo-Fang, ZHU Bei-Dou, SHI Hu. Adaptive PID control for thrust speed of the shield based on BP neural networks[J]. Chinese Journal of Engineering Design, 2010, 17(6): 454-458.

链接本文:

https://www.zjujournals.com/gcsjxb/CN/    或    https://www.zjujournals.com/gcsjxb/CN/Y2010/V17/I6/454

[1] 陈翼楠,蒲志新,郑珍妮. 一种具有力检测机制的新型血管介入手术机器人[J]. 工程设计学报, 2023, 30(1): 20-31.
[2] 周婧,高红飞,卢林,段国林. 变论域模糊PID控制微流挤出型3D打印机的挤压力研究[J]. 工程设计学报, 2022, 29(5): 572-578.
[3] 周皓,刘尚林,杨凯弘,周思阳,张茜. 基于互信息与支持向量回归的盾构掘进载荷预测方法研究[J]. 工程设计学报, 2022, 29(3): 286-292.
[4] 王碧海, 张健, 陈永亮, 彭庆金, 顾佩华. 盾构螺旋输送机适应性设计智能决策[J]. 工程设计学报, 2022, 29(1): 1-9.
[5] 魏云篷, 陈永亮, 索树灿. 基于模块度和均衡度的复杂产品架构评价方法[J]. 工程设计学报, 2021, 28(5): 527-538.
[6] 王超, 孙文旭, 马晓静, 陈纪旸, 栾义忠, 马思乐. 基于模糊控制的HVPE生长设备温度控制系统[J]. 工程设计学报, 2020, 27(6): 765-770.
[7] 郑华林, 杨舜波, 潘盛湖, 王超. 百叶片定长切料-自动排片控制系统研究[J]. 工程设计学报, 2019, 26(4): 461-468.
[8] 唐林, 许志沛, 贺田龙, 敖维川. 基于BP神经网络的转动架稳定性灵敏度分析[J]. 工程设计学报, 2018, 25(5): 576-582.
[9] 王莉, 张士兵. 基于CPSO-BP神经网络-PID的热熔胶机温控系统研究[J]. 工程设计学报, 2017, 24(5): 588-594.
[10] 钟健, 阎春平, 曹卫东, 陈诚. 基于BP神经网络和FPA的高速干切滚齿工艺参数低碳优化决策[J]. 工程设计学报, 2017, 24(4): 449-458.
[11] 陈馈, 牛彦杰, 李阁强, 徐莉萍, 郭冰菁. 基于单神经元PID的盾构推进系统同步控制研究[J]. 工程设计学报, 2017, 24(3): 330-336.
[12] 潘春荣, 许化. 基于STM32的X型四旋翼无人机设计[J]. 工程设计学报, 2017, 24(2): 196-202,210.
[13] 曾文宇, 管会生, 宋颖鹏, 熊艳梅. 煤矿斜井双模式盾构刀盘的受力特性研究[J]. 工程设计学报, 2017, 24(1): 77-82.
[14] 司国斌, 王春霞, 靳孝峰. FDM型3D打印机的高精度进料系统研究[J]. 工程设计学报, 2016, 23(5): 497-500,512.
[15] 王爱国, 陈健伟. 基于MATLAB的3-RPS并联机构控制系统仿真[J]. 工程设计学报, 2016, 23(2): 172-180.