简介：针对．1：业废水处理系统的时变性、非线性、复杂性和不确定性，利用废水处理监控系统取得表征废水水质的各项指标，构建基于BP算法的四层模糊神经网络模型。该网络模型仿真实际废水处理过程的结果表明，模糊神经网络具有较强的学习能力；其较BP网络对样本数据的仿真误差较小，平均相对误差仅为1.5％，为实现废水处理的自动控制提供可行途径。

简介：针对黑液液位控制系统的非线性、大惯性及时变性的特点,对PID神经网络（PIDNN）在黑液液位控制中的可行性进行了深入研究与探讨。通过Matlab仿真,比较了常规PID算法、基于BP的神经网络算法和PIDNN算法对黑液液位的控制效果,验证了PIDNN算法的良好自适应性和鲁棒性。

简介：基于提高工业废水处理自动化程度、保证出水水质的考虑，通过正交实验法获得了用于FNN模型训练和测试的样本数据，并建立了相应的FNN预测和控制模型；结合模糊C均值聚类和混合算法完成网络的结构辨识和参数辨识，仿真结果表明，预测模型具有很好的学习能力和泛化能力，而测试数据的相对误差范围为1．2％～8％；建立好的预测控制模型与MCGS组态软件结合应用于实验室的造纸废水处理控制，改变原水COD和进水流量的大小，控制系统会自动计算出该时刻的加药量，其出水CODcr维持在400mg／L左右，同人工恒定加药量相比平均相对误差小很多，只有1．98％，结果表明MCGS和控制算法结合可以有效控制废水处理过程。

简介：抄纸过程中纸机系统具有大滞后、非线性、时变等特点,纸张定量与水分之间存在强耦合效应,针对这些问题,设计了一种基于RBF神经网络的PID解耦控制方法。利用RBF神经网络辨识定量与水分的数学模型,实时调整PID控制器的参数,实现系统的解耦功能。仿真结果表明,该方法具有良好的静态、动态性能和很强的自适应性,能有效解决纸张定量和水分之间的耦合作用。

简介：分数阶PID控制器继承了常规PID控制器的优点，并且具有更高的控制精度和更强的鲁棒性。针对常规PID控制器在纸浆浓度控制过程中存在的问题，设计了一种基于神经网络的分数阶PID控制器。用分数阶PID控制器代替常规PID控制器，并通过神经网络调节分数阶PID控制器的5个控制参数，实现一种参数自整定的PID控制器。仿真实验结果表明，神经网络分数阶PID控制器比常规PID控制器的控制精度高，对纸浆浓度的控制更稳定；采用神经网络分数阶PID控制器控制纸浆浓度是切实可行的，具有很好的推广应用前景。