关键词： 联邦学习   机器学习   异构性   异步优化  

摘要： 联邦学习(Federated Learning,FL)是一种缓解数据孤岛和隐私泄露问题的分布式机器学习框架,分散的节点在不分享其私人数据的情况下协作学习一个全局模型。然而,客户的系统异构会降低模型收敛速度,数据异构会对训练的全局模型产生负面影响。 本文针对这两个问题,设定了对系统异构和数据异构侧重点不同的两个场景,并分别提出如下方法解决: 1.异构数据下的系统异构。在本文中,联邦学习数据异构体现为各个节点上拥有非独立同分布(Non-Independent and Identically Distributed,Non-IID)的数据集。在固定异构数据的带来的影响下,本文对联邦学习的系统异构进行分析,系统异构具体表现为各个节点完成训练任务所需的时间长短不同,从而导致模型收敛速度下降。针对这一问题,本文首次提出了一个"异步自适应联邦学习"(Asynchronous-Adaptive Federated Learning,AAFL)方案。具体来说,本文设置不同性能的设备在每轮通信中具有异质的本地随机梯度下降(Stochastic Gradient Descent,SGD)迭代次数,称为异步迭代策略,它在自适应控制下保持平衡。经过实验测试,AAFL方案到达收敛点比传统方法所花时间少16.67%～50%左右。本文还对AAFL方案的相关变量进行消融实验,证明了可行性和有效性。 2.异构系统下的数据异构。在固定异构系统带来的影响下,联邦学习的数据异构导致全局模型收敛速度下降甚至不能收敛。为解决这一问题,本文首次提出联邦向量平均(Federated Vector Averaging,Fed Veca)方法。Fed Veca在每轮通信中为训练模型设置了一个新的全局目标,并且通过控制每个节点的异步SGD迭代次数来适应性地调整全局目标的方向和大小。本文从理论上分析了异步SGD迭代次数与全局目标之间的关系,并得到了每轮通信中异步SGD迭代次数的上限。经过实验测试,FedVeca方法到达相比算法的收敛点所需的训练轮数要少40%～60%左右。本文还对Fed Veca方法的相关假设进行验证,并对相关变量进行测试,证明了可行性和有效性。 综上所述,本文面向系统异构和数据异构场景下的异步自适应联邦学习,设计自适应地更新SGD迭代次数的算法,来提高联邦学习模型的收敛速度和规定时间内的模型精度。本文搭建了一个原型系统对不同的模型、数据集、节点个数、时间资源和相关变量进行测试,并将本文算法应用于检测新冠病毒(Coronavirus Disease of 2019,COVID-19)肺部图片。经过实验测试,本文的方法在两种场景和实际应用中相较于传统方法,在规定时间内提高了模型1.21%～10.77%的分类精度,并且完成任务所需的时间缩短了5.35%～37.69%。

关键词： 永磁同步电机   鲁棒控制   滑模控制   定子磁链观测   参数辨识  

摘要： 伺服转台作为惯性元件标定和飞行器跟踪目标的重要载体,在航空航天领域正发挥着不可替代的作用,其动、静态性能直接影响了应用的结果。作为转台系统的重要组成部分,永磁同步电机伺服控制器以优越的动态跟踪性能被广泛应用。然而在电机实际应用过程中,其控制精度及响应能力会受到参数失配、观测器性能及负载扰动等因素影响,如何克服这些不利因素已成为国内外的研究热点。本文以伺服转台为背景,针对上述永磁同步电机控制存在的若干问题,分别对电机参数辨识、定子磁链观测、鲁棒控制等问题做了较深入的研究。首先,永磁同步电机参数模型在实际运行过程中会发生参数失配现象,本文在近似理想数学模型基础上引入了电气参数摄动等不确定变量,构建出参数失配下的电机模型,为后文参数辨识、磁链观测器及鲁棒控制器设计提供了理论分析依据。然后,为降低参数失配对系统性能的影响,本文提出了一种基于模型参考自适应的辨识算法,该算法在电机失配模型基础上利用Popov超稳定性原理设计自适应律使估计参数逼近标称值,实现了电机电阻、电感及磁链等多个参数分步在线辨识,避免了多参数同时辨识的欠秩问题,并通过仿真分析验证了该算法的可行性。接下来,本文针对一阶滑模磁链观测值脉动较大的缺点,在电机有效磁链概念的基础上设计一种二阶滑模自适应磁链观测器。该观测器利用超螺旋算法理论构建基于电流误差估计的二阶观测器模型,同时利用有效磁链与定子磁链的关系,准确获取定子磁链估计值,提高了磁链估计精确度,实现了永磁同步电机无位置传感器控制的稳定性。最后,本文利用静态解耦思想将非线性电机模型转化为线性模型,设计出一种H∞输出反馈控制器,将电机转速与负载转矩作为该控制器的外部扰动输入,再建立加权函数与系统性能指标的关系,实现了永磁同步电机H∞调速控制,降低了采用传统PI控制对调节控制器参数的依赖性,提高了系统的抗负载扰动能力及鲁棒性,并通过理论分析及仿真验证了结果的正确性。

关键词： 非光滑非线性   二自由度直升机神经网络控制   执行器故障   输入量化   事件触发  

摘要： 近年来,小型无人直升机因其出色的机动性和便携性,在军事、商业和农业等领域被广泛使用,且个人持有率也不断增加。然而,由于小型无人直升机的机械设计和独特的结构,使得其表现出高度非线性和强耦合特性,同时系统中还存在不确定性等特性,因此设计合理的控制器保证其稳定性非常具有挑战性。考虑到小型无人直升机中独特的机械机构,其系统中存在输入死区、输入饱和以及磁滞非线性等非光滑非线性特性,这些非光滑非线性特性会约束系统的控制性能,从而导致直升机系统无法实现精确的控制。另外,小型无人直升机系统在长时间运行过程中,可能会使系统执行器部件磨损导致故障。若不及时处理,可能会使系统的稳定性降低,甚至引发安全事故。此外,在利用计算机远程操纵小型无人直升机时,控制信号会通过无线通信在系统的控制器和执行器等节点之间传输。但是,由于通信信道带宽有限,通信数据在传输过程中经常会出现延迟和丢包等现象,这不仅浪费通讯资源,还影响系统的控制性能。综上所述,为解决上述小型无人直升机系统中存在的问题,设计合理的控制器是非常必要且有意义的。本论文利用二自由度直升机平台作为研究对象,其具有典型的小型无人直升机特性,且采集数据十分方便,是验证小型无人直升机系统的神经网络控制算法最佳实验平台。在此平台上,主要验证具有非光滑非线性的二自由度直升机系统的神经网络控制,并结合自适应控制,设计合理的控制策略。本论文的主要内容如下:1.针对具有输入死区和执行器故障的二自由度直升机系统中,结合自适应控制提出了一种神经网络控制算法。首先,利用径向基函数神经网络来估计系统中的不确定性。其次,利用有界估计、光滑函数和自适应辅助参数来解决执行器故障和输入死区的综合影响。再通过李雅普诺夫稳定性理论确保系统中的信号都是有界的。最后在仿真和实验中证明控制器设计的有效性和可靠性。2.针对具有输入饱和的二自由度直升机系统中,为了降低系统的输入信号通信负担,同时避免通信资源浪费,结合输入量化开发了一种神经网络量化控制策略。首先,利用磁滞量化器消除量化信号过程中引起的抖颤现象。其次,采用径向基函数神经网络来估计系统的不确定性,再利用有界估计、光滑函数和自适应参数解决饱和非线性和量化非线性带来的影响。然后,利用李雅普诺夫稳定性证明了系统信号是有界的。最后通过仿真和实验的分析验证控制策略具有良好的控制性能。3.针对具有磁滞非线性的二自由度直升机系统,结合事件触发机制设计了一种神经网络事件触发控制。首先,引入事件触发机制缓解系统信号在传输过程中的通信负担。再利用神经网络来近似系统的不确定性。此外,利用光滑函数、有界估计方法解决磁滞非线性和事件触发中网络测量误差带来的综合影响。通过李雅普诺夫稳定性理论证明了闭环系统中的信号的都是有界的,最后,在仿真和实验中验证设计的控制算法的优越性能。

关键词： 交错并联   恒功率负载   非线性控制   稳定性分析   非线性扰动观测器  

摘要： Boost变换器常用作微电网燃料电池、太阳能的电能变换模块,然而传统Boost变换器的输出受到系统功率限制,难以满足大电流输出、高功率密度的要求。此外,直流微电网(DC Microgrids,DCMs)中的分布式能源经Boost变换器转换后连接至直流母线时,DCMs系统中的恒功率负载(Constant Power Load,CPL)存在负阻抗特性,会引起母线电压振荡。为了解决上述问题,本文以交错并联Boost变换器为研究对象,对含CPL的直流微电网母线电压进行稳定性控制研究。为抑制CPL中负阻抗特性对交错并联Boost变换器输出造成的影响,首先结合平均电流控制建立了串级比例-积分(Proportion-Integral,PI)控制器,以保证交错并联变换器各相电流均衡。其次,在串级控制结构的基础上,利用微分平坦理论对内外环分别进行前馈设计,替换PI控制器,并通过选取符合平坦特性的内外环输出,使得逆动力学系统能被平坦输出线性表示。最后,采用线性反馈化方法进行误差反馈设计,由此提出了串级平坦控制策略。针对交错并联Boost变换器中电路参数摄动对系统的不利影响,在串级平坦控制器基础上提出了一种内环微分平坦控制(Differential Flatness Baesd Control,DFBC)、外环全局快速终端滑模控制(Global Fast Terminal Sliding Mode Control,GFTSMC)的复合控制策略。首先,在外部电容能量环的动态模型基础上设计了终端滑模控制器,为削弱滑模控制的抖振影响,在滑模控制中引入了终端趋近律。其次,利用Lyapunov稳定性理论分析了外环滑模控制器的收敛性。最后,通过仿真验证可知,复合控制策略下的系统对电路参数摄动具有较强的鲁棒性,并且在受到负载扰动时具有良好的稳定性能和均流效果。为了克服系统输出受大范围外界扰动的不足,提出了基于非线性扰动观测器(Nonlinear Disturbance Observer,NDO)的复合控制策略。首先,设计了交错并联Boost变换器系统的NDO并将观测值反馈到复合控制律,进一步抑制外部扰动的影响。其次,通过Lyapunov稳定性理论对NDO进行稳定性分析,得到了观测器增益参数的选取依据。最后,对NDO补偿后的外环控制器的稳定性和有限收敛性进行证明。通过仿真验证可知,观测器能够快速精准的跟踪外部扰动,在受到外部扰动时系统具有良好的暂态性能。

关键词： 软仪表   数据处理   机理建模   在线校正   先进控制  

摘要： 为了增加高价值产品产量，在确保产品质量合格的条件下，最大限度地减少质量过剩，实现产品质量卡边优化控制，实时获得在线产品质量分析数据是关键。开发的软仪表系统，主要由数据采集及预处理、辅助变量选择、模型开发及应用和模型校正四个模块组成；建立准确的软仪表模型并通过化验分析校正实现在线实时监测和闭环控制。以某炼化企业常减压、催化裂化、延迟焦化等装置为例，对比应用软仪表和化验分析获得的数据，对指导炼化生产操作、减少化验频次和提高装置经济效益具有重要意义。

关键词： 压电定位平台   动态迟滞非线性建模   鲁棒控制   定位精度  

摘要： 由压电驱动器和柔性铰链结构组成的压电定位平台具有定位精度高、响应速度快、驱动力大等优点，被广泛应用于微纳观测及操作、生物工程、超精密加工等领域，是原子力显微镜，光栅刻划机等高精密设备中不可或缺的核心器件。然而在高速定位中，压电定位平台呈现出一种与输入信号频率相关的动态迟滞非线性，严重限制了压电定位平台的定位精度和速度，甚至会导致闭环系统的失稳。本文以压电定位平台为研究对象，从动态迟滞非线性建模和鲁棒控制两个方面开展研究，旨在通过建模和控制减小压电定位平台的动态迟滞非线性对定位精度和速度的影响。　　针对压电定位平台的动态迟滞非线性建模，本文将复杂的动态迟滞非线性抽象为静态迟滞非线性部分和线性动态部分相串联的Hammerstein模型。利用Prandtl-Ishlinskii迟滞模型描述压电定位平台的静态迟滞非线性，并解析得到Prandtl-Ishlinskii迟滞逆模型。在Prandtl-Ishlinskii迟滞逆模型线性化的基础上，利用基于脉冲响应的Hankel矩阵系统辨识法辨识线性动态部分传递函数，并在其中提出了一种改进的相关计算方法，进一步提高了系统辨识的精度。利用dSPACE搭建了压电定位实验平台，通过实验验证了本文辨识方法的有效性。　　为了减小动态迟滞非线性对压电定位平台高速定位精度的影响，采用了基于Prandtl-Ishlinskii迟滞逆模型的复合控制策略对压电定位平台进行跟踪控制。在建模的基础上对标称模型进行近似化处理，并设计前馈控制器。针对标称模型存在的高频双二阶振动环节,设计陷波器进行抵消，并在此基础上加入超前补偿器进行改进，提高带宽。对加入改进陷波器的回路标称模型，利用回路成型的设计思路设计了一个比例-积分控制器来保证闭环回路的鲁棒性并提高跟踪精度。通过仿真和实验，验证了前馈控制器的有效性，同时相较于开环前馈控制，复合控制策略有效地提高了跟踪精度。　　为了解决带有陷波器的比例-积分控制器对模型的精度以及设计者经验的依赖，将线性动态部分的建模误差以及近似处理误差归结为模型的不确定性。利用多组伪随机二值信号及Welch''s重叠段平均谱估计算法估计出系统的频率响应函数，并给出模型的加性不确定性描述。根据小增益定理，得到使系统模型集合鲁棒稳定的H∞性能指标，并通过设计误差加权函数进而得到保证闭环系统跟踪性能的H∞性能指标。将带有加权函数的反馈回路转化到标准的H∞鲁棒控制框架下，求解并降阶得到一个6阶的H∞鲁棒控制器。通过仿真和实验，验证了H∞鲁棒控制与前馈控制组成的复合控制的有效性，相较于带有陷波器的比例-积分控制器与前馈控制器组成的复合控制，跟踪控制精度进一步提高。

关键词： 多智能体系统   编队控制   事件触发控制   自适应控制   Dos攻击  

摘要： 多智能体系统是由多种具有认知、运算、执行和沟通能力的智能体组成。与单一的智能体系统相比,多个智能体系统在执行任务后可以提高效率并且有效降低成本,提高抗风险能力,因此近年来,多智能体系统的协同控制问题得到了学者们的广泛关注。编队控制是多智能体系统协调控制的一个主要技术领域,是指由多个智能体组成的编队在朝某个方向的目标运动移动中,不仅要适应环境条件,而且整个系统编队也必须维持稳定和期望队形的受控过程。在有向拓扑框架下,针对智能体交流信息中存在噪声信息干扰、通信资源过度消耗和信息传递过程中出现网络攻击、智能体的状态位置和速度信息不能及时获得等情况,本文研究了基于事件触发的多智能体系统编队控制问题,具体的研究内容如下:(1)关于具有外部噪声影响的多无人机系统,本文讨论了基于事件触发的多无人机系统编队控制。为有效的节约通信资源和降低网络负担,采用事件触发方法,使无人机间仅在触发时刻完成通讯。为了加快多无人机系统的编队速度,利用无人机自身及其邻居无人机的当前信息和历史时刻信息,设计了分布式快速编队控制协议。利用李雅普诺夫稳定性定理、矩阵知识和图论知识等,证明了多无人机系统可以在给定触发条件下实现稳定和期望编队。最后,将控制协议应用到四旋翼无人机系统中,通过仿真结果验证了该控制协议的有效性。(2)针对遭受Dos攻击的二阶多智能体系统,本文讨论了基于双通道事件触发的多智能体系统自适应编队控制。首先,给出一个满足攻击持续时间和攻击频率限制的Dos攻击模型。其次,在各智能体的传感器-控制器通道和控制器-执行器通道两端分别设计事件触发控制器,使得智能体间仅在各通道内的触发时刻进行通信。利用所有智能体的信息设计编队控制协议和自适应控制协议。进一步,利用李雅普诺夫稳定性定理、矩阵和图论等知识,得到实现多智能体系统编队稳定的充分条件。最后,通过仿真结果验证了该控制协议的有效性。(3)针对Dos攻击下带有非线性动态的高阶多智能体系统,本文讨论了基于快速状态观测器的多智能体系统有限时间时变编队控制。首先,考虑在Dos攻击信号下智能体之间不能及时获得信息,设计一类快速状态观测器来估计智能体的状态信息。其次,在各智能体的测量通道和控制通道两端分别基于观测值设计事件触发控制器。为了补偿Dos攻击对系统的干扰,考虑一类估计器对状态观测值进行在线估计,并设计了基于观测器的有限时间编队控制协议。进一步,利用李雅普诺夫有限时间稳定性定理、齐次定理、矩阵知识和图论知识,得到实现多智能体系统时变编队稳定的充分条件。最后,通过仿真结果验证了该控制协议的有效性。

关键词： 非最小相位系统   高超声速飞行器   自适应控制   非线性控制   输出重定义   强化学习  

摘要： 高超声速飞行器(Hypersonic Vehicle,HSV)指的是飞行速度大于马赫数5的近空间飞行器。由于高超声速飞行器极高的飞行速度,使得其具有重要的军事价值和潜在的商用价值。进入二十一世纪,世界各国争相探索和研究高超声速飞行器技术,掀起了一波高超声速飞行器的研发热潮。与传统飞行器相比,高超声速飞行器模型呈现出强非线性、强耦合、不确定性、多约束、非最小相位等复杂特性,为高超声速飞行器设计稳定的跟踪控制策略带来了前所未有的挑战。 论文针对具有非最小相位特性的高超声速飞行器,同时考虑模型参数不确定以及未知气动舵面故障,研究解决非最小相位高超声速飞行器的输出跟踪控制问题,主要研究工作如下: (1)针对非最小相位HSV刚体纵向模型,同时考虑输入饱和以及时变误差约束问题,提出了一种基于多模型的自适应容错跟踪控制策略。为了稳定HSV纵向模型中的不稳定内部动态,设计了一种“外部输入控制外部状态,外部状态偏差稳定内部状态”的双层级联控制:(i)基于间隙度量的多模型LQ控制策略,用于保证内部动态的稳定性;(ii)基于tan型障碍Lyapunov函数的容错控制策略,通过使用低通滤波器和辅助系统结合自适应Backstepping设计。在控制律中,通过自适应律更新的参数估计值替代了不确定参数。此外,通过Lyapunov方法严格证明了整个系统的稳定性,同时保证了闭环系统中的其他状态和信号的有界性。通过仿真结果验证了所提出的自适应多模型容错控制(Fault-tolerant Control,FTC)策略的有效性。 (2)针对具有弹性模态的非最小相位HSV纵向模型,提出了一种基于输出重新定义和理想内部动态(Ideal Internal Dynamics,IID)的自适应FTC策略,实现了对输出的近似跟踪控制。首先,采用扩展稳定系统中心的方法构建内部动态的一组有界解,即IID。其次,设计了一个双层控制容错控制器:初级控制通过设计动态逆控制器用以确保系统输出能够跟踪上期望的参考轨迹,接着基于理想内部动态和输出重定义策略设计二级控制器以稳定内部动态。然后,对于系统存在的气动舵面故障、外部干扰和参数不确定性的问题,设计鲁棒自适应律对未知参数进行估计,并对HSV模型的气动舵面故障进行补偿。随后,利用Lyapunov稳定性理论对闭环系统的稳定性进行了分析。最后,通过数值仿真结果阐述了本章所提出的FTC策略的有效近似跟踪性能。 (3)针对具有弹性模态非最小相位HSV纵向动态模型,提出了一种基于动作依赖启发式动态规划(Action-Dependent Heuristic Dynamic Programming,ADHDP)的自适应容错控制器策略,实现了系统输出的精确跟踪控制。所设计的自适应容错控制器由容错稳定控制器和ADHDP补偿控制器两部分构成。首先,为了解决非最小相位系统的输出跟踪问题,提出了容错稳定控制器,其中通过输出重定义方法以稳定内部动态,且采用最优有界逆策略计算理想内部动态作为期望的内部动态跟踪轨迹。然后,利用强化学习中的执行-评价结构设计基于ADHDP的补偿控制器进一步降低跟踪误差,所设计的补偿控制器根据跟踪误差对HSV控制系统进行优化补偿,保证足够的跟踪精度,提高收敛速度。该方法在执行器故障下不仅可以跟踪阶跃参考轨迹,还可以实现对正弦期望轨迹的跟踪。最后,通过仿真结果验证了所提出的FTC算法的有效性。 (4)针对非最小相位HSV六自由度模型,并考虑状态约束和外部干扰的不利因素,提出了一种基于障碍Lyapunov函数的自适应容错制导控制策略。首先,由于HSV六自由度模型的强耦合性,基于合理的假设将其进行简化,获得面向控制的HSV六自由度简化模型。然后,将简化后的HSV模型划分为速度子系统、制导子系统和姿态子系统。其次,考虑到方向舵或升降舵故障导致的控制力矩不足,基于障碍Lyapunov函数、Backstepping方法和Nussbaum增益设计了一种自适应容错制导控制方法,实现了HSV的状态约束,保证飞行器的可靠性,使其始终处于安全飞行包线内。此外,利用Lyapunov稳定性理论证明了所提出的算法的收敛性以及闭环系统所有信号的有界性。最后,对HSV六自由度模型进行数值仿真验证,进一步阐明了所提出的容错制导控制方案的有效跟踪性能。 (5)针对非最小相位HSV六自由度模型,并考虑系统的状态约束,提出了一种基于自适应动态规划(Adaptive Dynamic Programming,ADP)技术的自适应容错制导与控制一体化策略,实现对高度、速度以及侧向位移的近似跟踪。通过将Backstepping控制和ADP控制相结合,构建了总控制输入,以改善控制系统的跟踪性能和容错能力。通过引入障碍Lyapunov函数来处理状态约束,设计了基于Backstepp

关键词： 孤岛交直流混合微电网   储能   频率电压补偿   互联变换器   自抗扰控制器  

摘要： 交直流混合微电网在发电效率、能源利用率、系统完备性等方面较于单一交流或直流微电网更加有优势,但是由于各种分布式电源的不断接入导致微网系统缺少惯性的支撑,其频率、电压稳定性不足等问题也就越来越严重。针对此类问题,国内外众多学者利用储能系统快速灵活控制与微网互联变换器平衡网间功率的特点,在减少能源流失的同时,增强了微电网的动态稳定性。本文首先介绍了论文的研究背景与意义,简述了交直流混合微电网内部储能与互联变换器的相关控制方法在国内外的研究现状,随后介绍了混合微电网与微源的模型结构及控制策略。其次,针对微电网交直流两侧的储能研究了一种频率多区域补偿性与母线电压补偿性下垂控制策略。提出一种以母线电压、电池电压和储能荷电状态优先级顺序控制储能的运行状态,并且设置了连续且变化趋势不同的改进下垂系数。其中,交流侧储能采用P-F下垂控制,设置频率死区与频率偏移量分区调整参考有功功率;直流侧储能采用U-I下垂控制,引入虚拟电阻并设置电压偏差量动态调整母线电压,在MATLAB/Simulink仿真软件中验证其动态调节能力。然后,针对交直流混合微电网中的传统微网互联变换器功率流动不平衡且响应速度慢的问题,采用归一化功率外环与二阶自抗扰控制器替代传统互联变换器电流内环。其中,功率外环采用系统频率与母线电压归一化思想的双下垂控制,从而提升了混合微电网功率流动的响应速度及抗干扰能力。最后,在MATLAB/Simulink环境下建立风电、光伏、储能、负荷的交直流混合微电网仿真模型,验证所提策略的有效性。结果表明,所提策略在应对分布式电源出力变化、负荷变化、单侧储能无法工作的情况下,保证了频率与电压稳定的同时,加快了系统的响应速度,提升了混合微电网的动态性能。

关键词： 中速磨制粉系统   遗传算法   粒子群算法   BP神经网络   PID   非线性控制  

摘要： 为解决可再生能源发电的不稳定性,火力发电机组成为电网中调峰调频主力势在必行。作为火力发电机组的动力源,制粉系统运行的经济性和安全性至关重要。目前大型燃煤机组普遍采用中速磨制粉系统,是一个多变量强耦合非线性系统,采用传统PID控制方案时效果较差。因此对中速磨制粉系统进行研究并优化控制方案具有重要的意义。 本文以提高制粉系统的安全性和经济性为目的,分析中速磨制粉系统特性,利用物料守恒和热量守恒方程建立动态模型,通过遗传算法辨识模型参数,在MATLAB中建立仿真模型,并验证了模型的准确性与合理性。针对磨煤机的强耦合、大延迟和慢时变的特点,本文提出一种基于粒子群算法优化的BP神经网络PID控制算法,为磨煤机制粉系统设计自适应控制方案。通过仿真对比,新型的非线性控制算法比基础PID控制算法具有更好的动静态调节性能。受限于DCS系统软硬件条件,本文提取BP-PID算法仿真数据,设计根据给煤量变化的变参数PID控制器,实现BP-PID算法的部分工业应用。相比于逻辑改造前的制粉系统,磨煤机出口风温和进口风量的平均绝对误差分别减小30.09%和26.13%,验证了BP-PID算法的工业应用价值。