控制理论与应用

作者：范俞超,孙青林,董方酉,陈增强

单位：南开大学,南开大学,南开大学,南开大学

关键词：氧气面罩; 氧气调节器; 氧气控制; 粒子群算法; 反向传播神经网络; PSO-BP神经网络自适应算法; 参数自适应

基金：国家自然科学基金,其它

氧气面罩中的核心部件是氧气调节器(氧调器).针对当前氧气调节器的大流量、低吸气阻力、快速响应的性能需求, 本文在分析了电子氧气调节器工作原理的基础上, 介绍了氧气调节器的数学模型, 采用了反向传播(BP)神经网络自适应控制算法, 并使用粒子群算法(PSO)对BP神经网络自适应控制算法的初值进行筛选. 最后, 对算法的性能进行了仿真. 仿真结果表明, 系统具有鲁棒性, 且与传统的比例-积分-微分(PID)控制方法和自抗扰控制(ADRC)方法相比, PSO-BP 神经网络自适应控制方法实现了更精确的吸气阻力调节, 更快的响应速度. 此外, 当呼吸频率变化或者外界干扰变化时, 相比于常规PID算法和ADRC算法则需要人工调整控制参数, PSO-BP神经网络自适应算法则可以自动在线学习训练并调整控制参数, 应用前景广阔.

来源：2020年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2020年第3期