快速定量装车系统自适应配料控制研究

为满足智能化快速定量装车系统智能、快速、定量的装车需求,提出一种自适应配料控制方法。首先,建立了配料系统模型并分析了配料控制原理;其次,基于Smith预估开展自适应配料控制方法研究;最后,采用递推最小二乘法对配料系统误差进行了分析,并实现了配料系统精度实时估计。自适应配料控制方法为智能化快速定量装车奠定了坚实基础。     

永磁同步电机控制系统的改进自适应逆控制

将改进的自适应逆控制方法应用于永磁同步电机(PMSM)伺服控制系统中,提出PMSM伺服控制系统自适应逆控制策略。针对传统自适应滤波算法的不足,提出变换域变步长NLMS算法,解决非线性时变特性的跟踪控制问题。采用该算法对PMSM伺服控制系统进行控制,仿真结果表明该自适应逆控制方案精度高、跟踪快、鲁棒性较强。     

选矿作业的智能控制

过程控制系统已从单回路控制发展到具有基于计算机的专家控制策略的分布式控制。下一针给专家控制策略添加自适应控制。本文定义了一种面向目标的智能自适应优化方法并给出了模拟结果。     

四维能源供需系统的自适应-脉冲同步

本文基于脉冲控制稳定性的比较理论,研究了四维能源供需系统的自适应-脉冲同步问题.运用线性脉冲控制和自适应-脉冲控制两个方法,分别提出了系统渐近同步的充分条件,获得简单而实用的控制器.理论结果和数值模拟得到了相互验证.     

煤矿设备管理系统中的自适应直觉模糊推理数据挖掘方法

PID控制器(微分控制器)可以实现煤矿设备管理系统的智能化,获得高稳定性、高精度及提高分辨率与适应性,其能建立具有智能化功能的测控系统,从而克服测控系统本身不足。探讨了煤矿设备管理系统的PID控制的特点,具体分析了自适应直觉模糊推理数据挖掘方法,详细地论述了煤矿设备管理系统中的自适应直觉模糊推理数据挖掘方法与控制过程,进行了仿真分析,取得了比较好的控制效果。     

论域调整模糊PID液位控制系统的仿真研究

针对液位控制系统的大时滞、时变特性,提出一种基于变论域模糊控制理论的自适应模糊PID控制方法.该方法通过论域调整改善模糊PID控制器参数的调整精度和范围,具有良好的自适应能力和鲁棒性能.可以用更简单的实现方法获得比基于遗传整定的模糊免疫PID控制方法更好的控制质量.仿真结果验证了其优越性.     

局部任务坐标系下的轮廓运动控制研究

针对直线电机平台轮廓运动精确控制的难题,提出一种基于局部任务坐标系(LTCF)的自适应鲁棒控制(ARC)方法。通过坐标变换阵T将所建立的动力学模型变换到LTCF中,实现在笛卡尔坐标系下跟踪误差的解耦。利用自适应鲁棒控制器对建模误差的实时补偿,使系统快速稳定并保持较好的系统鲁棒性。将所设计控制方法与基于交叉耦合(CCC)的自适应鲁棒轮廓运动控制方法进行对比仿真实验,结果表明,所提控制方法具有更好的轮廓控制性能。     

基于单神经元PID控制的电液比例调高系统研究

以采煤机电液比例阀控缸位置控制系统为研究对象,建立了电液比例阀控缸位置控制系统的数学模型,利用单神经元与PID相互结合的控制方法,在simulink中设计单神经元的采煤机电液比例阀控缸位置控制系统自适应PID控制器,在有负载扰动下进行仿真,并对突变负载扰动时常规PID控制和基于单神经元PID控制进行阶跃响应对比。仿真结果显示单神经元自适应PID控制器比常规PID控制系统具有较强的鲁棒性、自适应性,对采煤机电液比例调高控制能够达到自适应控制。     

基于自适应极限学习机的磨机负荷智能控制研究

磨机在运行过程中具有非线性、大惯性、随机干扰大等特征,采用常规PID方法控制负荷存在一定程度的不适应性。本文提出了基于自适应极限学习机的磨机负荷智能控制方法,通过对磨机运行工艺和运行特性进行分析,设计了磨机磨矿过程的控制策略思路,利用自适应极限学习机构建了磨机控制系统模型,结合黄金分割法寻找磨机最佳负荷,实现了磨机负荷的智能优化控制。应用效果表明,该控制方法能够有效地消除扰动对磨机负荷的影响,主动寻找磨机最佳负荷,使磨机保持稳定运行,具有较好的自适应能力,对提高磨矿效率和改善分级效果具有一定的意义。     

基于直接转矩控制的异步电动机定子磁链自适应控制系统的仿真研究

基于模型参考自适应控制和直接转矩控制(DTC)原理,提出了一种新型的异步电动机定子磁链自适应观测器。它以定子电流和定子磁链为状态变量,并将其应用于直接转矩控制中,从而实现了异步电动机定子磁链自适应控制的直接转矩控制系统。通过Popov稳定理论的推导,确定了定子电阻自适应律。利用Simulink库元件构建了异步电动机定子磁链自适应控制的直接转矩控制系统仿真模型,仿真结果表明,提出的定子磁链自适应控制的直接转矩控制系统具有转矩响应迅速、转速稳定性较好的特点。该系统便于在线实现,同时对定子电阻变化也有较好的鲁棒性。     

基于神经元PID直流调速系统仿真研究

提出了一种增益自调整的神经元PID控制方法。利用MATLAB/SIMULINK仿真软件对该控制方法在一般工业对象上的应用进行了仿真研究,结果表明,该控制方法与常规PID控制方法相比,具有更好的自适应性和更强的鲁棒性。     

模拟复合正交神经网络控制器在机械臂控制中的应用

在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络，并应用于机械臂的控制.控制器采用模拟复合正交神经网络与PD的并行控制方法，对机械臂的位置控制做了仿真实验.结果表明，相对于常规PD控制器，该神经网络控制器具有自学习、自适应功能，位置跟踪获得了满意的控制效果.该模拟神经控制器能应用于机器人控制系统中.     

模糊自适应控制的异步电动机系统研究

针对异步电动机调速系统的非线性和结构参数易变等特点,采用矢量变换,将模糊控制和PID控制结合起来,建立了模糊自适应PI调速系统的双闭环模糊控制仿真模型,对异步电动机模型参数进行分析整定。MATLAB仿真结果表明该控制器与常规PID相比较,具有良好的稳态精度和自适应能力,没有超调和振荡,明显改善了系统的动态性能,并且具有较强的鲁棒性,为煤矿安全生产发挥了重要的作用。     

永磁直线同步电动机模型参考自适应神经元速度控制的仿真

针对永磁直线同步电动机的矢量控制系统,提出了一种模型参考自适应的增益模糊自整定神经元速度控制器。仿真结果表明当突加负载扰动或参数突变时,模型参考自适应的增益模糊自整定神经元速度控制具有响应快、鲁棒性强、较好的动、静态特性等优点。     

煤矿刮板输送机自动校直控制技术研究

为了满足综采工作面自动化要求，需将刮板输送机直线度控制在许可范围内，分析了煤矿刮板输送机自动校直技术，在刮板输送机构成及形态的基础上，分析了刮板输送机直线度控制误差以及检测误差。采用模糊自适应PID控制器系统，研究了刮板输送机的直线度控制，设计了刮板输送机直线度控制仿真试验，分析了2种刮板输送机的形态的调整。研究表明，该方法可有效地对刮板输送机直线度进行准确调整。研究可为实现煤矿智能化开采提供技术支持。     

基于RBF网络与自适应遗传算法的旋转机械故障诊断方法

针对RBF网络学习算法工作量大和类别数需预先确定的问题,通过引入具有自适应机制的的遗传算法,结合梯度下降法交互运算,提出了自适应遗传算法和径向基函数网络相结合的旋转机械故障诊断方法。通过对样本模式聚类和故障状态的分析,并利用自适应遗传算法优化相关的RBF网络,有效地解决了隐节点数和各参数的取值问题。应用结果表明,RBF网络和自适应遗传算法相结合提高了全局寻优效率。     

复杂煤层条件下采煤机自适应截割控制策略

采煤机是综采工作面的核心装备,复杂煤层条件下,其工况恶劣、环境复杂,采掘装备智能化程度不高,导致我国煤矿开采灾害多、煤机适应性不强、故障率高、效率低,提高煤机装备的可靠性与适应性是煤矿智能化发展的主要任务之一。采煤机工作机构与复杂煤层耦合作用机理及煤岩截割状态与动力传递系统的导控机制,是实现采煤机智能高效截割的关键。基于虚拟样机技术、模糊控制技术,结合数据自适应加权融合算法、深度强化学习算法,采用多领域建模与协同仿真及试验分析相结合的方法,构建机-电-液-控一体化的采煤机自适应截割系统模型,研究其自适应截割控制策略。利用AMEsim建立调高液压系统模型,并与EDEM-RecurDyn煤岩截割双向耦合模型集成;根据煤层实际赋存条件划分煤岩坚固性系数等级范围,以采煤机综合性能最优为目标,利用改进的MOGWO（Multi-Objective Grey Wolf Optimizer）算法对采煤机的牵引速度和滚筒转速进行分级优化。以采煤机截割部的时域振动信号作为煤岩截割状态识别的特征参数,运用数据自适应加权融合算法对其进行融合处理;以特征参数融合值为依据利用模糊控制实现煤岩截割状态的智能识别;利...     

无刷直流电动机单神经元自适应PID控制系统仿真

设计单神经元自适应PID控制器,实现在线调整PID参数,克服电机参数非线性和易变的影响,达到快速控制的目的。并在Matlab/Simulink环境下研究控制系统。仿真结果表明:控制器自适应能力好,鲁棒性强,具有比单纯PID控制更好的系统静态和动态特性。     

基于SVMR的煤泥浮选智能优化控制系统研究

用支持向量机回归(SVMR)算法,建立了基于SVMR的浮选过程药剂添加量的预测模型,仿真结果表明,该药剂添加模型有较高的预测精度。针对工业浮选系统的复杂性,提出了优化的模糊自适应控制策略,保证了浮选过程控制系统运行的稳定性。建立了浮选过程智能控制系统的软件和硬件平台,在生产工况频繁变化的情况下,实现了浮选过程的自动控制。     

空气重介流化床分选过程解耦控制研究

针对空气重介流化床干法分选系统具有多变量、非线性、强耦合和参数不确定性的特点,提出了两级串联结构的自适应模糊神经网络解耦控制策略,前级为基于连续性智能权函数规则的自调整模糊控制器,后级为基于动态耦合特性的自适应神经元解耦控制器。