动态定量称量包装系统BP神经网络PID控制算法

目的针对动态定量称量包装控制系统具有大惯性、滞后、非线性且无法建立精确数学模型等缺点,研究提高动态定量称量包装系统控制精度的方法。方法提出了一种改进型BP神经网络PID的定量称量包装控制系统,将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数K_i,K_p,K_d,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。结果仿真和实验结果表明,改进型BP神经网络PID控制响应速度快、超调量较小,系统称量误差得到大幅度减小。结论所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。     

自动定量称量包装传感器信号去噪算法

目的为了有效滤除自动称量控制系统中的噪声信号,提升称量系统的稳定性和精确度,提出一种基于BP神经网络粒子滤波的称量信号去噪方法。方法在粒子滤波算法中映入了BP神经网络,利用BP神经网络的非线性映射特点,对权值进行分裂和选择,将观测值看作神经网络的目标信号,通过神经网络中的多次训练增大小权值粒子的权重,从而提高粒子滤波算法的多样性。结果仿真和实验结果表明,BP神经网络粒子滤波方法能有效滤除称量包装系统中的噪声信号,提升传感器信号品质。结论该滤波方法大大提升了称量系统的稳定性,有效提高了称量包装的精度,所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。     

基于BP神经网络的磁通门传感器温度误差补偿

三轴磁通门传感器受温度影响明显,严重影响其测量准确度,需要研究补偿方法,提高测量准确性.在不同磁场环境下,利用无磁高低温试验箱对传感器输出值温度特性进行了测试,并采用BP神经网络的方法进行温度补偿.分别阐述了设备操作过程及数据处理方式.采集传感器在不同温度下的测量数据样本;将BP神经网络应用于温度误差模型的非线性辨识,...     

压力传感器温度补偿技术分析

压力传感器是一种较为常用的传感器件,由于自身的非线性特点以及外界因素的影响,传感器的输出结果容易产生误差,其中温度的影响最大,因此,对传感器的温度补偿就显得尤为重要。文章对目前常用的温度补偿方法进行了分析,在此基础上,提出了一种新的温度补偿方法 ,并对BP神经网络进行了改进,从研究结果来看,该方法有效提高了传感器的稳定性及精度。     

基于BP神经网络的传感器非线性补偿

由于传感器本身的非线性特性以及传感器在测量过程中外界环境因素的影响,使得传感器的输入输出特性呈现出非线性.讨论了BP神经网络模型在传感器非线性补偿中的应用.给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系.采用递推预报误差算法训练神经网络,具有收敛速度快、收敛精度高的特点.试验结果表明,应用神经网络对传感器的非线性进行动态补偿是一种行之有效的方法.     

粉状饲料动态定量称量包装控制系统设计与实现

目的 为提高粉状饲料包装过程的称量精度,提高包装效率,基于RBF神经网络设计一种粉状饲料定量称量包装控制系统.方法 首先介绍系统总体结构,以动态定量称量为主要研究对象,重点分析包装机的给料过程.针对精细给料过程,建立被控对象数学模型,结合传统PID控制和RBF神经网络设计称量控制器.通过RBF神经网络实现PID控制器参数的在线调整,从而提高称量精度.最后进行实际称量试验.结果 试验结果表明,静态和动态称量偏差均可以控制在0.5％以内,计量为25～50 kg,生产能力可以达到900包/h.结论 所述控制系统称量精度较高,具有比较理想的可靠性和稳定性,能够满足包装需求.     

基于模糊神经网络的包装机械臂定位方法研究

目的 为提高包装机械臂的抓取精度,文中基于模糊神经网络设计一种包装机械臂定位方法。方法 将激光测距仪与工业相机融合,可实现目标点的初步定位并得到位姿偏差。以机械臂末端位置误差补偿为例,设计一种模糊神经网络控制器,可实现PID控制关键参数的在线调整以提高误差补偿精度。进一步地,采用果蝇优化算法实现神经网络控制器初始值的优化,可提高控制系统性能。最后,进行实验研究。结果 实验结果表明,机械臂定位算法可使最大绝对误差从7.704 9 mm下降到1.424 2 mm;平均绝对定位误差降低约82.5%;机械臂执行效率与对照组相当。结论 该定位方法可以大幅度提高包装机械臂定位精度,可满足包装、化工、食品等相关行业要求。     

基于PLC冗余技术的全自动称量包装精度控制

目的 由于全自动称量包装精度控制容易受到物料冲力等因素的影响,导致精度控制很难保持稳定,降低其抗扰性能.为此,提出基于PLC冗余技术的全自动称量包装精度控制方法.方法 建立称量传感器的数学模型,采用滑动平均滤波和程序判断滤波处理称量原始信号,去除动态振荡和干扰因素,将处理的信号作为输入数据,利用PLC冗余技术制定同步机制,实现数据传输和控制命令的同步传输,在此基础上,使用设计的专家控制器,根据灵活的控制规则库实现全自动称量包装的精度控制.结果 设计的基于PLC冗余技术的全自动称量包装精度控制方法过码质量计量偏差小、通讯数据协同性好.结论 通过滤波处理的控制方法可以有效提高控制系统的抗扰性能.     

基于PLC的定量称量包装控制系统设计

目的提高定量称量包装机的包装精度。方法在传统包装机械的基础上,基于PLC设计一种定量称量包装控制系统。结合RBF神经网络和PID控制方法,提出一种定量称量包装控制策略,以实现闭环控制。利用RBF神经网络的快速自学习能力调整PID控制的比例、积分、微分系数。以PLC为核心设计控制系统硬件结构并给出人机界面组成。结果通过多次实验,包装精度得到大幅提高,最大相对误差不超过0.6%。结论文中方法提高了定量称量包装机的精度、可靠性和可操作性。     

包装机混合式定量称量系统设计

目的克服单纯的容积式定量与称量式定量的缺陷,以及包装机定量称量系统的时滞性问题。方法通过分析包装机的工作原理以及影响其称量精度与速度的因素,采用混合式定量的方法,并采用双自由度Smith预估补偿,从而克服传统Smith预估器对参数模型精度要求较高的缺陷。结果仿真证明双自由度Smith预估器控制时波动较小,在时间为10 s时即可到达稳态,且有外在扰动时系统超调比传统Smith控制缩减1倍。结论通过Matlab进行了仿真研究,表明双自由度Smith预估补偿可减少称量系统的质量误差,大大提高了系统输出的精度,可显著改善定量称量包装系统的控制效果。     

包装称量工作站控制系统设计

目的 为提高包装称量精度,利用FPGA控制器设计一种包装称量工作站控制系统.方法 介绍包装称量工作站基本结构,包括称量传感器、核心控制器、称量仪表等.给出了基于FPGA的称量控制系统结构,主要包括传感器信号处理电路、模数转换电路、FPGA控制器、显示模块、存储模块以及通讯电路等.基于过程神经网络设计一种称量控制器,可在一定程度上提高称量精度.最后,进行实验研究.结果 人工称量的平均误差为2.39 g,称量合格率只有65％;自动称量的平均误差为0.88 g,称量合格率则可以达到98.3％,称量精度明显提高.结论 所述包装称量工作站的称量精度明显高于人工模式,可靠性高,具有一定的推广价值.     

BP神经网络在测试系统动态补偿中的应用

测试系统的非线性动态补偿是仪器技术的一个重要方面．采用BP神经网络对测试系统进行动态补偿．BP神经网络的结果决定于网络输入、隐层和输出节点．由于其非线性映射特性,BP神经网络完全能够反映测试系统的动态响应特性．采用了收敛速度较快的递推预报误差算法训练神经网络．试验结果表明,BP神经网络的特性完全能够满足测试系统的动态补偿要求．表明本文的方法是有效的．     

枕式包装机包装材料供送速度控制

目的 为了提高包装袋的袋长精度,提升包装袋体外观质量。方法 提出一种基于神经网络PID自适应的三伺服枕式包装机包装材料速度控制方法,将传统的PID控制方法同神经网络控制相结合,设计一个神经网络PID控制器,包括控制器结构和学习算法,可用于解决相关非线性问题。结果 仿真和实验结果表明,采用神经网络PID控制方法,包装材料速度达到稳态时,所用时间约为2 s,最大超调量不超过2%,包装袋长误差能够有效控制在±1 mm以内。结论 所设计的控制方法与传统的PID控制相比,具有响应速度快、抗干扰能力强、控制输出稳定等优点,能够显著提高包装袋长精度。     

包装过程称量信号处理方法研究

目的 为提高包装过程定量称量精度,结合卡尔曼滤波算法和模糊控制原理设计一种称量信号处理方法。方法 定量称量控制系统一般由触摸屏、控制器、称量传感器、变频器等电气设备组成。以传感器信号处理为主要研究对象,提出一种改进卡尔曼滤波算法。采用卡尔曼滤波器实现称量信号中随机噪声的处理。利用模糊控制器来实时监测卡尔曼滤波每次更新后实际方差和理论方差的差值。最后,进行实验研究。结果 实验结果表明,改进卡尔曼滤波的实际性能比较理想,滤波处理前,称量误差最大可以达到2.5%;经滤波处理后,最大称量误差只有0.26%。结论 所述信号处理方法可以有效地降低称量信号噪声,提高称量精度。     

基于BP神经网络的光纤陀螺仪温度建模研究

目前光纤陀螺应用广泛，但是其性能容易受到环境温度影响，从而影响到惯性导航系统的性能．光纤陀螺的温度特性具有非常复杂的非线性特点，而BP神经网络具有良好的逼近复杂非线性函数能力。使用BP神经网络建立光纤陀螺温度特性的黑箱模型，不对零漂和标度因子进行补偿，而直接对陀螺输出进行校正．经实际数据检验，该建模补偿方法比未经补偿和经过传统工程补偿方法的精度提高了两个数量级．与传统的线性模型相比较，本文基于BP神经网络建立的光纤陀螺温度模型具有补偿方法简单，精度高，通用性好等优点．