气垫式流浆箱解耦控制的分析及应用

在建立气垫式流浆箱数学模型的基础上,利用神经网络原理设计了神经网络解耦控制器。根据总压和浆位给定值以及其输出值,通过自学习、调整网络权值来实现闭环控制的神经网络解耦控制思路,将强耦合的总压和浆位分解为两个单回路PID闭环控制系统。采用PID控制算法对解耦后的两个单回路闭环系统进行常规控制。实际运行效果表明,该控制系统可使总压和浆位的调整互不影响,且系统稳定。     

气垫式流浆箱控制系统的设计与实现

气垫式流浆箱控制系统主要的控制对象是压力和液位,其数学模型难以建立,在工作过程中可能会随时发生变化,并且存在输入量和输出量之间的耦合关系,即系统中每一个控制回路的输入信号对所有回路的输出都有影响,而每一个回路的输出又影响所有的输入;本课题通过设计模糊解耦控制器提高控制系统性能,经现场调试运行,取得良好控制效果。     

流浆箱先进控制策略及解耦控制算法

以纸机车速为主线，简要介绍了流浆箱的发展状况；并针对气垫式流浆箱和水力式流浆箱，给出了行之有效的流浆箱控制方案和几种先进的解耦控制算法。     

VB与S7-200 PLC在单网流浆箱控制系统中的应用

介绍了在气垫式流浆箱控制系统中应用西门子PLC S7-200和VB作控制系统的软件编程和组态工具,并且阐述了总压和浆位的解耦控制算法,介绍了上位机与S7-200的自由通讯程序,系统在实际应用中得到检验,运行良好.     

基于粒子群算法优化PIDNN的流浆箱解耦控制

针对气垫式流浆箱的总压和浆位之间存在严重耦合的情况,探讨使用粒子群算法优化的PID神经元网络对其进行解耦控制。建立一个双输入双输出PID神经元网络控制系统,用粒子群算法优化网络的初始权重后,再采用误差反向传播算法进行修正,最终实现完全解耦。仿真结果表明,经粒子群算法优化后的神经元网络能够有效地消除总压与浆位之间的耦合,大大缩短调试时间,具有更高的控制精度,能够用于气垫式流浆箱的控制。     

气垫式流浆箱实验装置的解耦控制研究

气垫式流浆箱是高速造纸机的重要设备之一,它的操作状况将直接影响到成纸的品质指标。本文试图从一台实验装置的机理模型和测试模型出发,研究和探讨流浆箱的解耦控制问题。     

流浆箱控制系统

以抄速超过420m/min的造纸机为核心,对PLC控制的气垫式流浆箱的控制方案进行论述。实际运行表明,气垫式流浆箱能使浆流速和浆位的稳定性得到很大的提高。     

气垫式流浆箱实验装置的神经网络模糊控制器设计

本在神经网络和模糊控制系统的基础上，给出了神经模糊自组织控制器SOM-SFC的设计方法，并将其应用到气垫式流浆箱装置上。这种神经模糊自组织控制器结合了神经网络和模糊控制系统的优点，并加入自组织机制，使得这种控制器在处理难确定对象和非精确模型时有较好的控制效果。对于本中所设计的神经模糊控制器，给出了相应的应用例，并进行了相应的讨论。     

气垫式流浆箱控制系统的改造

对恒丰纸业气垫式流浆箱的原有控制方式进行了改造,改造后的控制系统可以满足高精度和实时控制的要求,实际运行中稳定可靠,且控制方式的改造不复杂,容易实现和推广.     

智能控制技术流浆箱控制系统与故障分析

近些年,人们对纸张需求呈现出持续增长态势,造纸工业也实现了迅速发展。目前造纸装备朝着连续、集成、规模化方向发展,在此背景下,造纸工艺对自动化控制系统的需求日益提升,目的就是提升管理与操控的自动化。很多自动化系统的问世,使得造纸工控系统得到更高水平的监控,同时也促使生产系统复杂性显著提升,对应的故障也开始出现。分析智能控制技术下对造纸工业流浆箱智能稀释水调浓系统的开发。在智能控制技术下,流浆箱作为造纸工业中重要的环节,系统的稳定性能极其重要。解决了流浆箱智能稀释水调浓的通讯创建困难,实现了更新与建立数据库进行远程诊断,通过智能监控系统实现了诊断流浆箱故障结果。     

基于神经网络的自动控制系统

神经网络具有信息分布存储、并行处理以及自学习能力等优点,在信息处理、模式识别,智能控制等领域有广阔的发展前景,神经网络控制所具有的逼近非线性函数的能力使其在应用中更具多样性和灵活性。     

基于神经网络的非线性大系统分散自适应控制

针对一类非线性大系统,提出了一种利用神经网络的分散输出反馈自适应控制器的设计方法.对于每一个非线性的有限维子系统,采用输出反馈线性化系统;然后利用基于神经网络的自适应补偿器逼近和补偿系统建模偏差、干扰及系统关联项.从而简化控制器设计,提高跟踪精度,并使系统具有一定的鲁棒性.仿真结果表明,所提出的算法简单,易于实现,能够使闭环系统具有良好的跟踪性能.     

一类非线性系统的自适应神经网络反推控制设计及稳定性分析

针对一类具有未知控制方向、非线性未知函数、未建模动态和动态干扰的单输入单输出非线性不确定系统,提出了一种基于后推设计的自适应神经网络的控制方法.设计中,利用RBF神经网络逼近系统的未知函数,应用非线性阻尼项抵消系统的非线性动态干扰,通过引入一个动态信号克服未建模动态,并用Nussbaum函数解决未知的虚拟控制增益问题;最终应用数学方法严格证明了整个闭环系统的所有信号是一致终结有界性.     

基于模糊神经网络PID控制的粉体包装计量控制系统

针对粉体包装计量控制系统由于传感器、螺杆的旋转惯性、零点漂移,下料冲击力等因素的影响而造成的系统延迟、非线性等问题,提出一种基于模糊神经网络PID控制粉体包装计量控制系统。利用模糊神经网络良好的动态控制特性和自学习能力来调整PID控制比例、积分、微分3个调整参数。借助MATLAB simulink仿真软件进行系统的模拟仿真。结果表明,该模糊神经网络PID控制系统稳定时间能缩短约45%,超调量约减少16%。由此可得模糊神经网络PID控制系统优于传统的PID控制系统。     

基于RBFNN的内模控制在气垫式流浆箱中的应用

针对气垫式流浆箱常规控制中总压和浆位之间存在严重耦合的问题,在分析传统解耦控制方案的基础上,提出了一种基于RBF（径向基）神经网络的内模控制系统（IMC）,采用径向基神经网络控制器（RBFNNC）在流浆箱控制中既充当对象模型,又充当控制器,实现了总压和浆位的解耦控制。仿真结果表明,该控制方法具有实现简单、控制效果好的优点。     

基于BP神经网络的电控发动机故障诊断应用研究

以桑塔纳2000(GSI)电控发动机为例,在怠速工况下,模拟发动机可能出现的故障,利用金德K81电脑检测仪和NHA—501型尾气分析仪采集数据样本.调用Matlab神经网络工具箱中的BP神经网络,对所采集的其中4组数据样本进行训练、仿真.结果表明,BP神经网络对发动机故障的诊断是迅速、准确的.     

用BP神经网络预测精纺毛织物后整理质量

通过确定合理的输入层单元数、隐层节点数,以3层BP神经网络建立了原料、纱线和后整理工艺参数与织物质量间的关系,对实际加工工艺进行预测,获得较满意的效果,证明该方法的实用性;同时建立了织物质量与工艺参数间的关系,并对重要工艺参数进行反演预测,为控制生产提供了指导.     

基于模糊高斯基函数神经网络的滑模控制

研究了一类不确定非线性系统的滑模变结构控制,提出了一种基于模糊高斯基函数神经网络的滑模变结构控制器设计方法.模糊神经网络能以任意精度逼近非线性连续函数,因此应用自适应模糊-神经网络控制理论来逼近动态系统的非线性函数,而且将滑模控制方法与模糊-神经网络控制理论相结合,可以使控制器对系统干扰和逼近误差具有很强的鲁棒性.与常规方法相比,这种控制器不仅保证了闭环系统的稳定性,而且有效地消除了颤动现象.仿真结果表明了该方法的有效性.     

基于对抗神经网络和神经网络模型的筒子纱抓取方法

为提高筒子纱抓取和上纱过程的自动化和柔性化程度,应用单目视觉系统引导机器人完成上纱过程。采用工业相机获取单个筒子纱不同形态的数据信息,应用GAN(生成式对抗神经网络)对筒子纱数据集扩充,提高筒子纱数据集多样性。将所得的数据集加载到Faster R-CNN(更快速区域卷积神经网络)模型里进行训练,应用训练好的神经网络识别和定位筒子纱,引导机器人完成上纱任务。应用搭建的单目视觉系统实验平台对结果进行测试,结果表明,经过标定后的视觉系统可以完成多个筒子纱的抓取任务,以满足筒子纱上纱过程的自动化和柔性化要求。