基于BP神经网络的车辆动态称重技术

车辆动态称重对于控制超载运输或物流仓储等要求连续称重的场合具有重要作用。针对车辆动态称重的技术特点和工艺要求,分析动态称重过程的动力学模型,确定位移信号阶跃响应的最大超调量与车重之间的单调函数关系,提出1种基于BP神经网络预测最大超调量的动态称重计算方法,并在MATLAB环境下进行仿真分析,通过系统的学习和训练,完成了动态称重过程的车辆静态重量计算。结果表明,提出的动态称重算法可有效地提高车辆动态称重系统的称量精度,具有较高的实用价值。     

转炉煤气回收系统的PID神经网络控制策略研究

针对转炉炉口差压控制系统非线性、纯滞后和大干扰的特点,通过分析转炉煤气回收过程工艺及炉口差压对煤气回收效果的影响,提出将传统PID与神经网络控制策略相结合的炉口差压控制策略,并在对被控对象的辨识模型进行仿真分析的基础上,将控制策略投入工业应用。结果表明,与传统的PID控制策略相比,此控制策略具有较强的抗干扰能力,可显著改善控制系统的动态性能,并达到较好的煤气回收和烟气减排效果。