多级热电制冷器升降温速率控制策略

针对传统PID对非线性、时变性的多级热电制冷器升降温速率控制系统难以实现高精度控制的问题,提出将单神经元PID用于多级热电制冷器升降温速率控制的策略。根据级间制冷量与发热量平衡方程,建立以电流为输入参数的三级热电制冷器动态模型。通过系统辨识工具得到系统传递函数。在此基础上,对传统PID、模糊非线性、神经网络、单神经元PID控制算法进行对比分析,选取单神经元PID作为升降温速率的控制策略。针对单神经元易陷入局部极小值的缺陷,采用遗传算法结合模型仿真的思路,改进加权系数的初始取值,有效提高了升降温速率的控制精度。Simulink仿真结果表明:通过遗传算法寻优的单神经元PID控制多级热电制冷器的升降温速率,在不同热端温度下的误差均小于0.08℃/min,调整时间小于12 s。该控制方式比传统PID的控制精度更高、调整时间更短,在多级热电制冷器的高精度温度控制中具有广阔的应用前景。     

基于机器学习的塑料分类回收预测系统

塑料分类回收预测系统主要由垃圾接收装置、垃圾预测分类装置、垃圾压缩装置和垃圾回收储存装置4部分组成,其中垃圾预测分类装置凭借提出的塑料预测分类模型执行塑料分类工作。塑料预测分类模型应用深层次的Inception卷积神经网络,提取高度抽象的关键塑料特征。实验结果表明:塑料分类回收预测系统的预测分类准确率高于传统的预测分类模型约2%。