基于PID控制器的矿井提升机仿真研究

建立了矿井提升机动力学特性方程,为了提高提升机的稳定性和舒适性,基于PID控制器算法设计,利用建模仿真软件AMESim建立了提升机的简单模型,设置参数后,结合Simulink对其进行仿真研究,分别得到了不同增益以及加入空段滤波器时的箕斗位置-时间曲线。仿真结果表明:与改变系统增益方式相比,应用PID控制器提升机的舒适性、稳定性有了明显改善。     

基于BP神经网络的矿井提升机转矩控制系统

矿井提升机是煤矿开采过程的咽喉,保障电机的可靠运转是保障矿井提升机正常工作的前提,对电机进行合理控制至关重要。对矿井提升机双馈电机的结构组成及工作原理进行分析,对直接转矩控制方式的系统结构进行研究,为了弥补只考虑转矩和磁链误差方向导致的问题,引入BP神经网络对双馈电机定子磁链的磁通量进行预测,以其误差大小作为判断PWM逆流器开关的依据。为了验证此方案的合理性,采用MATLAB对提升机的提升过程进行仿真,结果显示,在提升机的运转过程中,提升机的速度和转矩曲线大致与预期一致,定子磁链曲线接近圆形,说明基于BP神经网络的双馈电机直接转矩控制方案具有较好的鲁棒性。     

矿井提升机数字行程控制器的研究与应用

介绍一种用于矿井提升机的数字行程控制器，详细讨论了它的硬件配置、软件编程及实际运行情况     

模糊自适应PID在矿井提升机中的应用

在矿井提升机运行过程中,由于被控变量具有时变、非线性、不确定等因素,传统PID控制算法难以满足控制要求。采用基于模糊自适应PID控制器实现对矿井提升机的控制,用MAT-LAB/Simulink对模糊自适应PID和传统PID进行了仿真分析。     

基于神经网络的自适应PID控制器在矿井输送机中的应用

矿井输送机运行过程中被控对象具有时变、非线性等特性,传统自整定PID控制器难以满足控制要求。采用基于BP算法的神经网络对PID控制参数进行优化,引入FPGA来实现PID控制器的硬件设计,采用DSP Builder 7.0构建闭环测试系统,并基于ModelSim SE 6.2版本进行调试,完成了功能仿真,且对波形进行了比较及分析,证实了FPGA实现自整定PID控制器在矿井输送机中得到了很好的效果。     

基于灰色神经网络矿井提升机的故障诊断研究

矿井提升机是煤矿的重要设备,对其进行故障诊断是提高煤矿安全的主要手段,因此,将灰色神经网络应用于矿井提升机的故障诊断。分析了矿井提升机的常见故障;研究了灰色神经网络的理论模型,设计了基于灰色神经网络故障诊断的算法流程;进行了故障诊断仿真研究,仿真结果表明:灰色神经网络具有较高的故障诊断效率和精度。     

基于BP神经网络的煤矿矿井空调模糊控制器设计研究

针对矿井空调被控对象时滞、时变、非线性的特点,基于神经网络方法,设计了一种基于BP算法的神经模糊控制器,通过采用MATLAB提供的神经网络工具箱和Simulink软件包对其进行了仿真。结果表明,该控制器比经典PID控制及单纯模糊控制具有较好的鲁棒性,动态性能好,控制迅速,适于我国煤矿企业广泛使用的矿井空调控制系统。     

基于模糊PID控制的矿井提升机智能系统研究

为进一步提高矿井提升机电气系统的协调控制,满足我国现代化煤炭、冶金等工矿企业实际生产需要,采用PLC作为主控制器,将模糊控制算法引入到提升机系统中,形成了模糊自整定的PID控制策略,并以组态王作为软件开发工具,实现整个矿井提升系统实时监控。该系统经仿真结果表明,控制精度高,操作简单,性能可靠,对实现工业自动化,提高生产率等起到积极作用。     

基于自适应神经网络的矿井提升机故障诊断

矿井提升机是井下作业的重要运输设备,其运行状态对煤矿企业的安全生产具有关键作用。为了对矿井提升机故障进行实时监控,从而及时发现故障原因并采取措施,提出了一种基于自适应神经网络的矿井提升机故障诊断方法。首先对矿井提升机主轴系统结构及故障振动频率特征进行了分析,然后采用自适应神经网络算法对矿井提升机主轴故障诊断建立模型,实现对故障类型和故障程度的精确诊断,最后对所提出的模型进行了仿真测试。实验结果显示,该方法可以提供较高识别精度的故障诊断结果,为提升机的故障判断提供了参考依据。     

免疫RBF神经网络PID控制器在矿井输送机中的应用

针对如今复杂被控对象大滞后、非线性和时变性的特点,研究把人工免疫算法和RBF神经网络相结合对PID控制器进行参数寻优,应用到矿井输送机上。利用人工免疫算法,无需事先确定隐层结点个数,设计了一种动态的RBF神经网络,并且分析基于免疫算法的RBF神经网络的PID控制器的算法结构。通过仿真实验得知:研究设计的免疫RBF神经网络的PID控制器在抗干扰性、跟随性和鲁棒性方面都表现出了良好的控制效果,非常适合用于控制模型不确定的情况。     

基于模糊神经网络的PID控制器在矿井局部通风机调速系统中的应用

针对矿井掘进工作面通风的特点,提出了一种基于模糊神经网络的PID控制方法,用以控制矿井局部通风机。该方法利用模糊神经网络来调整PID控制器的参数,能根据瓦斯浓度的变化自适应调整通风机的转速。仿真实验表明,该控制器较传统的PID控制器,在超调量和稳定时间上,效果都要好得多,具有适应性强、控制灵活、稳定性好等优点。     

矿井局部通风机的模糊神经网络PID控制器设计

 针对矿井掘进工作面通风的特点,提出了一种将模糊神经网络、遗传算法和PID控制相结合的局部通风机控制方法。该方法运用遗传算法优化模糊神经网络隶属度函数的中心值和宽度,借助BP算法优化连接权系数。实验表明,该方法能根据瓦斯浓度的变化在线自动调整风机转速,较常规PID控制器有着明显的优点。系统采用以TMS320F2407 DSP为核心的电路来实现PID控制器的设计和通风机的变频调速。     

基于BP神经网络的自适应噪声消除技术的研究

介绍了自适应滤波的原理,阐明如何利用BP网络实现自适应数字滤波的算法和关键技术,建立了1-4-1结构的神经网络,并详细说明了网络的创建、训练与仿真方法,针对该系统建立了基于Simulink的仿真模型。仿真实验结果表明,基于BP神经网络的自适应滤波器不需要关于输入信号和噪声的先验知识,非线性映射能力强,具有自学习能力,能有效地消除噪声,提高了信噪比。     

基于免疫克隆算法的自整定PID控制器在矿井提升机的应用

传统的PID控制器难以满足矿井提升机在重复运动时的时变性、非线性的特点,引入免疫克隆算法优化PID控制参数,以FPGA搭建硬件平台构成自整定PID控制器,通过功能仿真分析实验结果可知,这种自整定的PID控制器不仅能够提高系统的收敛速度及控制精度,还保障了矿井提升机的稳定、安全运行。