自动包装机热封温度自适应控制系统设计

目的提高包装机械热封机构的温度控制精度,以保证包装效率和产品质量。方法针对包装塑料薄膜热封的温度控制,基于单神经元自适应PID控制算法设计一种自动包装机热封温度控制系统。介绍自动包装机热封的基本原理,阐述单神经元自适应PID控制算法的基本原理,并设计一种温度控制器。基于模糊集理论,实现控制器比例、积分和微分系数学习速率的在线调整。基于ARM Cortex-M3和PIC单片机搭建自动包装机热封温度控制系统。结果将该热封温度控制系统应用于自动包装机中,可以将热封温度误差控制在合理的范围内。结论通过仿真验证了文中所述自动包装机热封温度控制系统稳定性较好,具有一定的抗干扰、自适应、自调整能力。     

基于FOA-GRNN的纳米铁粉分解炉温度预测

为提高纳米铁粉的制备工艺,实现纳米铁粉分解炉温度的精确控制,提出一种基于果蝇优化算法和广义回归神经网络的纳米铁粉分解炉温度预测方法。该方法采用现场采集数据,选取进液量和各个温区加热装置的开度因素来预测待预测温区温度。通过广义回归神经网络,建立温度预测模型,并利用果蝇优化算法对光滑因子进行动态寻优。选取不同种群规模对建立模型进行验证,并将该文建立模型与普通广义神经网络和粒子群算法优化的广义神经网络模型的预测效果进行对比。验证表明:该文建立模型平均相对误差为0.43%,且能够排除人为设置参数的干扰,具有较好的准确性与稳定性,可进一步用于分解炉温度控制的研究。     

基于模糊PID的包装机热封切刀温度控制

目的为了提高包装机热合装置压合袋口的封口质量,采用模糊自适应PID控制方法对热合机热合装置的温度进行精确控制。方法针对食品包装塑料薄膜热封的温度控制,基于模糊自适应PID控制算法设计一种自动包装机热封温度控制系统。采用变论域模糊PID实现控制参数自整定和控制规则的自调整,并将其与传统PID控制进行对比。结果模糊PID控制方法较传统PID控制方法能更稳定地控制加热温度,有效提高了温度控制的响应速度和控制精度。结论该系统在热合装置中能够精确、快速地控制温度,具有应用价值。     

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。     

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。     

基于双模糊PID的食品包装机热封温度控制研究

目的 为提高食品包装产品的袋形质量和热封质量,提出一种提高食品包装机热封温度控制精度和稳定性的方法。方法 针对食品包装中塑料薄膜热封温度控制系统的稳定性和精确度不佳,造成包装材料过度收缩、封口不严等质量问题,设计双模糊控制器对PID参数进行在线整定,当温度偏差较大时采用模糊控制1进行粗调,以实现较快的动态响应;当温度偏差较小时采用模糊控制器2进行精调,以实现较好的稳态精度。并将双模糊PID控制器与传统PID、模糊PID控制器进行仿真对比。结果 Matlab仿真结果表明,双模糊PID控制器具有调节速度快、鲁棒性强、超调量小的优点,可以有效提升控制系的控制精度和稳定性。结论 双模糊PID控制器自适应能力强,能够克服食品包装机热封温度控制系统非线性、时变性等缺点,实现了包装机热封温度快速稳定调节。实验测试表明,将热封温度偏差控制在±1.5 ℃以内,在一定程度上提升了食品包装质量和设备自动化水平。     

热合装置 PLC 温度控制系统研究与开发

目的更精确地控制热合机热合装置的温度,提高热合装置压合袋口时的封口质量。方法提出了一种基于模糊自整定PID的温度控制器方案。把常规的PID控制方式同模糊控制结合起来,对PID参数进行在线修正。将常规PID和模糊PID温度控制算法在西门子PLC中编程实现,并将该方式与常规PID控制方式进行了对比。结果模糊控制方式较传统的PID控制能更稳定控制加热温度,有效提高了响应速度和控制精度。结论模糊PID温度控制系统具有更好的温度控制效果,能够提高热合装置的封口质量。     

基于模糊内模-PID的包装机热封切刀温度控制

目的 包装机热封切刀温度控制系统存在非线性、大滞后性等特点,传统PID控制的效果也越来越无法满足工艺生产的要求,为了提高包装机热封切刀温度控制的速度和精度,进而提高封口的质量,以提高产品包装效率和品质。方法 在传统的PID控制的基础上,通过结合模糊控制和内模控制理论的先进控制算法,提出模糊内模-PID控制算法的包装机热封切刀温度控制系统。内模控制能够使PID控制器参数进行简化,同时模糊控制的引入能够实现控制器参数的在线调整,将该新型控制算法应用到包装机热封切刀温度控制系统中,并与传统控制进行对比。结果 通过Matlab仿真软件搭建模内模-PID控制的包装机热封切刀温度控制系统仿真平台,仿真结果表明,系统响应速度、精度、超调量、抗扰动能力等比传统控制系统性能更加优良。结论 通过仿真验证了模糊内模-PID控制在热封切刀温度控制系统上的有效性和可行性,能够在温度控制系统中表现出优良的性能指标。     

基于RBF神经网络的自动包装机温度控制算法研究

目的针对传统热封工艺中温度调节PID算法参数过度依赖人工经验的缺点,提出一种RBF神经网络与PID算法相结合的具有参数自适应的热封温度控制算法。方法使用控制系统的输出误差作为代价函数,采用最小均方误差(LMS)调整权值与偏置参数,并通过中心自组织算法实现径向基函数中心和中心宽度的动态调节,在Matlab软件中的Simulink子系统中建立仿真模型进行算法验证,并与传统PID控制算法进行比较。结果仿真结果表明,径向基神经网络与传统PID算法的结合使得系统输出响应在动态性能和静态性能方面均优于传统PID,在系统上升时间、调节时间等方面均优于增量式数字PID。结论将RBF神经网络PID算法应用于自动包装机,避免了传统热封工艺中PID控制算法参数不能适应于复杂变换控制环境的问题,神经网络PID算法的自适应性强,实现了热封温度变化下PID参数的自动调整,在一定程度上提升了生产效率和包装设备的智能化水平。     

包装覆膜自适应恒张力控制方法研究

目的为解决悬浮包装生产过程中薄膜张力不稳定等问题,建立覆膜过程薄膜张力数学模型。方法针对传统PID控制在薄膜张力控制中的诸多不足,基于BP神经网络设计自适应PID薄膜张力控制方法。根据系统运行状态,调节PID控制器的参数。通过神经网络的自身学习来调整权系数,确保被控对象处于稳定工作状态。为进一步优化BP神经网络控制性能,利用鱼群寻优算法实现初始阈值和权值优化。最后,进行仿真和实验研究。结果仿真和实验结果表明,基于改进BP-PID控制算法进行张力控制时,系统响应速度较快,最大超调量较小。薄膜张力的最大相对误差只有0.5N,误差值都比较小。结论改进BP-PID算法具有较高的控制精度和稳定性,可满足包装覆膜要求。     

基于插值与神经网络的包装薄膜热封参数分析

目的研究塑料薄膜热封工艺中热封参数之间的非线性关系,建立一种可用于自动包装机热封过程的数学模型。方法通过实验采集样本数据,并用附加动量法训练BP神经网络,建立热封参数之间的非线性数学模型,最后通过神经网络预测热封时间,并采用插值算法建立目标热封强度下热封温度和热封时间之间的多项式数学模型。结果通过插值算法与神经网络的结合运用,较为精确地描述了热封温度和热封时间之间的数学关系,插值函数实现了神经网络模型的简化,两者误差较小。结论通过文中方法确定了包装材料热封参数之间的非线性关系,将其用于热封包装设备,可提高设备的智能化程度。     

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。     

Fault Diagnosis of Power Electronic Circuits Based on Adaptive Simulated Annealing Particle Swarm Optimization

In the field of energy conversion, the increasing attention on power electronic equipment is fault detection and diagnosis. A power electronic circuit is an essential part of a power electronic system. The state of its internal components affects the performance of the system. The stability and reliability of an energy system can be improved by studying the fault diagnosis of power electronic circuits. Therefore, an algorithm based on adaptive simulated annealing particle swarm optimization (ASAPSO) was used in the present study to optimize a backpropagation (BP) neural network employed for the online fault diagnosis of a power electronic circuit. We built a circuit simulation model in MATLAB to obtain its DC output voltage. Using Fourier analysis, we extracted fault features. These were normalized as training samples and input to an unoptimized BP neural network and BP neural networks optimized by particle swarm optimization (PSO) and the ASAPSO algorithm. The accuracy of fault diagnosis was compared for the three networks. The simulation results demonstrate that a BP neural network optimized with the ASAPSO algorithm has higher fault diagnosis accuracy, better reliability, and adaptability and can more effectively diagnose and locate faults in power electronic circuits.     

记忆径向基神经网络在冷轧液压自动位置系统的优化控制

针对冷轧液压自动位置控制系统多变量、强耦合、高阶次和时变性等特点,提出一种引入记忆因子的径向基函数神经网络在线自适应调节PID参数的系统。为提高网络精度,利用改进的混洗蛙跳算法离线全优化记忆径向基神经网络,在获得网络结构的同时得到初始参数,避免网络模型训练的繁琐,并利用测试函数证明优化后的网络具有良好的逼近能力。然后利用优化后记忆径向基神经网络的自校正功能在线细调PID参数,仿真结果表明,该控制系统跟踪快、超调小、适应性强,控制品质优于传统PID和普通径向基神经网络PID控制方法。