基于ControlNet网络的反应釜温度控制系统仿真

本文介绍了基于ControNet网络的反应釜的控制系统结构及组成,并着重介绍系统如何实现控制仿真以及利用RSView32组态软件设计界面监控反应釜,系统利用罗克韦尔的ControlLogix5550处理器对反应釜的反应过程进行监控,其实时性好,组态灵活,方便。     

主蒸汽温度的BP神经网络PID控制系统的研究

针对火电厂主蒸汽温度系统大惯性、大迟延、非线性的特点,常规串级PID控制难以取得满意的调节效果,为了改善常规PID控制的不足,文章在研究BP神经网络的基础上,把BP神经网络PID控制应用到主汽温控制系统中。运用matlab仿真,结果表明,与传统控制相比BP神经网络PID控制算法有效减小了系统的超调量,提高了系统的响应速度,在主汽温控制系统中具有很好的控制效果。     

连续搅拌反应釜的混合监督学习控制

提出了一种连续搅拌反应釜(CSTR)的混合监督学习控制方法.控制系统有远程控制与极值控制两种模式.极值控制时神经网络进行有监督的学习,远程控制时神经网络进行无监督的学习.控制系统的设计不需要CSTR系统的精确模型.仿真实验结果表明,所提出的混合控制方案具有满意的动态和稳态控制性能,并有很强的自适应性.     

神经网络在直接力矩控制中的研究及应用

提出了利用多层神经网络取代传统开关状态选择器在感应电动机直接力矩中的控制以获得最优的开关状态量的方法。利用MATLAB/MULINK软件做的直接力矩控制的仿真系统包括感应电动机、逆变器开关、触发电路和控制电路。在选定了代表开关状态选择器的最优神经网络后 ,设计了神经网络结构图并进行了验证。为了确定神经网络的可靠性和稳定性 ,将其作为直接力矩控制系统的一部分进行了仿真试验 ,结果表明神经网络直接力矩控制系统优于传统的直接力矩控制系统     

基于DEBP模糊神经网络的醇烯比值控制研究

在炼油厂轻汽油醚化系统中醇烯比值对烯烃转化率的影响较大,由于实际生产中醇烯比值控制过程具有非线性和大滞后特性,因此传统的PID控制方式对于醇烯比值的控制效果不够稳定。该文提出将基于DEBP算法的模糊神经网络用于轻汽油醚化系统醇烯比值的控制当中。对反应釜内的醇烯比值控制过程构建数学模型,建立模糊神经网络控制器,将差分进化算法与BP算法进行组合形成DEBP算法,利用此算法对模糊神经网络参数进行优化,仿真验证了基于DEBP算法的模糊神经网络控制比传统PID控制效果更好。     

双马达模糊神经网络速度同步控制实现方法研究

针对内嵌式溢油回收机扫油臂与卷筒双马达电液驱动速度同步控制问题,对扫油臂和卷筒驱动系统的组成、工作原理和控制要求进行了阐述;基于"等同控制"策略,引入模糊神经网络控制理论,建立了双马达模糊神经网络控制器;运用Matlab软件对模糊神经网络控制系统与PID控制系统进行了仿真,获得了阶跃响应对比曲线和线速度同步误差对比曲线,探讨了速度同步控制系统的稳定性,分析了线速度同步误差特点与形成原因。研究结果表明:模糊神经网络控制系统几乎无超调、调节时间为5.2 s,PID控制系统超调量为23%、调节时间为8 s,速度达到稳定时,模糊神经网络控制系统线速度差为7 mm/s,PID控制系统线速度差为16 mm/s;与PID控制相比,模糊神经网络控制具有更好的动态响应特性和稳态特性,同步误差更小、同步精度更高。     

基于PCS7的搅拌反应釜连续反应控制系统设计

针对带搅拌釜式反应釜连续反应过程中各参数的复杂控制问题,基于西门子的SIMATIC PCS 7过程控制系统,设计了搅拌反应釜连续反应过程控制系统。利用PCS7和SMPT-1000,实现了反应釜连续反应控制系统的温度、压力、浓度以及液位控制。对各种控制策略进行验证,结果表明:所设计的控制系统可行、有效,控制效果良好,且具有较好的安全性、稳定性及简易性。     

BP神经网络PID控制器在球磨机控制中的应用

基于神经网络控制理论,针对球磨机的运行特点,提出了一种新型的基于BP神经网络PID解耦的球磨机控制系统。此控制系统既实现了系统解耦而且通过在线整定PID参数兼具了PID控制的优点。大量的仿真表明,与常规控制系统相比,此系统具有更好的动态及稳态性能。     

模糊无模型自适应控制在CSTR中的仿真研究

连续搅拌反应釜(Continuously Stirred Tank Reactor,CSTR)是工业生产中常用的设备,其温度系统具有强非线性、耦合性、时变性的特点,反应机理复杂,精确建模困难,传统控制方法很难满足生产需要。为解决上述问题,采用基于数据驱动的无模型自适应方法(Model Free Adaptive Control,MFAC)对反应釜出料温度进行控制。在SIMULINK环境下搭建反应釜数学模型,采用基本MFAC方法对其进行仿真研究,针对控制器参数调整复杂的问题,采用模糊控制方法对无模型控制器参数进行优化。仿真实验结果表明,基于模糊控制的MFAC方法改善了系统动静态性能指标,系统的抗干扰能力和自适应能力得到增强。该方法对反应釜实际生产具有一定的指导作用。     

基于模糊神经网络的梭式窑自适应控制系统应用研究

针对梭式窑温度控制过程存在非线性、时变性和不确定性等情况,设计了基于模糊神经网络的自适应控制(MRAC)系统并运用于梭式窑中,即采用RBF径向基网络作为梭式窑温度对象的辨识网络,它产生的Jacobin信息与控制误差一起提供给模糊神经网络控制器作为其学习信号,经过MATLAB仿真调整初始参数。最后运用VC++软件结合数据采集卡对燃气梭式窑进行控制。该控制系统能辨识出梭式窑时变性、非线性、长滞后性的对象特性,实时修正控制器参数,以适应对象特性的变化,在实际应用中取得了良好的控制效果。     

基于模糊神经网络的超声电机位置控制

由于超声马达的时变和非线性。使其速度与位置的高精度控制成为难题。为了提高超声马达伺服系统的精度，把模糊逻辑控制应用到神经网络中，设计了模糊神经网络控制器．通过模糊逻辑部分获得专家知识．神经网络部分调整参数。通过改变超声电机的驱动频率来实现精确的位置控制。在控制系统中采用5层网络结构和误差反向传播算法，算法的收敛速度很快。通过实验和仿真验证了这种方法的可行性。     

基于神经网络的轮胎硫化过程建模及模糊控制

本文利用基于BP算法的人工神经网络,加入移动窗口技术和回流技术,建立轮胎硫化过程的动态温度分布模型,所建立的模型与实际拟合良好,具有实用性。为保证轮胎内部各部分达到均匀一致的硫化效果,根据模糊控制的思想用脉冲加热控制方式得到了满意的控制效果。     

A neural network model based predictive control approach: application to a semi-batch reactor

Neural networks can be considered to be new modelling tools in process control and especially in non-linear dynamical systems cases. Their ability to approximate non-linear functions has been very often demonstrated and tested by simulation and experimental studies. In this paper, a predictive control strategy of a semi-batch reactor based on neural network models is proposed. Results of a non-linear control of the reactant temperature of a semi-batch reactor are presented. The process identification is composed of an off-line phase that consists in training the network, and of an on-line phase that corresponds to the neural model adaptation so that it fits any modification of the process dynamics. Experimental results when using this method to control a semi-batch reactor are reported and show the great potential of this strategy in controlling non-linear processes.     

基于专家知识融入的模糊神经元网络结构及在镗削颤振判别中的应用

在制造系统状态监控中采用神经元网络作为模式识别器,已被证明是一种行之有效的方法。但是,由于制造系统中的加工情况复杂、包含的信息量大,所以神经元网络的学习需要大量样本才能保证它的准确性。本文利用模糊集理论,将专家知识转化为神经元网络可直接处理的模糊ｉｆ－ｔｈｅｎ规则,利用专家知识作为典型样本对模糊神经元网络进行训练,这样节省了大量获取样本的时间,同时又不降低网络的准确性。将之应用于镗削加工中颤振的判别,取得了良好的效果。     

模糊神经网络数据融合在移动机器人导航中的应用

提出一种基于模糊神经网络的多传感器数据融合方法,并将其用于自主移动机器人的导航避障。采用BP神经网络作为基体,将模糊技术和神经网络有机结合组成模糊神经网络控制系统,实现了模糊规则自动提取及模糊隶属度函数的自动生成。实验表明该方法可实现机器人的安全避障。     

Control of chemical processes using neural networks: implementation in a plant for xylose production

This work demonstrates the use of artificial intelligence for control of xylose reactor performance in a paper factory. Two types of neural networks are used, a perceptron for the temperature controller and an adaptive formulation for the noise filter. The results show an improvement in the temperature stabilization time with respect to a classic PID control.     

模糊控制在温度控制系统中的研究和应用

针对传统温度控制系统建模困难,控制性能差的缺点,本文采用模糊控制的方法来对温度进行控制,详细研究了模糊控制器的设计流程和方法。实验证明,模糊控制器进行温度控制比传统的控制方法效果更显著。     

人工智能新技术在焊接中的应用及发展趋势

综述了近年来模糊理论及神经网络技术等人工智能新技术在焊接过程控制、性能预测及焊接缺陷检测等方面的应用 ,探讨了人工智能新技术在焊接领域应用中有待解决的问题及发展趋势。     

Intelligent control of a cryogenic cooling plant based on blackboard system architecture

Intelligent system techniques have been rapidly assimilating into process control engineering, with many applications reported in the last decade. Intelligent control is bringing a new perspective as well as new challenges to process control. In this paper, a software architecture for a Blackboard for Integrated Intelligent Control Systems (BIICS) is described. The system is designed to simultaneously support multiple heterogeneous intelligent methodologies, such as neural networks. expert systems, fuzzy logic, neural networks and genetic algorithms. It will be shown how such methodologies can be readily assimilated into the software architecture. The BIICS system represents a multi-purpose platform for design and simulation of intelligent control paradigms for different kinds of processes. Currently the system utilizes intelligent control techniques (neuro-fuzzy and genetic optimization) for controlling a cryogenic plant used for superconductor testing at temperatures below 100 K.