采用单片机的在线颗粒分析仪智能控制系统

针对国内粉末生产过程中粒度分布检验的滞后性，提出了在线颗粒分析仪智能控制系统设计。通过控制采样速度和喂料速度实现样品的在线分析，并实现分析数据的实时采集和传输，实现在线监控。实验结果表明，该系统测试范围达到4～300μm，可持续工作8小时，延时小于1分钟，测试准确度、重复性均达到在线控制的需要。     

机械手控制的新数控方法

本文提出“离线插补编码——在线解码与控制”的新数控结构方案,把传统数控方案的在线控制功能改由软件离线地实现,而把整个动作过程用编码记录下来,最终通过解码实现在线控制。这样,主要功能由软件离线地实现,有较好的适应性和精度——速度特性;在线控制由解码器进行,动作速度可很高。本文以步进电机驱动的两关节机械手的线位控制为实际背景,描述了这种新的数控方法.     

基于模糊自适应控制算法的微机配料系统的设计

针对传统配料系统的控制方法普遍存在控制精度不高、实时性差等缺陷,采用模糊理论和专家系统相结合的模糊自适应控制算法设计了一种模糊自适应微机配料系统。该配料系统采用原料设定值与实际给料值的偏差和偏差变化率作为模糊控制器输入,给/排料速度值作为输出,利用专家系统在线评判称量状态和控制精度,自动调整称量速度和飞料量控制,实现了精度、速度的最佳结合。实际应用表明,该算法在系统精度和速度上均有所提高,达到了设定的控制要求。     

高密度介质自动补给装置磁铁粉称重仪的设计

文章介绍了高密度介质自动补给装置磁铁粉称重仪的硬件结构及工作原理,详细阐述了称重仪压力传感器和速度传感器的选型,给出了流量在线测量的实现方法。该称重仪采用称重传感器测量胶带输送机上的物料重量,并以AT89C52单片机为计算和控制的核心元件,对传感器送来的信号进行分析、控制、处理和驱动显示,实现了重量的在线动态测量和控制。     

基于神经网络的自治水下机器人广义预测控制

针对自治式水下机器人高度非线性和时变性的特点,提出了一种基于神经网络的水下机器人广义预测控制策略．利用改进型Elman网络作为多步预测模型,在对网络学习算法进行改进的基础上,实现了Elman网络的在线学习,并提出了用于求解神经广义预测控制律的灵敏度公式．进行了具有神经网络在线学习功能和不具有在线学习功能的水下机器人的速度控制实验,并就预测控制效果进行了对比分析．实验结果表明,具有自适应学习功能的水下机器人速度控制法的精度要优于不具有在线学习功能的速度控制法,且当水下机器人动态特性发生变化时具有较强的自适应能力．     

基于神经网络的电机可靠性控制技术研究

以改进的CMAC(cerebellar model articulation controllers)神经网络作为电机可靠性控制的基础,提出一种动态非线性系统自适应容错控制方法。由于改进CMAC信息融合模型具有连续输出特性,从而解决常规故障诊断方法对电机涌堵故障连续变化情形不能诊断的缺陷。从而提高神经网络的在线学习速度和精度;在故障在线学习的基础上进行电机的容错控制律的在线重构,实现电机的在线故障诊断与容错控制的集成,分析了系统的稳定性,并给出了仿真结果。     

热轧速度相关测速仪的研制和改进

热轧钢材的速度在线检测是实现连轧张力控制的关键。叙述了利用相关技术对热轧速度进行在线测量的原理和方法，研制了非接触在线相关测速仪。该测速仪已在马钢热轧材速度测量中投人应用，经改造后效果良好。     

在线粒子群优化PMSM 无传感器控制研究

针对永磁同步电机(PMSM)无传感器控制存在速度值的估算精度容易受到多参数干扰而产生误差的情况,特别是转子在低速运转情况下更明显,提出一种有效的在线粒子群优化方法。设计了永磁同步电动机无传感器控制中的前向通道中PI控制器参数和反馈环中电流、速度PI控制器参数。转子速度和定子绕组磁链采用滑模观测器来进行估算,定子电阻值动态补偿量通过速度修正量计算获得,而速度修正量通过d轴电流估算的误差值计算获得。由于采用了粒子群优化方法,6个控制器参数以及定子电阻的变化量可以同时设计,避免了交叉耦合,减少了速度估算的误差。试验中,采用硬件DSPACE1103,指令信号采用一阶阶跃信号,并增加负载扰动信号。试验结果表明,采用的在线PSO优化方法可以在单采样周期内完成单次迭代任务,完全可以达到实时在线优化计算的目标,实现了无传感器控制。该方法较传统的PI控制具有更好的鲁棒性和动态特性。     

基于遗传算法和虚拟仪器的前馈速度伺服系统设计与整定

介绍了一种在虚拟仪器控制下进行在线参数优化的前馈速度伺服控制系统。为实现前馈控制系数的在线整定,引入了遗传算法。通过实际测试验证了该设计方法和技术的有效性。     

空压机的智能PID控制与SPC在线故障检测

根据用户需求,结合空压机的运行特点,采用了蚁群算法进行PID控制器的参数在线整定,从而利用MM440变频器模拟量控制的方式,通过闭环控制较好地实现了空压机的智能控制,使其压力能够控制在2.5%范围内,达到系统工艺要求;并利用传感器实现空压机的各项运行状态参数(温度、压力、电流、电压、振动等)的在线监测,通过VB与SQL Server强大的数据处理能力实现了数据的在线查看以及统计分析,从而利用x-R控制图的变化趋势分析,根据异常判断准则来实现各类故障的提前报警,实现了空压机的在线故障检测,较好地避免了由于空压机故障带来的损失。     

基于实时技术的大气颗粒物在线分析系统

针对环境监测中,难以实时在线处理海量颗粒物数据的问题,提出了一种基于实时技术的大气颗粒物在线分析系统,实现了颗粒物统计、浓度变化、来源解析等功能.该系统利用实时数据库来实时采集、存储海量大气数据,解决了环境监测中数据的海量问题;同时,引入自适应共振神经网络算法和逻辑回归模型进行数据分析,成功降低数据规模,提升数据分析速度.实践表明,该在线分析系统能在合理时间内得到准确的分析结果,具有重要的实际意义.     

Real-time particle swarm optimization based current harmonic cancellation

As a powerful optimization algorithm, particle swarm optimization (PSO) has been widely applied to power system researches. However, most existing applications of PSO can only be implemented offline. The difficulties of online implementation mainly come from the unavoidable lengthy simulation time to evaluate a candidate solution. Recently, PSO was implemented online that can identify parameters in a motor control systems. In this paper, the real-time PSO (RT-PSO) based identification technique is applied to cancel current harmonics in power systems. By transforming the identification problem to optimization problem, RT-PSO can simultaneously identify four parameters associated with fundamental current from measurement. In this way, there is no need to identify the fundamental frequency separately or construct fundamental signal from identified harmonic information. The identification algorithm can be applied to three-phases independently, even for unbalanced system or single-phase system. The identified fundamental signal is then used as the reference for current harmonics cancellation. The RT-PSO based harmonic cancellation is realized with an active filter and used to compensate harmonic current created by a nonlinear load. Simulation results demonstrate that the RT-PSO algorithm can provide accurate identification of the fundamental current which in turn will result in good harmonic cancellation performance. As a capable online optimization technique, RT-PSO can be extensively applied to many optimization and control problems.     

基于多目标优化策略的在线学习资源推荐方法

目前在线学习资源推荐较多采用单目标转化方法,推荐过程中对学习者偏好考虑相对不足,影响学习资源推荐精度.针对上述问题,文中提出基于多目标优化策略的在线学习资源推荐模型(MOSRAM),在学习者规划时间内,以同时获得学习者对学习资源类型偏好度最大和难度水平适应度最佳为优化目标,设计具有向邻居均值学习能力和探索新区域能力的多目标粒子群优化算法(NEMOPSO),提出以MOSRAM为核心的在线学习资源推荐方法(NEMOPSO-RA).不同问题规模下融合经典多目标优化算法的推荐方法对比实验表明,NEMOPSO-RA可以有效提高在线学习资源的推荐精度和推荐性能.     

MIMO最小二乘支持向量机污水处理在线软测量研究

污水处理系统是一个包含海量信息的非线性复杂系统。针对污水处理出水水质BOD（生物化学需氧量）、COD（化学需氧量）、TN（总含氮量）等难以在线实时检测等问题,建立了基于在线MIMO-LSSVM（多输入多输出最小二乘支持向量机）和PSO（微粒子群算法）的污水处理软测量模型。仿真结果表明,建立的软测量模型精度高、速度快,能很好地实现污水处理出水指标COD、BOD、TN等参数的实时测量和估计,为污水处理的实时在线控制创造必要的前提条件。     

Particle swarm optimisers for the designing of parametric adjustment laws in discrete-time adaptive systems

A large variety of linear/nonlinear adaptive systems in continuous/discrete time can be represented by using error models, which facilitates their analysis. In addition, a solution found for a particular error model constitutes an universal strategy which can be applied to any system represented through that error model. In this paper, we present a novel methodology based on particle swarm optimisers for online parametric adjustment in discrete-time adaptive systems represented by type 1, 2, and 3 error models, which provides stability properties and high performance compared with traditional techniques. Successful applications in combined and direct model reference adaptive control via detailed simulations are provided.     

Nonlinear model predictive control of a batch fluidized bed dryer for pharmaceutical particles

The availability of reliable online moisture content measurements exploiting near-infrared (NIR) spectroscopy and chemometric tools allows the application of online control strategies to a wide range of drying processes in the pharmaceutical industry. In this paper, drying of particles with a pilot-scale batch fluidized bed dryer (FBD) is studied using a in-line NIR probe. A consolidated phenomenological state-space model of an FBD based on mass and energy balances is calibrated applying a nonlinear least-square identification to experimental data (grey-box modeling). Then, relying on the calibrated model, a nonlinear model predictive controller and a moving horizon state estimator are designed. The objective is to reach a specific particle moisture content setpoint at the end of the drying batch while decreasing cycle time and limiting particle temperature. A penalty term on the energy consumption can also be added to the usual tracking control cost function. Compared to a typical FBD operation in industry (mostly open-loop), it is shown that the drying time and the energy consumption can be efficiently managed on the pilot-scale process while limiting various operation problems like under drying, over drying, or particles overheating.     

Adaptation and change detection with a sequential Monte Carlo scheme.

Given the sequential data from an unknown target system with changing parameters, the first part of this paper discusses online algorithms that adapt to smooth as well as abrupt changes. This paper examines four different parameter/ hyperparameter dynamics for online learning and compares their performance within an online Bayesian learning framework. Using the dynamics that performed best in the first part, the second part of this paper attempts to perform change detection in unknown systems in terms of the time dependence of the marginal likelihood. Because of the sequential nature of the algorithms, a sequential Monte Carlo scheme (particle filter) is a natural means for implementation.     

网上拍卖系统设计分析

网上拍卖模式是电子商务的重要部分,以拍卖的形式在网上销售产品,因为其不受时间和空间限制、并且可以有效降低运营成本而具有极大吸引力.文章详细分析网上拍卖系统的功能、流程、系统设计和功能实现.希望这方面的工作对正在进行或拟进行网上拍卖系统设计的人员有所借鉴.     

基于神经网络的实时专家控制系统及其PTA工业应用

以精对苯二甲酸结晶过程为研究对象。提出一种基于神经网络模型的实时专家控制系统．该方法利用神经网络建模技术获取对象的机理知识,通过对影响模型特性的多个变量进行分析,自动得到常规专家控制系统难于获取的定性、定量知识,并按分级递阶的启发式搜索机制,实现了对工业过程对象的实时控制．实际应用表明：该方法不但克服了以往专家系统知识获取的瓶颈,而且有效实现了人机对话的功能,便于现场操作和更改专家知识库,为化工过程的多变量控制提供了新的思路．