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。     

基于BP神经网络的PID控制算法参数优化

随着控制理论快速发展,比例积分微分（Proportional Integral Derivative,PID）控制算法广泛应用于工业生产中,依托成熟的控制策略,研究人员将PID控制算法与其他学科进行有机融合,衍生了全新的控制理论,神经网络就是其中最典型的一种控制理论。得益于神经网络的强大学习能力和对非线性函数的逼近能力,神经网络可以应用于PID控制算法中。研究发现,将BP神经网络应用于PID算法存在收敛速度慢以及网络波动振荡等问题,为了进一步完善该控制理论,该文通过改进BP神经网络的学习速率和添加动量修正因子的方法来对其进行优化。     

六自由度运动平台控制系统的神经网络优化

阐述了六自由度运动平台的控制原理，并根据控制系统的特点，提出采用基于RBF和BP神经网络来改进常规PID控制器实现系统控制性能。在该控制系统结构中，提出了在RBF网络辨识Jacobian的基础上，将BP神经网络引入了平台控制系统中PID控制器的控制参数在线整定的算法，最后给出了在MATLAB下的具体仿真算法。     

组合秤中给料装置的性能及控制研究

为了提高组合秤最佳组合的精度和称重的速度，建立适当的组合计算模型，对组合秤给料装置的性能和控制进行研究。本文选用比较有代表性的电磁振动给料器，在分析其结构特点和工作原理的基础上，对影响电磁振动给料器每次加料质量的一些主要因素进行了分析和研究，并且给出了数字控制方法。     

基于BP神经网络的FTS输出控制

针对压电伺服刀架系统存在着固有的灵敏度低和加工过程中的一系列振动等问题,采用神经网络优化算法,提出了一种新型压电伺服刀架位移输出控制技术。获得系统传递函数,探究其内部联系,输出PID闭环阶跃响应曲线。借助于PID控制器,采用BP神经网络算法实现对于该系统的闭环控制。实验结果表明:传统PID控制系统对刀架平台进行控制后,刀架平台输出位移误差降低,平均误差为0.174 3μm,达到稳态值时的响应时间为0.36 s。而BP神经网络PID控制技术可以将平均误差缩小至0.112 6μm,响应时间大幅度减少为0.15 s,相对于传统控制技术的响应速度、超调量等性能进行了显著改善,同时,综合考虑了具体控制过程中的可靠性。     

非线性裂纹转子的振动控制与裂纹延缓的研究

针对裂纹转子的非线性振动问题,以具有非线性恢复力的轴承和电磁执行器的Jeffcott裂纹转子为研究对象,通过仿真和实验分析了系统的振动响应,同时采用神经网络PID控制的电磁执行器,实现对裂纹转子系统的非线性振动的主动控制。并通过对神经网络PID和传统PID控制方法的仿真比较,表明神经网络PID对非线性裂纹转子系统具有更好的控制性能和抗干扰性。其次,基于转子动力学理论,分析了裂纹的开闭特性,用数值方法分析了不同参数对裂纹扩展的影响,提出了有效延缓裂纹扩展的方法。     

锂电池悬浮式烘箱数值模拟分析与结构优化

目的 为提高盐业包装线封口温度控制精度,融合果蝇优化算法和径向基神经网络设计一种温度控制系统。方法 介绍控制系统结构,利用RBF神经网络的自学习、自适应能力实现PID控制器参数的在线调节,可确保封口温度的自适应控制。通过果蝇优化算法实现神经网络初始值优化,提高神经网络的全局搜索能力。最后,进行仿真和实验分析。结果 结果表明,温度偏差可以控制在1%以下,该控制算法具有较好的稳定性,达到稳定状态耗时较少,系统超调量明显变小,在一定程度上提升了封口温度控制的精确性和稳定性。结论 所述控制系统控制性能比较理想,可满足食用盐包装封口温度控制需求。     

汽车排放检测时测功机控制算法研究

为了在进行汽车排放检测时使底盘测功机更准确地模拟出发动机的行驶工况.对工况法汽车排放检测控制系统进行了控制对象分析,针对汽车--恻功机系统非线性、时滞大的特点,结合PID控制与神经网络算法的优点,设计了用于测功机控制的基于多层网的近似PID控制算法,并用Matlab对该算法和常规PID控制算法分别进行了仿真.对比结果表明,该算法的控制效果好于常规PID控制算法.     

基于切片谱和神经网络的旋转机械故障诊断方法

RBF神经网络是仿生物神经建立的人工模式识别模型,它具有良好的泛化能力和分类能力;切片谱是对双相干谱算法的简化,同样可以用来定量描述振动信号的非线性相位耦合特征.本文结合双谱和RBF神经网络,以信号的切片谱作为故障特征量,以RBF神经网络作为分类器实现旋转机械故障诊断;最后对轴承故障进行仿真实验,结果表明,本方法能有效对轴承故障模式进行分类.     

多跨转子系统多频传递力的神经网络自适应PD控制EI北大核心CSCD

针对大型旋转机械在运行过程中,由于自身不平衡量以及复杂的外部环境激励,导致转子系统振动,进而对基础和外部结构产生多频传递力的问题,提出了一种基于BP神经网络的自适应PD控制算法。采用一种电磁执行器与固定瓦滑动轴承集成的混合轴承结构,分析了该混合轴承的动力学特性;针对一个多跨转子系统,用有限元法建立了系统的动力学方程,从原理上分析了PD控制方式下传递力的主动控制;针对传统PID控制参数获取困难的问题,提出了基于BP神经网络的自适应PD控制算法;在一个四轴承双跨转子系统仿真模型上,分别对基于BP神经网络的自适应PD控制、BP神经网络控制及LMS控制的效果进行了对比分析。结果表明,基于BP神经网络的自适应PD控制对转子系统多频传递力具有更好的抑制效果。     

多轴速度同步偏差耦合控制

目的 解决传统印刷机、包装机各轴机械连接方式下,多电机同步控制存在的机械磨损严重、同步控制精度低等问题。方法 基于偏差耦合控制系统结构,将PID与神经网络控制相结合,提出一种径向基神经网络PID的多电机速度同步控制策略。结果 通过仿真可知,该算法相较于传统PID控制超调量更小,系统能够以较快的速度实现同步跟踪,速度同步精度明显高于PID控制。结论 该控制算法能够大大提升印刷机多轴同步控制的动态性能,可以有效提高印刷质量。     

基于RBF-PID的啤酒灌装机贮液缸内液位控制

目的提高啤酒灌装质量和效率,对贮液罐液位进行精确控制。方法在传统PID控制的基础上,提出一种RBF神经网络与PID相结合的啤酒灌装机贮液缸内液位自适应控制方法。利用RBF神经网络的快速自学习能力调整PID控制的比例、积分、微分系数。结果与传统PID控制相比,RBF-PID控制响应速度快,超调量较小,系统达到稳定的时间得到大大缩短。结论文中方法提高了啤酒灌装机贮液罐内液位的控制精度,有效提高了啤酒的质量和产量。     

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。     

粉状饲料动态定量称量包装控制系统设计与实现

目的 为提高粉状饲料包装过程的称量精度,提高包装效率,基于RBF神经网络设计一种粉状饲料定量称量包装控制系统.方法 首先介绍系统总体结构,以动态定量称量为主要研究对象,重点分析包装机的给料过程.针对精细给料过程,建立被控对象数学模型,结合传统PID控制和RBF神经网络设计称量控制器.通过RBF神经网络实现PID控制器参数的在线调整,从而提高称量精度.最后进行实际称量试验.结果 试验结果表明,静态和动态称量偏差均可以控制在0.5％以内,计量为25～50 kg,生产能力可以达到900包/h.结论 所述控制系统称量精度较高,具有比较理想的可靠性和稳定性,能够满足包装需求.     

基于模糊神经网络的液体灌装自校正控制系统

目的为提高微量液体灌装精度,以补灌工序为研究对象,设计一种自校正控制系统。方法介绍灌装机的基本结构、工艺流程以及自动补灌基本原理。基于模糊RBF神经网络设计一种二次补灌控制器,阐述神经网络结构和学习算法。基于PLC和ARM搭建相应控制系统,其中PLC为主控制器负责传感器信号检测以及各工序执行,ARM为从控制器负责二次补灌控制,最后进行试验研究。结果对比结果表明,在自校正补灌的条件下,灌装精度得到明显提高,误差占比可控制在1%以下。结论所述控制系统可最大程度地减小生产过程误差,满足灌装工艺要求。     

基于改进灰狼算法的啤酒灌装PID液位控制

目的 针对啤酒罐装液位控制存在的变负荷、多模态、PID参数整定难的问题,提出一种基于改进灰狼算法的PID参数整定方法,以提高啤酒生产的工作效率。方法 对灰狼算法进行改进,使用欧式距离变化率动态调整收敛因子,平衡算法的全局搜索能力;引入动态自适应权重因子,提高算法的优化速度和精度;与基本灰狼算法比较并用测试函数验证改进算法的性能。结果 仿真结果表明,改进后的灰狼算法在收敛速度和精度上提升效果显著;改进灰狼算法整定的PID参数的上升时间为1.9s,调节时间为5.12 s,超调量为3.78%。结论 与基本灰狼算法对比,改进灰狼算法对啤酒灌装液位PID参数进行整定,调节时间快,超调较小,可以更好地满足啤酒生产的控制要求。     

基于改进量子粒子群算法的纸浆浓度控制系统

目的为了克服传统PID控制在具有大时滞性、非线性等特点的纸浆浓度控制系统中性能不足和参数调整困难等问题,研究参数在线调整的方法。方法在传统PID控制的基础上,结合量子粒子群仿生算法(QPSO),提出一种量子粒子群算法优化的传统PID控制器参数,并应用于纸浆浓度控制系统;同时对基本量子粒子群算法进行改进,引入交叉算子,并将该控制算法应用到纸浆浓度控制系统中,并与传统控制进行对比。结果与传统PID控制和基本量子粒子群优化的PID相比较,改进的优化算法能够得到更加令人满意的控制效果,具有系统超调量小、响应速度快、鲁棒性高等优良的性能。结论基于改进的量子粒子群优化算法的纸浆浓度控制系统可有效控制纸浆浓度,能够明显提高系统的控制精度等性能指标,更好地满足实际应用的要求。