在线模糊自适应PID在金刚石合成温度控制中的应用

将模糊自适应PID应用于金刚石合成的温度控制中,使控制器的参数调节能够自适应控制对象数学模型参数的变化。现场使用情况表明,这种控制器响应速度快、超调量小、控制精度高,对时变参数具有良好的适应能力。对于合成高品质、大颗粒的金刚石,有重要意义。     

垂直运动PMLSM电磁力角控制器仿真研究

本文通过对垂直运动永磁直线同步电机力角特性的分析,得出电磁力角控制策略,并设计出了电磁力角控制器。仿真结果表明,该控制方法提高了垂直运动永磁直线同步电动机运行的稳定性、可靠性和电机的运行效率,并可有效预防垂直运动永磁直线同步电动机的失步问题。     

基于模糊控制的失重秤配料过程控制策略

介绍了模糊控制的基本原理以及输入量和输出量的模糊化处理方法,阐述了模糊决策与推理规则以及模糊量转换为精确量的方法.以物料重量偏差和偏差变化率为输入量,以电磁振动给料机的给料速度为输出量,采用模糊决策,根据配料状态的变化实时调整配料速度,有效地提高了配料精度和配料速度,提高了企业经济效益.     

奇异函数法在塑性极限分析问题中的新应用

本文先介绍奇异函数法在塑性极限分析问题中的新应用,然后应用此法求解环板在边缘弯找和局部均布、线性分布荷载共同作用下的极限荷载公式,并画出极限荷载的影响曲线。     

奇异函数法在塑性极限分析问题中的新应用

本文先介绍奇异函数法在塑性极限分析问题中的新应用,然后应用此法求解环板在边缘弯矩和局部均布、线性分布荷载共同作用下极限荷载公式,并画出极限荷载的影响曲线。     

一种非线性系统的鲁棒型预测控制算法

提出一种基于神经网络的鲁棒型广义预测控制(GPC)方法,该方法首先用神经网络对非线性系统进行辨识,然后在控制中将模型输出值与测量输出值进行综合,代替量测输出用于控制中,从而降低辨识器与控制器对未建模动态的敏感性,增强控制器的适应能力和鲁棒性.仿真结果表明:将本方法应用于非线性系统控制,对未建模动态具有较强的鲁棒性和控制能力.     

基于EEMD能量熵和混合算法的电机轴承故障诊断

针对提升机电机轴承振动信号的非平稳特性和单一粒子群算法(PSO)优化径向基函数(RBF)神经网络时存在网络收敛速度慢和适应度值易陷入局部最小的缺点,提出基于集合经验模态分解(EEMD)能量熵和模拟退火粒子群混合算法(SAPSO)优化RBF神经网络的提升机电机轴承故障诊断方法。基于EEMD求取振动信号各固有模态函数分量的能量熵,并使用相关性分析方法剔除虚假的分量,把筛选后的有效数据作为故障识别的特征向量;利用模拟退火(SA)算法具有局部概率突跳的特性,将SA算法和PSO算法相结合,在优化RBF诊断模型隐含层参数时以实现不同算法间的优劣互补。仿真结果表明,使用SAPSO算法优化后的RBF神经网络模型在提升机电机轴承故障诊断中能够加快网络收敛速度和提升故障识别精度。     

PLC智能型无功补偿装置

本文介绍了PLC智能型无功补偿装置系统的方案,给出了系统的软、硬件组成,并对数据采集、运算处理、程序保护及闭锁作了详细的说明。     

基于长短期记忆网络的Vienna整流器故障预测

为了掌握Vienna整流器的健康状态,提出基于长短期记忆（LSTM）网络的Vienna整流器故障预测模型。通过对电容和功率MOSFET的退化与故障特征分析,建立Vienna整流器整体电路性能和关键元器件退化之间的关系,选择输出电压变化值ω为整流器的故障特征参数。在此基础上,构建基于LSTM的Vienna整流器故障预测模型,采用Adam优化算法训练预测模型,实现对Vienna整流器故障特征参数的预测。仿真结果表明,该模型预测结果的均方根误差为0.123 3,平均绝对百分误差为0.101 8,该模型的预测精度较高,能够较好地实现Vienna整流器的故障预测。     

基于混沌机制的神经网络预测控制及仿真研究

为解决一大类未知、时滞、非线性系统的预测控制问题,提出了一种基于改进的Elman动态回归神经网络预测控制算法．首先,在一般的Elman动态回归神经网络算法中加入了混沌机制,利用混沌机制固有的全局游动有效地消除了Elman网络易陷入局部极值的缺点,提高了系统的辨识速度;然后,结合广义预测控制（GPC）的反馈校正、滚动优化来完成非线性系统的预测控制．仿真结果表明：将本算法应用于非线性系统预测控制,对未建模动态具有较强的鲁棒性和良好的控制跟踪能力。