基于DSP的多级带式输送机智能控制系统设计

多级带式输送机系统普遍存在能耗高、煤炭运输效益低等问题,采用变频驱动有助于优化机组运行状态,但由于煤炭产量的不确定性,很难实现多级带式输送机的智能控制。分析了阻力和运煤量等能耗影响因素,利用BP神经网络建立带式输送机输出功率优化模型,以TMS320F2812 DSP控制器为核心设计变频驱动和实时测量系统。在运煤过程中,由实际运煤量和BP神经网络模型优化带式输送机运行,既提高煤炭运输效益,又实现多级带式输送机系统的智能控制。     

基于遗传算法与BP神经网络的支架跟机自动化研究

针对综采工作面液压支架跟机自动化过程中移架动作存在的丢架、推移不到位等问题,提出了基于遗传算法(GA)与BP神经网络组合模型的控制方法。通过建立BP神经网络控制器为主体的反馈控制,将支架的运动参数输入模型,神经网络控制器计算实际输出与理想输出之间误差,判别是否需要回调控制,并添加遗传算法来优化更新模型的各层阈值和权值,从而得到网络模型的最优解,最终由执行部分来完成输出动作。组合网络模型具有良好的非线性特性,可以更好的满足非线性环境,利用神经网络的预测值与实际输出的差值来得到拟合曲线。通过对BP神经网络模型、GA模型、GA-BP组合模型的均方误差(MSE)分析,判断出GA-BP组合模型具有更快的训练速度和更高的预测准确率。相比较于单一的BP神经网络模型和GA模型,GA-BP组合模型可以很大程度地提高液压支架跟机过程中的推移精度,从而更好地适应综采工作面的环境和设备变化。基于对模型稳定性的分析,绘制组合网络的适应度曲线,种群在第5次迭代后趋于收敛,在第5次到第15次迭代的适应度值就已基本达到稳定,在迭代第15次后种群已达到最优参数集且恒定不变。采用上述方案的液压支架电液控制系统能够自主感知设备各项运动参数的变化,实现支架自身的静态调整和动态演化,可为综采工作面无人化建设提供技术支撑。     

侧偏刚度辨识与汽车简化模型研究

建立轮胎模型与车辆模型是汽车动力学研究不可或缺的重要部分,但是这两部分建模有一定难度且成本较大。为解决这一问题,建立车辆二自由度模型,以对标CarSim输出为目标,选取角阶跃工况,采用序列二次规划的优化算法,对前后轴侧偏刚度进行辨识。为更加精确地拟合侧偏刚度曲线,分别使用三次样条插值和BP神经网络,对侧偏刚度随车速和方向盘转角的变化关系进行拟合,得到拟合曲线。将拟合曲线加入二自由度模型,用于模型仿真时计算前后轴侧偏刚度,得到两种汽车简化模型。最后,选取双移线工况和圆周加速工况,对简化模型进行验证。结果表明,简化模型输出与CarSim输出吻合很好,两种简化模型差别不大,随着车速增大,误差会增大一些,但在准许范围内。说明该文所建立的简化模型可以很好地模拟车辆行为,轮胎侧偏刚度曲线可以很好地反映轮胎的非线性特性,省去轮胎建模过程和车辆建模过程,节约成本。     

造纸机真空系统节能优化的研究

纸机真空系统相关的研究通常是定性的,没有与具体的生产数据联系起来,不能给出具体真空度设定值,所以指导实际生产的能力差。本课题提出了一种建立真空系统优化模型的方法,先是建立了真空度数组与能耗成本的关系以及真空度数组与脱水能力的关系,然后从这些关系中求解出了不同工况下最节约能源的真空度的数组。采用珠海某造纸厂的生产数据来说明和验证该方法。研究结果表明,模型精度高、可靠性好,可以在实际生产中用于优化真空系统的运行。     

基于VMD和ReliefF算法的汽车鸣笛声识别方法

传统梅尔频率倒谱系数（MFCC）和线性预测倒谱系数（LPCC）特征的汽车鸣笛声识别方法在识别模型中分辨力不足,针对此问题,提出了一种基于变分模态分解（VMD）和ReliefF融合特征的汽车鸣笛声识别方法。该方法将变分模态分解所得的前四个模态分量进行信号重构,提取重构信号的MFCC、LPCC、声谱图特征参数。通过ReliefF算法融合MFCC和LPCC特征,并输入识别模型,实现汽车鸣笛声的准确识别。结果表明,该方法在BP模型中的识别率、识别速度均优于其他特征在BP、支持向量机、卷积神经网络识别模型中的识别效果,在汽车鸣笛声识别领域具有一定应用价值。     

基于人工神经网络的参数化CAD方法

介绍了参数化设计和人工神经网络的概念。研究了基于人工神经网络参数化CAD系统的理论原理,并验证了该方法的可行性。阐述了基于人工神经网络的参数化设计子系统的构造过程,该子系统构成了参数化CAD系统的核心部分。     

高性能感应电机电流控制方法分析与比较

简要地综述了高性能感应电机电流控制技术的最新进展。重点分析了以控制理论为基础的基于模型的方法,主要包括滞环电流控制、比例积分控制、有限拍控制。介绍了它们的基本工作原理,讨论了它们目前存在的不足之处以及针对这些问题近期的研究工作提出的解决办法。同时也对基于神经网络和模糊逻辑的智能控制策略进行了分析,它们为电流控制的发展开拓了新的思路。最后系统地比较了各种方法的控制性能并且初步探讨了该领域今后的发展趋势。     

基于GPRS的公路隧道太阳能照明监测及控制系统

针对电力供应困难、管理不便的公路隧道,采用智能化的太阳能照明监控系统是一种理想的解决方法。文章提出一种嵌入式控制器,设计了一种基于GPRS无线通信数据远程传输的公路隧道太阳能照明远程监控系统,介绍了系统的组成、功能和实现的关键技术。实验结果表明,该系统可以根据车流状况和洞口照度适时调整隧道内照明状况,以满足交通部关于隧道照明的要求,具有较强的应用价值。     

改进的萤火虫算法优化反向传播神经网络动力锂离子电池健康状态估计

为保证电池的正常运行,对电池的健康状态进行估计是非常重要的工作。针对传统建模方法估计精度差、参数众多计算复杂且耗时长等缺点,本工作构建了基于改进的萤火虫算法(firefly algorithm,FA)优化的反向传播(back propagation,BP)神经网络,对锂离子电池的健康状态(state of health,SOH)进行估计,利用萤火虫算法的全局优化能力和收敛速度快的特点对BP神经网络的权值和阈值进行优化,并引入莱维飞行(Levy flight),提升全局搜索能力,扩大搜索范围,提高了估计精度。采用NASA艾姆斯研究中心的锂离子电池数据集,对改进优化前后的算法进行训练与估计,对比各算法之间的优劣程度。结果表明,莱维飞行改进萤火虫算法优化反向传播神经网络(LFFA-BP)算法相比于BP神经网络算法与萤火虫算法优化反向传播神经网络(FA-BP)算法,决定系数更高,误差波动范围更小,具有较高的估计精度。     

基于BP神经网络的宏观经济季度预测

运用BP神经网络预测技术对季节性宏观经济数据进行了预测,筛选出效果优良的模型,提出了对于季节性时间序列一般的神经网络建模步骤.