一、一种基于人工神经网络的内模控制方法(论文文献综述)
王婷[1](2021)在《基于改进鲸鱼优化算法的打磨机器人轨迹优化与控制》文中认为目前打磨加工主要以人工为主,打磨过程中产生大量粉尘,对工人健康造成不利影响,甚至危及工人的人身安全,而且存在打磨表面一致性差,加工质量不稳定的情况。机器人打磨加工是将工人从恶劣的打磨环境中解救出来的有效方法,采用机器人打磨可以改善工人工作环境,保证打磨的一致性和稳定性。在机器人打磨铸铁件的精磨过程中,机器人运行轨迹的平滑和准确对打磨质量具有直接影响。通过对机器人误差补偿、轨迹规划及力/位控制等轨迹优化与控制的关键技术研究,可以提高打磨机器人轨迹精度,使机器人准确而又平稳的到达期望位置,从而保证打磨加工质量。因此,本文以六自由度串联打磨机器人为研究对象,将提高机器人的轨迹精度和保证轨迹平滑性作为研究目标,分别从机器人位姿误差分析及建模、最优轨迹规划和力/位控制方法三个方面进行机器人轨迹优化与控制的探索分析。提出一种改进鲸鱼优化算法,该算法具有收敛速度快、全局寻优能力强的特点,将其用于机器人逆运动学求解、机器人最优轨迹规划和比例-积分-微分(PID)控制的参数优化,简化机器人逆运动学求解过程,提高控制精度和响应速度,获得更加平稳而又光滑的机器人轨迹。探究机器人打磨加工中的轨迹误差产生原因,建立误差模型,从机器人位姿误差的角度进行轨迹优化,改善轨迹精度。通过分析机器人轨迹规划基本原理,以获得最小的关节振动为目标,进行机器人最优轨迹规划,从规划算法的角度进行轨迹优化,改善轨迹平滑性。对机器人的打磨接触力控制方法进行研究,实现机器人的力/位控制,从控制角度保证机器人轨迹精度和轨迹平滑。主要工作包含以下几个方面:(1)鲸鱼优化算法已用于解决许多工程中的参数优化问题,具有结构简单、搜索能力强的优点,但是容易陷入局部最优。差分进化算法是一种应用非常广泛的优化算法,具有收敛速度快,鲁棒性强等特点。本文在鲸鱼优化算法的基础上,提出一种改进鲸鱼优化算法,将各个搜索代理视为种群中的个体,在差分进化算法的变异和选择操作启发下,对鲸鱼位置的更新方式进行改进。采用23个基本函数对改进鲸鱼优化算法进行验证,并与其他算法进行比较。结果表明改进鲸鱼优化算法具有更好的全局寻优能力。(2)提出一种基于改进鲸鱼优化算法的机器人逆运动学求解方法,在轨迹规划、力/位控制等仿真分析中均使用此方法进行机器人逆运动学求解。通过对砂带打磨接触轮的变形和末端执行机构的位移及变形分析,结合机器人自身的结构误差分析,建立其位姿误差模型。分析笛卡尔空间和关节空间机器人轨迹规划多种插值方法基本原理。将时间和脉冲加权最小作为轨迹规划目标函数,使用改进鲸鱼优化算法进行机器人最优轨迹规划。结果表明,采用改进鲸鱼优化算法进行六自由度串联打磨机器人最优轨迹规划,机器人关节脉冲明显减小。(3)机器人打磨加工为接触式作业,其运动轨迹必然受到打磨接触力的影响。考虑打磨接触力、机器人所受变形力和由于接触表面不确定性产生的摆动力,建立机器人打磨接触力模型。提出基于改进鲸鱼优化算法的PID控制方法和基于内模控制原理的内模PID(IMC-PID)控制方法,并进行了打磨接触力控制仿真分析。将机器人打磨接触力控制与位置控制进行解耦,根据两种打磨接触力控制方法进行机器人正交方向上的力/位复合控制和阻抗控制分析研究。(4)分别设计工具型打磨实验和工件型打磨实验,对文中基于改进鲸鱼优化算法的打磨机器人轨迹优化与控制的理论研究进行实验验证。使用中北大学机器人抛光打磨工作站进行机器人打磨实验。考虑砂带粒度、机器人速度及砂带轮转速对打磨接触力、表面粗糙度及材料去除率的影响,采用正交实验的方法,设计机器人打磨铸铁件的砂带打磨实验。对实验结果进行了极差分析和方差分析,并提出一种打磨效果评价标准,通过多元线性回归分析,建立打磨质量预测模型。
张明秋[2](2021)在《人工光源型植物工厂温湿度环境控制与试验研究》文中认为植物工厂作为目前最高水平的设施农业生产方式,是农业产业化进程中吸收应用高新技术成果最具活力和潜力的领域之一,代表着未来农业的发展方向。初期建设成本过高、光源与空调能耗较大以及经济效益不高等,突破这些瓶颈是实现植物工厂持续健康发展的关键。环境控制技术是植物工厂生产技术的核心,是当代农业生物学、环境科学、计算机控制与管理科学的综合应用,是对环境因子进行综合调节和控制的技术,它为不同作物的生长、繁育提供适宜的环境,同时实现系统节能降耗运行。本文建立植物工厂环境机理模型,采用随机森林算法辨识影响温湿度的环境参数,通过多变量解耦内模控制方法,设计环境参数控制器并在植物工厂中实施应用,主要内容如下:(1)构建了典型人工光源型植物工厂的温湿度环境机理模型,提出了随机森林理论用于环境温度、湿度模型参数辨识。基于能量平衡理论和质量平衡理论,建立了典型人工光源型植物工厂的温湿度环境机理模型,提出了随机森林理论用于温度、湿度模型参数辨识,获取了面向控制的温度、湿度环境实用模型,得到影响内部温度和的湿度主要环境参数。(2)建立温湿度控制系统动态非线性数学模型和控制系统传递函数矩阵,确定温湿度系统解耦后的控制策略。确定温湿度控制系统动态非线性模型,并对模型进行验证和分析,通过在计算系统输出值与实际现场中稳态工作点的测量值进行比较,确定模型的准确程度;建立人工光源型植物工厂温湿度控制系统传递函数矩阵;通过相对正则化增益矩阵及耦合指数对温湿度动态系统进行解耦处理,建立温湿度系统解耦后的控制策略。(3)提出了在反馈通道设置滤波器的多变量解耦内模控制方法,对内模控制的过程进行仿真验证。采用内模控制的相关理论,设计环境控制器解决温湿度环境的耦合问题和时滞问题;分别讨论了解耦控制器中各元素的时滞项和非最小相位零点个数的约束条件,提出了在反馈通道设置滤波器的多变量解耦内模控制方法;以稳态工作点A时动态系统的环境物理参数和环境测试参数为例,对内模控制的过程进行抗外界扰动工况仿真、系统响应速度工况仿真、系统稳定性工况仿真,检验系统在工况改变情况下输出信号的及时跟踪和克服外部干扰的能力。(4)在人工光源型植物工厂进行稳态工况和变工况两种情形的温湿度现场控制试验。在人工光源型植物工厂进行温湿度控制试验,分为稳态工况和变工况两种情形,控制效果由实际运行曲线来说明。通过验证试验,得到送风流量控制室内温度、送风含湿量控制室内湿度、冷水流量控制送风温度,内模控制器工作性能稳定,控制系统解耦效果良好,且具有较好的设定值跟踪和抗扰性能,能够满足植物工厂生产要求。
王欣悦[3](2021)在《航空发动机分布式系统时延分析及控制设计》文中指出随着航空发动机控制要求的提高,传统的集中式控制架构已经很难满足复杂的控制需求。为了进一步提高发动机性能、减轻发动机总重,航空发动机控制系统正在由集中式控制架构逐渐向分布式控制架构过渡。然而,分布式控制系统的网络化特点不可避免地造成了控制系统的复杂性,主要表现为存在网络时延、数据丢包等问题。其中网络时延对系统稳定性和各项控制性能指标的影响尤其显着,使得控制器的设计难度大大增加。本文针对存在时延的航空发动机分布式控制系统,开展分布式时延控制算法设计及仿真试验研究,具体内容如下:(1)开展分布式系统网络诱导时延研究,具体结合总线带宽、触发机制等内容,对航空发动机分布式控制系统中时延产生的诱导因素及时延大小的影响因素进行了深入分析。(2)针对存在时延的航空发动机分布式控制系统,考虑航空发动机的多变量控制需求,提出了基于增广线性二次型调节器(Augmented Linear Quadratic Regulator,简称ALQR)最优控制理论的双重增广线性二次型调节器(Double Augmented Linear Quadratic Regulator,简称DALQR)时延控制方法,结合无扰切换控制及执行机构控制,设计发动机时延控制系统,以减少时延对发动机系统性能的影响。(3)针对实际系统网络时延的不确定性,提出了基于神经网络时延预测的内模控制(Internal Model Control,简称IMC)方法,设计发动机内模时延控制系统,并进行了数字仿真验证和分析,表明所提的控制方法对时变的网络时延具有较好的控制效果。(4)利用Truetime工具箱建立航空发动机分布式控制系统仿真平台,模拟实际系统的网络传输情况。在该平台上对分布式控制系统三种典型拓扑结构进行了仿真和分析,并对所提出的控制器设计方法进行了验证。(5)开展了航空发动机分布式控制系统的硬件在回路仿真试验研究,试验结果表明,所设计的DALQR和IMC控制器可以保证分布式架构下系统的稳定性,且能够在长时延情况下确保航空发动机的期望控制性能,同时具有较好的抗干扰性。
柴华[4](2021)在《BLDC系统伺服参数自适应整定研究》文中研究指明无刷直流电机的电流环参数整定情况直接影响伺服电机的平顺性与响应性能,对其进行自整定研究具有十分重要的意义。传统的整定方法存在整定效率低下,非线性适应能力差等缺点。本文的第一个研究目标是提出一种易用,参数鲁棒性强,非线性适应能力强的电流环自整定方法。本文的另一个研究目标是针对目前实验室羽毛球机器人ELMO驱动器价格高昂,应用场景受限的情况。利用TMCC160电机驱动芯片设计一款高性能无刷电机驱动器。针对以上研究目标,本文提出了一种基于最大灵敏度与NN-IMC-PID控制器相结合的电流环整定策略,并设计了一款基于TMCC160的BLDC驱动器。本文首先对伺服系电流环中的各个环节进行了建模,并对死区时间、开关管导通压降等非线性因素进行了影响分析,修正了电流环模型。接下来推导了RLS算法的一般形式,并针对数据饱和现象引入了遗忘因子的改进方法。将电流环模型与改进RLS算法进行了结合,提出了一种无刷直流电机的电流环参数辨识方法。针对逆变器等非线性环节对辨识结果的影响,利用噪声系数和相关性指标构建了辨识有效性判断标准。并以此设计了辨识激励方法,利用仿真和实验验证了算法的有效性。针对永磁同步电机矢量控制环节存在交叉耦合性强,模型复杂等特点本文将内模控制与电流环整定结合提出了基于内模解耦控制的电流环整定策略。利用一阶泰勒展开将逆变器等时滞环节进行了等效处理,并在此基础上推导了滤波器参数与电流环PI参数的关系。为了提高整定方法的模型鲁棒性与抗干扰能力本文采用最大灵敏度对电流环IMC-PID控制器进行了整定。利用Simulink模型对方法的鲁棒性与抗干扰能力进行了验证。为了进一步改善整定方法对非线性环节的适应性,本文提出了一种基于最大灵敏度整定方法的NN-IMC-PID整定方法。将最大灵敏的整定结果作为神经网络整定器的初值,通过Simulink仿真和实验对算法进行了验证,结果证明了模型的响应快速性和超调情况都有所改善。最后本文基于TMCC160芯片设计了一款无刷直流电机驱动器,并在此基础上进行了电机参数辨识与电流环PI参数整定实验。证明了所提出整定策略的有效性。并以整定算法为基础建立了一套具备参数调试与自整定功能的调参软件。
段蒙蒙[5](2020)在《船用锅炉汽包水位内模滑模控制研究》文中研究说明大型油轮燃油辅锅炉是油船上的重要设备之一,锅炉的稳定运行是船舶安全航行的前提条件,确保汽包水位在允许的范围内波动对锅炉以及船舶的安全经济运行具有十分重要的意义。对于具有时滞、非线性、强耦合的锅炉汽包水位系统来说,传统PID控制方法由于对被控系统的精确模型依赖程度高,且控制器参数设定后不能改变,因而对时滞非线性系统的适应能力较差,不能够很好的满足控制要求,存在一定的局限性。本文首先根据大型油轮燃油辅锅炉的工作原理,通过一定的简化和假设,在质量守恒定律与能量守恒定律的基础上来分析锅炉汽包水位系统的动态特性,进而得到了汽包水位系统的数学模型,并着重分析了给水流量与蒸汽负荷对汽包水位系统的影响。针对水位系统具有的时滞与非线性特性,在分析传统PID控制策略的基础上,深入研究了内模控制原理,设计了汽包水位系统的内模控制方法;其次,在分析水位内模控制方法不足的基础上,研究了内模滑模控制策略,提出了基于全局非线性积分滑模面的锅炉汽包水位内模滑模控制方法,该方法综合了内模控制与滑模控制的优点,不仅补偿了系统的时滞,提高了系统的鲁棒性,而且改善了系统的暂态性能。针对汽包水位系统的非自平衡特性,设计了扰动抑制控制器来消除扰动后系统的稳态误差。在锅炉汽包水位系统的内模滑模控制策略中,滑模控制律的应用虽然使系统响应速度快,鲁棒性强,但会导致系统产生抖振。本文在分析滑模控制律抖振缺陷的基础上,提出了基于RBF神经网络的锅炉汽包水位内模滑模控制策略,通过采用RBF神经网络来辨识系统参数的不确定性与外界扰动来减小系统的抖振。针对RBF神经网络传统学习算法的不足,本文采用递阶基因结构对神经网络的结构和参数进行混合编码,提出了混合递阶差分进化算法来优化RBF神经网络,并将优化后的网络应用到锅炉汽包水位系统的内模滑模控制策略中,仿真结果表明,所设计的控制策略不仅削弱了系统的抖振,而且使系统具有响应速度快、抗干扰能力强、鲁棒性强等优点。
宁楠[6](2020)在《污水处理过程溶解氧浓度优化控制方法研究》文中指出在污水生化处理过程中,溶解氧(dissolved oxygen,DO)浓度作为决定出水水质优劣程度的重要组分,过高或过低均会对污水处理效果产生较大影响,它可以直观、及时地反映系统的运行情况,同时会直接影响污水处理的效率及过程能耗。其控制难点在于污水处理过程涉及机理繁琐的生化反应,导致溶解氧浓度控制具有大时变、强耦合及非线性等特征,由于生化过程中发生了许多复杂的生物—化学反应、实际运行工况多、入水流量波动、污染物浓度变化等原因,产生了许多不可测干扰因素,这些情况均会增加系统的不确定性,常规控制策略难以满足期望的控制要求,针对上述问题,本文以活性污泥法污水处理过程为研究对象,在深入分析过程机理的基础上,建立了活性污泥1号简化模型,研究污水处理生化过程溶解氧浓度的优化控制方法,为提高污水处理效果提供理论支持,实现污水处理生产过程节能降耗的全局优化提供技术保障。针对上述目标本文完成的主要研究内容如下:首先,本文详尽分析了活性污泥法污水处理过程的工艺机理,研究了活性污泥1号模型(Activated Sludge Model No.1,ASM1)的组分、反应过程、化学计量常数与动力学参数间的联系,同时根据ASM1模型对过程作出合理简化,建立了系统数学模型,为后续研究奠定了理论基础。其次,介绍了内模控制的原理及特征,分析了其优势与不足,针对不足,提出了二自由度内模控制,设计了二自由度内模控制器,理论证明了其稳态特征,分析了其优势与不足,针对其控制器滤波参数不变,当被控模型不匹配时,影响系统性能的不足,提出采用神经元活跃度与激活强度在线动态增减模糊神经网络的规则层神经元的方法动态调整滤波参数,设计了一种改进型模糊神经网络二自由内模控制器,进行了对比仿真分析,验证了采用此控制方法控制污水生化处理过程溶解氧浓度的合理性。再次,介绍了BSM1基准仿真平台的结构、特点及其包含的关键参数信息,并着重对生化反应池模型、二沉池模型的结构和工作特点与入水动态特性作出了分析,给出了BSM1模型中的评价标准,并利用MATLAB搭建了污水处理过程仿真平台,分别在BSM1平台内的晴朗、降雨以及暴雨3种天气条件下对溶解氧浓度进行三种控制方法的跟踪控制,仿真结果表明,相比PID、IMC控制器,本文所提控制方法的控制精度更高,扰动抑制性能更好。最后,研制了污水生化处理过程溶解氧浓度控制系统,进行了硬件和软件两部分的设计,控制系统采用双层结构:上层为监控层,采用MCGS组态软件建立了用户监控界面,可以完成对下层设备直接控制、参数的实时监测与报警等功能;下位机采用西门子S7-200系列PLC作为控制核心,用于检测数据,同时将检测数据送入控制中心实现运算处理,将控制数据传送给变频器,通过变频器控制鼓风机的转速对曝气池的输气量作出调节,进而控制曝气池中溶解氧浓度,该系统为控制方法的实现提供了硬件操作平台。
代爱妮[7](2018)在《粮食干燥过程智能建模与控制研究》文中研究指明粮食干燥技术可降低粮食含水率到储粮安全含水率,减少由于腐败变质带来的损失,是现代化农业的重要组成部分之一。刚收获的粮食含水率普遍较高,为避免粮食发霉变质,需尽快干燥到安全储藏水分。有效的自动控制策略是实现粮食干燥目标的重要手段之一,然而,粮食干燥过程是一项复杂的热质传递过程,具有大滞后、多干扰、非线性和参数不确定性等特点,对粮食干燥控制目标的实现提出了严苛考验,使依赖于被控对象数学模型的传统控制遇到了挑战。智能控制不依赖于被控对象模型,具有实时控制性能好和鲁棒性强的优点,适合于非线性复杂系统的控制,是一种有效的粮食干燥机控制方式。通过采用模糊逻辑、人工神经网络或其它人工智能辨识方法来近似粮食干燥过程的非线性关系,然后结合相关控制算法,如PID(Proportional Integral Derivative)控制、自适应控制、模型预测控制、反步控制、滑模控制、进化算法或它们的组合来构造智能控制器。本论文依托粮食公益性行业科研专项(201413006-4),针对入库前粮食干燥过程中的大滞后、非线性、大超调和强耦合等自动控制难点,以组合式多功能粮食干燥实验系统作为研究对象,开展粮食干燥过程的智能建模方法与智能控制策略的研究与应用。本文主要研究工作和创新点如下:1.在研究了粮食干燥过程的深床干燥机理模型基础上,针对红外辐射与对流联合的粮食干燥过程,研究了粮食干燥过程的几种智能建模方法。结合机理模型,引入BP神经网络方法、非线性自回归神经网络算法和改进粒子群优化支持向量机回归算法,建立了一类新的红外辐射与对流粮食干燥的动态过程模型,并验证了预测分析的有效性。基于热质传递原理,建立了组合式多功能粮食干燥实验系统的小麦混流循环干燥过程和小麦混流连续干燥过程的数学机理模型,利用MATLAB进行了小麦混流循环干燥过程和小麦混流连续干燥过程的数值模拟与分析。通过与粮食干燥实验数据对比,验证了模型的精确性。本研究设计的小麦混流连续干燥过程模型在粮食干燥机连续干燥控制仿真中用来模拟实际干燥过程,验证本论文所提出的控制算法的可行性。建立红外辐射与对流粮食干燥过程的反向传播神经网络预测模型,对其预测结果进行了分析与验证。研究并提出一种基于改进粒子群优化支持向量机回归的红外辐射与对流粮食干燥过程模型。该模型基于一种改进粒子群算法优化了支持向量机回归模型参数,使模型具有较高的预测精度。本研究提出的改进粒子群优化算法通过在标准粒子群优化算法中引入了一种基于适应度偏差的线性递减权重方程,改进了标准粒子群算法。对改进粒子群算法优化支持向量机模型的预测结果进行了分析与验证,通过与几种红外辐射与对流粮食干燥过程模型的预测性能比较,进一步验证了其建模精确性。研究并提出一种基于非线性自回归外生输入动态神经网络的红外辐射与对流粮食干燥过程模型,对其预测结果进行了分析与验证,通过与建立的线性自回归外生输入模型的预测性能进行比较,进一步验证了其建模精确性。2.提出一种粮食干燥质量和能量损耗控制的性能目标函数,结合遗传算法、生物免疫反馈算法、模糊控制和支持向量机等优化算法,提出了系列智能控制方法。仿真验证了这些智能控制算法在粮食干燥过程控制中具有快速、稳定、精确及抗干扰等良好的性能。基于遗传优化算法和生物免疫反馈算法,结合模糊控制与传统PID控制算法,研究并提出了两种基于改进型模糊免疫PID算法的粮食干燥机控制器(遗传优化模糊免疫PID控制器和遗传优化双模糊免疫PID控制器)。仿真结果表明两种改进型模糊免疫PID算法能适应复杂粮食干燥过程的控制,在快速性、稳定性、精确性及抗干扰性等方面均有良好的性能,其中后者性能更优。鉴于支持向量机建模优点,研究并提出了两种基于遗传优化支持向量机控制的粮食干燥机控制器:遗传优化支持向量机内模预测控制器和遗传优化支持向量机直接逆模型预测控制器。两种控制算法的跟踪仿真结果、抗干扰性测试结果和鲁棒测试结果均证明了两种遗传优化支持向量机控制算法在粮食干燥机控制中的有效性。其中,遗传优化支持向量机直接逆模型预测控制器的控制性能更好一些,该控制器采用机理模型与数据模型双驱动的控制方案,通过干扰信号反馈-控制信号调整-系统输出之间的时序关系对控制过程中的干燥段和排粮段滞后造成的大滞后控制问题进行了分析与论证。3.基于上述智能控制方法建立了实用的粮食干燥控制系统,在烘干质量和能耗等方面均优于已有的专家控制系统和人工控制系统。基于遗传优化支持向量机直接逆模型预测控制器,进行了小麦混流连续干燥控制实验,并与人工控制和已有的专家控制系统的控制效果分别进行了比较。实验结果表明基于遗传优化支持向量机直接逆模型预测控制器的控制性能优于其它两种控制方法。
孟繁哲[8](2018)在《神经网络与内模控制在常减压装置中的应用研究》文中指出常减压装置内部系统复杂,变量多,是具有非线性、大时滞和强耦合等特性的复杂系统,用常规PID控制有较大的局限性。为改善系统的特性,本文将具有设计简单、鲁棒性强等特点的内模控制应用到常减压装置中,并以神经网络辅助建模,提高控制质量。首先,对于常减压装置中单输入单输出的控制回路,选择常压塔塔顶温度和常压炉出口温度为被控对象,分别设计出前馈-反馈控制回路和串级控制回路,并将内模控制设计应用到控制回路中,利用BP神经网络进行辨识,在simulink仿真软件中建立模块进行仿真,并与PID控制进行对比,证明神经网络内模控制具有较好的控制效果。其次,针对精馏塔内强耦合的问题,取塔顶和塔底产品浓度为控制对象,结合内模控制算法设计多变量内模解耦控制器,并分析传递矩阵函数中的时滞和非最小相位零点的设计要求,利用BP神经网络对过程系统模型进行辨识,在simulink中进行仿真与PID前馈补偿解耦控制对比,结果表明神经网络内模解耦控制反应迅速、抗干扰性强,有很强的鲁棒性。最后,用浙江中控研发的JT3000常减压实验装置进行先进控制试验,选取常压塔塔釜液位为被控对象,在DCS集散控制系统中分别进行PID控制和内模控制试验,验证了内模控制在此装置中应用可行性。本课题的另一项主要工作是将实验室一套因测量误差大等各种原因一直未能使用的微小流量精馏实验装置做了设备改造,采用非定常流等效定常流的方法来检测装置中微小变量参数,并对DCS系统中的控制回路和方案进行设计改造,使该实验装置完成了对微小流量的检测和控制,可作为待更新课题投入到实验教学中。
王佳宁[9](2013)在《基于神经网络的酸洗酸液温度内模控制研究》文中研究指明在钢铁冶金领域,酸洗工艺过程对于冷轧薄板和带钢的出钢质量起着重要的作用。它主要借助机械和化学的作用,把带钢表面附着的氧化铁皮及污垢去掉,得到表面清洁的带钢。在带钢酸洗时,酸液温度过高过低会导致过酸洗和欠酸洗以及影响酸洗速度。因此,酸液温度控制得好否,直接影响到带钢酸洗的质量。本文以某不锈钢厂冷轧酸洗生产为背景,通过研究酸液温度控制系统的工艺过程,对该控制系统的被控对象进行机理建模,得出该系统的控制过程属于大滞后、多干扰过程,根据传统PID控制理论,结合工艺需要,将该控制系统设计为串级控制系统。其中,将内环PID控制器设计为带有低通滤波器的PID控制器,使得串级控制系统抗干扰能力得以加强。通过Matlab仿真并现场调试发现串级控制系统基本满足生产工艺的需要。但是由于主被控对象----热交换器是一个非线性、大滞后、多干扰的复杂系统,设计内环路不足以抵抗在大滞后时间内外环路所受的干扰。所以串级控制使得酸液温度调节时间较长,该系统的鲁棒性和动态性也是一般,因此制约了将来提高带钢产量的潜力。由于内模控制可以补偿大滞后控制系统的滞后时间,并且很大程度上增强系统的抗干扰能力。因此将内模控制和原有的串级控制相结合,通过最小二乘法拟合广义被控对象的内部模型,结合麦克劳林公式,将主控制器设计为内模PID控制器,通过Matlab仿真结果,内模控制系统的鲁棒性和动态性比传统PID串级控制系统更好,更能缩短酸液温度的调节时间,提高酸洗速度。然而,内模PID控制器的设计是建立在被控对象参数稳定不变的理想条件下,但是在实际生产工程中,被控对象稳态工作点的参数是会随着工况物理和化学变化而发生变化的,与此对应的内模PID控制器可调参数也要发生变化。因此不具有自适应性,随着智能控制理论的发展,将神经网络和内模控制相结合,利用神经网络的在线学习功能实时地调整内模PID控制器参数,使得神经网络内模PID控制器具有自适应性。通过Matlab仿真结果,神经网络内模控制系统具有完美的鲁棒性和动态性,使得酸液温度调节时间最小化,最大程度的提高了酸洗酸液温度的精度。
杨官学[10](2009)在《基于神经网络广义逆的两电机同步系统二自由度内模控制》文中认为随着现代工业生产的蓬勃发展,多电机变频调速系统得到了越来越广泛的应用。高性能的多电机同步协调控制可以提高纺织、冶金、机械、造纸等行业产品的质量和成品率。诸类控制系统均属于多变量控制系统,如何解决这类非线性强耦合的复杂控制系统的控制问题,己成为当今电力拖动系统研究的重点。本文在国家自然科学基金(60874014)、江苏省自然科学基金(BK2007094)以及教育部博士点基金(20050299009)的资助下,以两台交流异步电机和变频器组成的调速系统为对象,应用基于神经网络广义逆系统的二自由度内模控制方法,对该非线性强耦合系统的速度张力进行了解耦控制、跟踪控制以及鲁棒稳定性的研究。首先,对矢量控制方式下的两电机同步系统数学模型进行广义逆存在性分析,证明该系统可逆,进而导出系统的广义逆数学表达式。然后用动态BP神经网络逼近系统的广义逆,进一步构造神经网络广义逆系统串联在两电机同步系统之前,组成基于广义逆的伪线性复合系统,并分析了系统的开环特性。其次,介绍了内模控制的基本原理、主要性质以及内模控制结构的实现步骤。针对通常的内模控制结构只有一个自由度的缺陷,提出了改进型的二自由度内模控制结构,为控制性能的高性能控制奠定了基础。接着,基于MATLAB仿真平台,应用S函数构建两电机同步系统的数学模型,对基于神经网络广义逆系统的二自由度内模控制方法进行了仿真研究。最后,基于S7-300PLC试验平台,对整个系统进行了解耦效果、跟踪效果以及鲁棒性能验证试验,并与传统PID控制的比较,表明基于神经网络广义逆系统的二自由度内模控制方法不但可以实现系统的解耦,使伪线性化后的子系统开环稳定,而且具有很强的鲁棒稳定性和很高的跟踪精度。试验结果表明,针对MIMO非线性强耦合系统,基于神经网络广义逆系统的二自由度内模控制方法具有可行性,可以获得较好的控制效果,并且适用于多种控制场合,具有良好的应用前景。
二、一种基于人工神经网络的内模控制方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于人工神经网络的内模控制方法(论文提纲范文)
(1)基于改进鲸鱼优化算法的打磨机器人轨迹优化与控制(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 课题来源 |
1.2 课题研究背景及意义 |
1.3 机器人打磨加工关键技术 |
1.3.1 机器人位姿误差建模及补偿技术 |
1.3.2 机器人打磨轨迹规划及优化技术 |
1.3.3 机器人打磨接触力/位控制技术 |
1.4 国内外研究现状 |
1.4.1 机器人打磨系统研究现状 |
1.4.2 机器人误差分析及补偿研究现状 |
1.4.3 机器人轨迹规划研究现状 |
1.4.4 机器人力/位控制研究现状 |
1.5 本文主要研究内容 |
2 改进鲸鱼优化算法及其基本函数优化能力验证 |
2.1 引言 |
2.2 鲸鱼优化算法 |
2.2.1 鲸鱼优化算法基本原理 |
2.2.2 鲸鱼优化算法操作步骤 |
2.3 差分进化算法 |
2.3.1 差分进化算法基本原理 |
2.3.2 差分进化算法操作步骤 |
2.4 改进鲸鱼优化算法 |
2.4.1 改进鲸鱼优化算法基本原理 |
2.4.2 改进鲸鱼优化算法多个基本函数验证 |
2.5 本章小结 |
3 面向轨迹精度提升的打磨机器人位姿误差分析与建模 |
3.1 引言 |
3.2 机器人运动学分析 |
3.2.1 机器人位姿描述 |
3.2.2 机器人正运动学求解 |
3.2.3 基于改进鲸鱼优化算法的机器人逆运动学求解 |
3.2.4 雅可比矩阵 |
3.3 考虑接触轮变形的机器人末端误差分析 |
3.3.1 张紧力引起的接触轮变形分析 |
3.3.2 考虑砂带弹性的接触轮变形分析 |
3.4 考虑末端执行机构受力变形的机器人末端误差分析 |
3.4.1 砂带打磨接触力分析 |
3.4.2 末端执行机构弯曲变形计算 |
3.4.3 末端执行机构应力及位移计算 |
3.5 机器人位姿误差建模及补偿 |
3.5.1 机器人位姿误差模型 |
3.5.2 机器人位姿误差补偿 |
3.6 本章小结 |
4 基于改进鲸鱼优化算法的打磨机器人最优轨迹规划 |
4.1 引言 |
4.2 笛卡尔空间轨迹规划 |
4.2.1 直线插补原理及仿真 |
4.2.2 圆弧插补 |
4.2.3 B样条曲线插值 |
4.3 关节空间轨迹规划 |
4.3.1 三次多项式插值 |
4.3.2 五次多项式插值原理及仿真 |
4.3.3 分段多项式插值 |
4.3.4 基于四元数法的机器人姿态插值 |
4.4 基于改进鲸鱼优化算法的打磨机器人最优轨迹规划 |
4.4.1 打磨机器人轨迹规划目标函数的确定 |
4.4.2 约束条件设计 |
4.4.3 机器人最优轨迹规划 |
4.5 本章小结 |
5 基于打磨接触力/位控制的机器人轨迹控制方法研究 |
5.1 引言 |
5.2 机器人打磨接触力的IWOA-PID控制 |
5.2.1 机器人打磨接触力模型 |
5.2.2 传统PID控制 |
5.2.3 机器人打磨接触力的IWOA-PID控制 |
5.3 机器人打磨接触力的IMC-PID控制 |
5.3.1 内模控制 |
5.3.2 IMC-PID控制器设计及仿真 |
5.4 打磨机器人力/位复合控制 |
5.4.1 打磨机器人力/位复合控制方法 |
5.4.2 自然约束与人工约束 |
5.4.3 基于六维力传感器的打磨机器人力/位复合控制 |
5.5 基于阻抗控制原理的机器人力/位控制 |
5.5.1 阻抗控制原理 |
5.5.2 机器人阻抗控制仿真 |
5.6 本章小结 |
6 打磨机器人轨迹优化与控制实验验证 |
6.1 引言 |
6.2 实验设备 |
6.2.1 机器人抛光打磨工作站 |
6.2.2 六维力传感器 |
6.3 工具型机器人打磨实验 |
6.3.1 机器人轨迹规划实验 |
6.3.2 机器人力/位控制实验 |
6.4 工件型机器人打磨实验 |
6.4.1 机器人打磨正交实验 |
6.4.2 实验结果分析 |
6.5 本章小结 |
7 总结与展望 |
7.1 研究工作总结 |
7.2 主要创新点 |
7.3 工作展望 |
参考文献 |
攻读博士期间发表的论文及所取得的研究成果 |
致谢 |
(2)人工光源型植物工厂温湿度环境控制与试验研究(论文提纲范文)
摘要 |
abstract |
1 引言 |
1.1 研究目的和意义 |
1.2 国内外研究现状 |
1.2.1 植物工厂发展与现状 |
1.2.2 植物工厂环境建模研究现状 |
1.2.3 植物工厂环境控制研究现状 |
1.3 研究内容 |
1.4 技术路线 |
2 人工光源型植物工厂温湿度环境模型建立与优化 |
2.1 人工光源型植物工厂基本组成及结构特点 |
2.2 温湿度环境动态模型建立 |
2.2.1 温度环境动态模型建立 |
2.2.2 湿度环境动态模型建立 |
2.3 温湿度环境参数辨识 |
2.3.1 参数辨识方法分析 |
2.3.2 参数辨识结果预测与分析 |
2.4 本章小结 |
3 人工光源型植物工厂环境控制结构研究 |
3.1 植物工厂空气处理设备组成 |
3.2 环境温湿度控制动态模型建立及验证 |
3.2.1 温湿度控制设备的机理模型 |
3.2.2 环境温湿度控制动态模型验证 |
3.3 环境温湿度控制结构确定 |
3.3.1 温湿度耦合动态系统确定 |
3.3.2 传递函数建模 |
3.4 温湿度控制系统耦合特性 |
3.4.1 耦合特性指标 |
3.4.2 温湿度系统控制系统解耦 |
3.5 温湿度系统解耦控制结构 |
3.6 本章小结 |
4 温湿度环境多变量解耦内模控制与仿真 |
4.1 内模控制研究 |
4.2 多变量解耦内模控制研究 |
4.3 多变量解耦内模控制器研究 |
4.4 温湿度控制系统解耦内模控制器设计与仿真 |
4.5 本章小结 |
5 植物工厂温湿度环境控制试验 |
5.1 试验条件 |
5.2 试验仪器 |
5.3 试验环境参数采集 |
5.3.1 农艺技术要求 |
5.3.2 环境参数采集 |
5.4 验证试验 |
5.5 本章小结 |
6 结论与创新点 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
致谢 |
参考文献 |
附录 |
个人简历 |
(3)航空发动机分布式系统时延分析及控制设计(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 航空发动机分布式控制系统概述 |
1.2 国内外研究现状 |
1.2.1 航空发动机时延控制研究现状 |
1.2.2 航空发动机多变量控制研究现状 |
1.2.3 分布式系统仿真平台研究现状 |
1.3 本文主要研究内容及章节安排 |
1.3.1 主要研究内容 |
1.3.2 章节安排 |
2 发动机模型及时延控制基础 |
2.1 涡扇发动机非线性模型 |
2.2 分布式架构下时延分析 |
2.2.1 网络诱导时延 |
2.2.2 时延影响因素 |
2.3 控制器基础介绍 |
2.3.1 ALQR控制器原理 |
2.3.2 内模控制器原理 |
3 DALQR时延控制系统设计及验证 |
3.1 DALQR时延控制系统 |
3.1.1 DALQR时延控制系统方案 |
3.1.2 DALQR主控制器设计 |
3.1.3 副控制器设计 |
3.2 仿真验证与分析 |
4 IMC时延控制系统设计及验证 |
4.1 IMC时延控制系统 |
4.1.1 IMC时延系统控制方案 |
4.1.2 IMC主控制器设计 |
4.1.3 神经网络时延预测 |
4.2 仿真验证及分析 |
4.3 IMC与 DALQR时延控制对比分析 |
5 分布式仿真平台搭建和验证 |
5.1 Truetime分布式仿真平台 |
5.1.1 Truetime工具箱简介 |
5.1.2 分布式仿真平台搭建 |
5.1.3 分布式系统控制律仿真验证 |
5.2 网络拓扑结构分析 |
5.2.1 总线型拓扑结构 |
5.2.2 星型拓扑结构 |
5.2.3 环型拓扑结构 |
5.2.4 拓扑结构分析 |
5.3 硬件在回路仿真验证 |
5.3.1 硬件在回路仿真平台 |
5.3.2 验证结果与分析 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(4)BLDC系统伺服参数自适应整定研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究现状 |
1.2.1 参数辨识方法的研究现状 |
1.2.2 电机PID整定方法的研究 |
1.3 本文研究内容 |
1.3.1 整定算法总体技术路线 |
1.3.2 主要研究内容 |
第二章 无刷直流电机矢量控制系统建模及性能分析 |
2.1 永磁直流电机简介 |
2.1.1 永磁直流电机分类 |
2.1.2 永磁直流电机结构 |
2.1.3 永磁直流电机的工作原理 |
2.2 永磁直流电机数学模型 |
2.2.1 典型直流电机的数学模型 |
2.2.2 永磁直流电机的数学模型 |
2.2.3 坐标系变换关系 |
2.2.4 同步旋转坐标系下的永磁直流电机模型 |
2.3 永磁直流电机的矢量控制技术 |
2.3.1 空间矢量控制原理 |
2.3.2 空间矢量脉宽调制技术 |
2.4 逆变器建模及非线性因素的分析 |
2.4.1 电压源型逆变器模型 |
2.4.2 逆变器非线性因素的影响及补偿方法 |
2.5 本章小结 |
第三章 电机参数辨识 |
3.1 引言 |
3.2 参数辨识的基本概念 |
3.2.1 常用的数学模型描述与建立 |
3.2.2 系统辨识的步骤 |
3.3 最小二乘辨识法 |
3.3.1 最小二乘法的提法 |
3.3.2 最小二乘法的解 |
3.3.3 递推最小二乘法 |
3.3.4 改进的最小二乘法 |
3.4 永磁直流电机参数的最小二乘辨识方法 |
3.4.1 辨识算法设计 |
3.4.2 辨识过程中非线性因素的影响 |
3.4.3 辨识信号有效性判断 |
3.5 电枢参数辨识仿真实验 |
3.6 本章小结 |
第四章 基于神经网络的内模控制PID整定算法设计 |
4.1 引言 |
4.2 内模控制的基本原理 |
4.2.1 内模控制的结构 |
4.2.2 内模控制的性质 |
4.2.3 内模控制器的设计问题 |
4.3 基于IMC的 PID整定 |
4.3.1 IMC-PID整定的基本步骤 |
4.3.2 一阶过程的内模PID整定方法设计 |
4.3.3 二阶过程的内模PID整定方法设计 |
4.3.4 时滞过程的内模PID整定方法设计 |
4.4 基于IMC-PID的电流环整定方法 |
4.4.1 永磁同步电机的解耦内模控制器设计 |
4.4.2 基于最大灵敏度的IMC-PID整定方法 |
4.4.3 基于最大灵敏度的电流环IMC-PID整定 |
4.5 神经网络自适应IMC-PID整定方法 |
4.5.1 神经网络概述 |
4.5.2 NN-IMC-PID电流环控制器 |
4.6 电流环参数整定仿真实验 |
4.6.1 基于最大灵敏度的IMC-PID电流环整定仿真实验 |
4.6.2 基于NN-IMC-PID的电流环整定仿真实验 |
4.7 本章小结 |
第五章 直流无刷电机伺服驱动器硬件设计 |
5.1 硬件电路系统总体设计 |
5.2 控制电路设计 |
5.2.1 TMCC160功能简介 |
5.2.2 系统时钟 |
5.2.3 EEPROM |
5.3 电源电路 |
5.4 功率管驱动电路 |
5.4.1 六臂全桥驱动电路原理 |
5.4.2 NMOS驱动的自举电路 |
5.4.3 MOSFET选型 |
5.4.4 外围电阻设计 |
5.4.5 功率驱动电路设计 |
5.5 保护电路 |
5.6 采样电路 |
5.6.1 基于AD8418的电流检测原理 |
5.6.2 基于AD8418的电流采样电路设计 |
5.7 通讯电路 |
5.8 电磁兼容及PCB走线设计 |
5.8.1 强电部分电磁兼容性设计 |
5.8.2 弱电部分电磁兼容性设计 |
5.9 本章小结 |
第六章 实验分析 |
6.1 试验平台 |
6.2 驱动器性能测试实验 |
6.3 无刷直流电机参数辨识实验 |
6.4 电流环参数整定实验 |
6.4.1 基于IMC-PID的参数整定实验 |
6.4.2 基于NN-IMC-PID的参数整定实验 |
6.5 本章小结 |
第七章 全文总结与展望 |
7.1 全文总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
(5)船用锅炉汽包水位内模滑模控制研究(论文提纲范文)
摘要 |
ABSTRACT |
符号说明表 |
1 绪论 |
1.1 论文研究的背景意义 |
1.2 国内外发展现状 |
1.2.1 锅炉汽包水位系统控制发展现状 |
1.2.2 内模控制的发展现状 |
1.2.3 滑模控制的发展现状 |
1.3 论文的主要工作 |
2 锅炉汽包水位系统数学模型的建立 |
2.1 锅炉本体的结构 |
2.2 汽包水位系统的数学模型 |
2.2.1 汽包内的质量守恒方程式 |
2.2.2 汽包内的能量平衡方程式 |
2.2.3 给水扰动下的汽包水位特性 |
2.2.4 蒸汽扰动下的汽包水位特性 |
2.3 本章小结 |
3 锅炉汽包水位内模控制研究 |
3.1 内模控制基本原理 |
3.1.1 内模控制器的结构 |
3.1.2 内模控制的主要性质 |
3.1.3 内模控制器的设计 |
3.2 锅炉汽包水位内模控制研究 |
3.2.1 汽包水位传统控制方法 |
3.2.2 汽包水位内模控制器设计及仿真分析 |
3.3 本章小结 |
4 锅炉汽包水位内模滑模控制研究 |
4.1 滑模控制理论 |
4.1.1 滑模控制原理 |
4.1.2 滑模控制的不变性 |
4.1.3 滑动模态的存在与到达条件 |
4.1.4 滑模控制器的设计 |
4.1.5 滑模控制器的缺点 |
4.1.6 全局非线性积分滑模面的设计 |
4.2 锅炉汽包水位内模滑模控制策略设计 |
4.2.1 汽包水位内模滑模控制原理 |
4.2.2 汽包水位滑模控制律的设计 |
4.2.3 汽包水位扰动控制器的设计 |
4.2.4 汽包水位控制系统的仿真分析 |
4.3 本章小结 |
5 基于递阶差分优化RBF网络的汽包水位内模滑模控制研究 |
5.1 神经网络理论 |
5.1.1 神经网络概述 |
5.1.2 神经网络的模型 |
5.1.3 神经网络的学习方法 |
5.1.4 基于神经网络的系统辨识 |
5.2 RBF神经网络概述 |
5.2.1 RBF神经网络模型 |
5.2.2 RBF神经网络的学习算法 |
5.3 递阶差分进化算法 |
5.3.1 差分进化算法概述 |
5.3.2 混合递阶差分进化算法优化的RBF神经网络 |
5.4 基于优化RBF网络的汽包水位内模滑模控制策略 |
5.4.1 基于RBF网络的汽包水位内模滑模控制器设计 |
5.4.2 基于RBF网络滑模切换控制项的离线学习 |
5.4.3 基于RBF网络滑模切换控制项的在线学习 |
5.4.4 仿真研究 |
5.5 本章小结 |
结论与展望 |
参考文献 |
附录A 混合递阶差分进化算法的优化过程代码 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
(6)污水处理过程溶解氧浓度优化控制方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 论文的研究背景与研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 污水处理相关技术国内外发展现状 |
1.2.1 国外发展现状 |
1.2.2 国内发展现状 |
1.3 研究内容及结构安排 |
1.3.1 研究内容 |
1.3.2 本文的结构安排 |
第2章 活性污泥法污水处理工艺机理及系统建模 |
2.1 活性污泥法污水处理基本工艺流程 |
2.2 活性污泥法污水处理的主要工艺参数 |
2.3 活性污泥法污水处理过程数学模型的建立 |
2.3.1 活性污泥法1号模型(ASM1) |
2.3.2 微生物模型方程的推导 |
2.3.3 曝气机理 |
2.3.4 简化的变参数活性污泥数学模型 |
2.4 本章小结 |
第3章 污水生化处理过程溶解氧浓度优化控制方法研究 |
3.1 内模控制 |
3.1.1 内模控制结构 |
3.1.2 内模控制特性分析 |
3.1.3 内模控制的优势与不足分析 |
3.2 二自由度内模控制 |
3.2.1 二自由度内模控制器的设计 |
3.2.2 二自由度内模控制理论证明 |
3.2.3 二自由度内模控制仿真分析 |
3.2.4 二自由度内模控制优势与不足分析 |
3.3 模糊神经网络的改进 |
3.3.1 模糊控制 |
3.3.2 模糊神经网络 |
3.3.3 模糊神经网络的优势与不足分析 |
3.3.4 模糊神经网络的改进 |
3.3.5 模糊神经网络改进方法仿真分析 |
3.4 基于改进型模糊神经网络二自由度内模优化控制方法 |
3.4.1 优化控制结构及原理 |
3.4.2 优化控制方法仿真分析 |
3.5 本章小结 |
第4章 优化控制方法在国际基准仿真平台上的验证 |
4.1 国际基准BSM1仿真平台 |
4.1.1 生化池模型 |
4.1.2 二沉池模型 |
4.1.3 性能评价指标 |
4.2 国际基准BSM1仿真平台测试 |
4.3 仿真实验及结果分析 |
4.4 本章小结 |
第5章 污水生化处理过程溶解氧浓度控制系统的实现 |
5.1 系统硬件电路 |
5.1.1 PLC控制器外围电路 |
5.1.2 检测电路 |
5.1.3 执行电路 |
5.1.4 显示面板 |
5.2 系统软件 |
5.2.1 主程序 |
5.2.2 控制子程序 |
5.2.3 初始化程序 |
5.3 监控系统 |
5.4 本章小结 |
第6章 全文总结与前景展望 |
6.1 全文总结 |
6.2 前景展望 |
致谢 |
参考文献 |
作者简介 |
攻读硕士学位期间研究成果 |
(7)粮食干燥过程智能建模与控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 智能控制理论研究现状 |
1.2.2 粮食干燥机研究现状 |
1.2.3 粮食干燥机模型研究现状 |
1.2.4 粮食干燥机控制方法研究现状 |
1.3 本文采取的研究方法和技术路线 |
1.4 研究目标和研究内容 |
1.4.1 研究目标 |
1.4.2 研究内容 |
1.5 论文结构 |
第二章 粮食干燥基本理论概述及粮食干燥机控制方案简介 |
2.1 引言 |
2.2 粮食干燥基本理论 |
2.2.1 粮食干燥基本原理 |
2.2.2 影响粮食干燥的主要因素 |
2.2.3 粮食干燥的动力学曲线 |
2.2.4 粮食干燥的数学模型 |
2.3 粮食干燥技术、干燥机分类及其特点 |
2.3.1 粮食干燥技术 |
2.3.2 粮食干燥机分类 |
2.3.3 粮食干燥机工作特点 |
2.4 粮食干燥机控制方案 |
2.4.1 粮食干燥机控制特点 |
2.4.2 粮食干燥机控制问题分析 |
2.4.3 粮食干燥机智能控制方案 |
2.5 粮食干燥机控制对象-组合式多功能粮食干燥实验系统 |
2.5.1 机械系统 |
2.5.2 控制系统 |
2.5.3 工艺流程 |
2.5.4 控制对象-组合式多功能粮食干燥机实验 |
2.5.5 基于一元回归经验方程的红外辐射与对流(IRC)粮食干燥过程模型研究 |
2.6 本章小结 |
第三章 小麦混流干燥过程机理的数学建模与数值模拟 |
3.1 引言 |
3.2 粮食混流干燥工艺原理 |
3.3 粮食单元床层的薄层干燥方程 |
3.4 小麦混流循环干燥过程机理的数学建模与数值模拟 |
3.5 小麦混流连续干燥过程机理的数学建模与数值模拟 |
3.6 小麦混流循环干燥过程机理数学模型的实验验证 |
3.7 本章小结 |
第四章 粮食干燥过程智能建模方法研究 |
4.1 引言 |
4.2 基于BP神经网络的红外辐射与对流(IRC)粮食干燥过程模型研究 |
4.2.1 BP神经网络算法原理 |
4.2.2 基于BP神经网络的IRC粮食干燥过程模型研究 |
4.2.3 基于BP神经网络的IRC粮食干燥过程预测 |
4.3 基于动态神经网络NARX的红外辐射与对流(IRC)粮食干燥过程模型研究 |
4.3.1 非线性自回归外生输入动态神经网络(NARX)原理 |
4.3.2 基于NARX的IRC粮食干燥过程模型研究 |
4.3.3 基于NARX模型的IRC粮食干燥过程预测 |
4.3.4 与线性自回归外生输入(ARX)的IRC粮食干燥过程模型比较 |
4.4 基于改进粒子群算法优化支持向量机(IPSO-SVR(LDIW-FD)的红外辐射与对流(IRC)粮食干燥过程模型研究 |
4.4.1 改进粒子群优化算法和支持向量机算法原理 |
4.4.2 基于IPSO-SVR(LDIW-FD)算法的IRC粮食干燥过程模型研究 |
4.4.3 基于IPSO-SVR(LDIW-FD)模型的IRC粮食干燥过程预测 |
4.4.4 与其它几种IRC粮食干燥过程模型比较 |
4.5 本章小结 |
第五章 粮食干燥机的几种模糊控制方法研究 |
5.1 引言 |
5.2 粮食干燥机的几种基本控制方法 |
5.2.1 PID控制 |
5.2.2 模糊控制 |
5.2.3 遗传算法 |
5.3 基于遗传优化模糊PID参数自调整(GOFP)算法的粮食干燥机控制器设计 |
5.3.1 模糊PID参数自调整控制器(FP)设计与仿真 |
5.3.2 遗传优化模糊PID参数自调整控制器(GOFP)设计与仿真 |
5.4 基于遗传优化模糊免疫PID(GOFIP)算法的粮食干燥机控制器设计 |
5.4.1 生物免疫反馈控制原理 |
5.4.2 模糊免疫PID控制器(FIP)设计 |
5.4.3 遗传优化模糊免疫PID控制器(GOFIP)设计与优化 |
5.4.4 GOFIP控制仿真实验与控制性能分析 |
5.5 基于遗传优化双模糊免疫PID(GODFIP)算法的粮食干燥机控制器设计 |
5.5.1 常规模糊免疫PID控制器(FIP)局限性及改进方法 |
5.5.2 遗传优化双模糊免疫PID控制器(GODFIP)设计与优化 |
5.5.3 GODFIP控制仿真实验与控制性能分析 |
5.6 本章小结 |
第六章 基于遗传优化支持向量机内模PID (GO-SVR-IMPC)算法的粮食干燥机控制器设计 |
6.1 引言 |
6.2 支持向量机内模控制器(SVR-IMC)设计 |
6.2.1 SVR-IMC设计 |
6.2.2 SVR-IMC的局限性和改进方法 |
6.3 GO-SVR-IMPC控制器设计与优化 |
6.3.1 GO-SVR-IMPC控制器设计 |
6.3.2 GO-SVR-IMPC控制器优化 |
6.4 GO-SVR-IMPC控制仿真实验和控制性能分析 |
6.4.1 GO-SVR-IMPC控制器仿真实验 |
6.4.2 支持向量机内模型和逆模型辨识 |
6.4.3 GO-SVR-IMPC控制性能分析 |
6.5 本章小结 |
第七章 基于遗传优化支持向量机直接逆模型PID(GO-SVR-IIMCPID)算法的粮食干燥机控制器设计 |
7.1 引言 |
7.2 SVR直接逆模型控制器(SVR-ⅡMC)设计 |
7.2.1 SVR-ⅡMC设计 |
7.2.2 SVR-ⅡMC控制器设计的局限性及改进方法 |
7.3 GO-SVR-ⅡMCPID控制器设计与优化 |
7.3.1 GO-SVR-ⅡMCPID控制器设计 |
7.3.2 GO-SVR-ⅡMCPID控制器优化 |
7.4 GO-SVR-ⅡMCPID控制仿真实验和控制性能分析 |
7.4.1 GO-SVR-ⅡMCPID控制仿真实验 |
7.4.2 SVR直接逆模型辨识 |
7.4.3 GO-SVR-ⅡMCPID控制性能分析 |
7.5 基于GO-SVR-ⅡMCPID控制器的小麦混流连续干燥控制实验 |
7.6 本章小结 |
第八章 总结与展望 |
8.1 研究工作总结 |
8.2 展望 |
参考文献 |
附录 |
附录一 缩略说明表 |
附录二 检测报告 |
1. 组合式多功能粮食干燥实验系统干燥性能检测报告 |
2. 粮食干燥后苯并芘含量检验报告 |
致谢 |
攻读学位期间发表的学术论文目录 |
(8)神经网络与内模控制在常减压装置中的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及意义 |
1.2 内模控制与神经网络研究背景及现状 |
1.2.1 内模控制 |
1.2.2 神经网络 |
1.3 本论文的研究工作 |
第2章 内模控制与神经网络 |
2.1 内模控制 |
2.1.1 内模控制原理 |
2.1.2 内模控制性质 |
2.1.3 内模控制设计 |
2.2 神经网络 |
2.2.1 神经元结构 |
2.2.2 多层前馈网络与BP学习算法 |
2.2.3 BP算法的局限与改进 |
2.3 本章小结 |
第3章 神经网络内模控制系统设计 |
3.1 系统可逆性分析 |
3.1.1 逆系统定义 |
3.1.2 d阶时延逆系统 |
3.1.3 系统可逆性定义 |
3.2 基于神经网络的模型与逆模型辨识 |
3.2.1 正向辨识建模 |
3.2.2 逆向辨识建模 |
3.3 基于神经网络的内模控制 |
3.4 本章小结 |
第4章 常压塔塔顶温度控制应用研究 |
4.1 引言 |
4.2 常规PID前馈-反馈控制设计 |
4.2.1 前馈补偿器设计 |
4.2.2 反馈控制器设计 |
4.3 前馈-反馈神经网络内模控制 |
4.3.1 滤波器设计 |
4.3.2 对内部模型及干扰通道模型进行神经网络系统辨识 |
4.3.3 内模控制器(逆模型)辨识 |
4.4 仿真结果 |
4.5 本章小结 |
第5章 常压炉出口温度控制应用研究 |
5.1 引言 |
5.2 常规PID串级控制设计 |
5.2.1 控制系统规律选择 |
5.2.2 控制系统参数整定 |
5.3 神经网络内模串级控制设计 |
5.3.1 内模控制器(逆模型)辨识 |
5.3.2 内部模型辨识 |
5.4 仿真结果 |
5.5 本章小结 |
第6章 神经网络内模解耦控制 |
6.1 引言 |
6.2 解耦控制系统特点 |
6.3 常规PID前馈补偿解耦控制 |
6.4 神经网络内模解耦控制 |
6.4.1 多变量内模解耦控制的结构 |
6.4.2 内模解耦控制器分析 |
6.4.3 系统时滞与非最小相位零点分析 |
6.4.4 内模解耦控制器设计 |
6.4.5 基于递推最小二乘法的模型降阶 |
6.4.6 神经网络模型辨识 |
6.5 仿真结果 |
6.6 本章小结 |
第7章 常减压装置先进控制实验 |
7.1 JT3000常减压实验装置简介 |
7.2 JT3000常减压实验装置控制系统 |
7.3 JT3000常减压实验装置工艺流程 |
7.4 常压段内模控制实验 |
7.5 本章小结 |
第8章 微小流量精馏实验装置设备改造 |
8.1 存在问题及解决方案 |
8.2 微小流量检测与仪器配件的选择 |
8.3 结构改造过程 |
8.4 控制实验设计及结果分析 |
8.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(9)基于神经网络的酸洗酸液温度内模控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究目的及意义 |
1.2 课题背景 |
1.3 国内外研究现状 |
1.4 内模控制和神经网络的研究及发展 |
1.4.1 内模控制的研究及发展现状 |
1.4.2 神经网络的研究及发展现状 |
1.5 本文的研究内容 |
第2章 酸液温度控制系统的工艺 |
2.1 冷轧酸洗机组的整体工艺 |
2.2 冷轧酸洗酸液温度控制系统的工艺 |
2.3 热交换器的工作原理 |
2.4 冷轧酸洗机组的自动化控制系统 |
2.4.1 酸洗机组的硬件配置 |
2.4.2 酸洗机组的软件配置 |
2.5 本章小结 |
第3章 酸液温度串级控制系统的设计 |
3.1 相关数学模型的建立 |
3.1.1 数学建模的机理 |
3.1.2 热交换器的机理建模 |
3.1.3 调节阀的数学模型 |
3.2 酸液温度控制系统的串级控制 |
3.2.1 单闭环控制系统的研究 |
3.2.2 串级控制系统的设计 |
3.2.3 串级控制系统的Matlab仿真 |
3.3 串级控制系统的局限性 |
3.4 本章小结 |
第4章 酸液温度内模控制系统的研究 |
4.1 内模控制原理和常规设计方法 |
4.1.1 内模控制结构 |
4.1.2 内模控制性质 |
4.1.3 内模控制器的设计方法 |
4.2 基于内模控制的酸液温度控制系统的设计 |
4.2.1 内模PID控制器的设计 |
4.2.2 内模控制系统的Matlab仿真 |
4.3 本章小结 |
第5章 酸液温度神经网络内模控制系统的研究 |
5.1 神经网络的概述 |
5.1.1 人工神经元与神经网络 |
5.1.2 BP神经网络 |
5.2 基于神经网络的酸液温度内模控制系统设计 |
5.2.1 神经网络内模PID控制器的设计 |
5.2.2 神经网络内模控制系统的Matlab仿真 |
5.3 本章小结 |
第6章 结论与展望 |
参考文献 |
致谢 |
(10)基于神经网络广义逆的两电机同步系统二自由度内模控制(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
第一章 绪论 |
1.1 研究的目的和意义 |
1.2 非线性系统控制发展概述 |
1.2.1 非线性系统控制的早期发展 |
1.2.2 反馈线性化方法 |
1.2.3 智能控制 |
1.2.4 内模控制 |
1.3 可编程控制器发展概况 |
1.3.1 可编程控制器的发展及其分类 |
1.3.2 可编程控制器的特点 |
1.4 组态软件的发展概况 |
1.4.1 组态软件的发展及其功能 |
1.4.2 组态软件的主要产品 |
1.5 本文研究思路的提出 |
1.6 本文内容安排 |
第二章 基于神经网络广义逆系统方法的内模控制 |
2.1 神经网络 |
2.1.1 神经网络发展 |
2.1.2 神经网络特点 |
2.2 广义逆系统方法 |
2.2.1 逆系统的概念 |
2.2.2 广义逆系统的概念 |
2.2.3 基于输入输出微分方程描述系统的广义逆系统 |
2.2.4 基于状态方程描述系统的广义逆系统 |
2.3 神经网络广义逆系统方法 |
2.3.1 神经网络逆系统方法的提出及其实现方法 |
2.3.2 神经网络广义逆实现方法 |
2.3.3 神经网络广义逆系统结构和工程实现步骤 |
2.4 内模控制 |
2.4.1 内模控制的基本原理 |
2.4.2 内模控制的主要性质 |
2.4.3 内模控制器的设计 |
2.4.4 滤波器的设计 |
2.4.5 内模控制结构的改进 |
2.5 基于神经网络广义逆系统方法的内模控制实现 |
2.5.1 内模控制器的鲁棒稳定性研究 |
2.5.2 内模控制的系统性能分析 |
2.6 小结 |
第三章 两电机神经网络广义逆内模控制仿真研究 |
3.1 两电机同步系统的数学模型 |
3.2 两电机同步系统数学模型的广义逆存在性分析 |
3.3 两电机同步系统广义逆表达式和伪线性复合系统 |
3.4 仿真研究 |
3.4.1 两电机同步系统模型的构建 |
3.4.2 激励信号的选取和神经网络的训练 |
3.4.3 神经网络广义逆内模控制实现 |
3.4.4 仿真波形 |
3.5 小结 |
第四章 两电机神经网络广义逆内模控制试验研究 |
4.1 硬件系统 |
4.1.1 机械结构 |
4.1.2 电气结构及其通讯组成 |
4.1.2.1 上位机及主控制器 |
4.1.2.2 通讯组成 |
4.1.2.3 速度张力信号采样 |
4.2 软件系统 |
4.2.1 上位机监控软件 |
4.2.2 下位机主控程序 |
4.3 神经网络算法实现 |
4.3.1 系统激励与响应 |
4.3.2 神经网络的选型与训练 |
4.3.3 试验数据的处理与训练样本的获得 |
4.3.4 神经网络算法在PLC中的实现 |
4.4 神经网络广义逆二自由度内模控制实现 |
4.5 试验结果及分析 |
4.6 小结 |
第五章 结论与展望 |
5.1 主要结论 |
5.2 进一步发展方向 |
参考文献 |
致谢 |
攻读硕士期间发表论文 |
四、一种基于人工神经网络的内模控制方法(论文参考文献)
- [1]基于改进鲸鱼优化算法的打磨机器人轨迹优化与控制[D]. 王婷. 中北大学, 2021
- [2]人工光源型植物工厂温湿度环境控制与试验研究[D]. 张明秋. 黑龙江八一农垦大学, 2021(01)
- [3]航空发动机分布式系统时延分析及控制设计[D]. 王欣悦. 大连理工大学, 2021(01)
- [4]BLDC系统伺服参数自适应整定研究[D]. 柴华. 电子科技大学, 2021(01)
- [5]船用锅炉汽包水位内模滑模控制研究[D]. 段蒙蒙. 大连海事大学, 2020(01)
- [6]污水处理过程溶解氧浓度优化控制方法研究[D]. 宁楠. 长春工业大学, 2020(01)
- [7]粮食干燥过程智能建模与控制研究[D]. 代爱妮. 北京邮电大学, 2018(01)
- [8]神经网络与内模控制在常减压装置中的应用研究[D]. 孟繁哲. 燕山大学, 2018(05)
- [9]基于神经网络的酸洗酸液温度内模控制研究[D]. 王佳宁. 东北大学, 2013(03)
- [10]基于神经网络广义逆的两电机同步系统二自由度内模控制[D]. 杨官学. 江苏大学, 2009(10)