基于自适应逆控制的干燥窑温度控制方法研究

针对传统产品干燥温度控制过程中所使用的非自适应反馈控制器参数不易调整的不足,提出了基于反馈误差学习(Feedback-Error-Learning, FEL)的自适应逆控制方法,并将其应用于JBGZ-2.0型干燥试验窑的温度控制。该方法使用一个传统的反馈控制器和一个可自适应调整的神经网络控制器共同作用,其中神经网络的自适应参考信号采用反馈误差,使算法简单并易于实现。由于采用了PID控制器,神经网络的学习无需事先训练即可使系统保证稳定。试验证明：与只用PID控制器方法相比,该方法不但能保证系统稳定性要求,又能满足控制系统的自适应性和未确定性要求,具有更好的动态响应特性,系统响应快,超调小,稳态精度高,在系统参数变化时温度控制稳态误差由只用PID时的3℃提高到0.5℃。     

基于含水率变化的气体射流冲击干燥过程温度自适应控制系统

为了给变温干燥工艺提供新的技术支持,实现基于含水率变化的干燥温度自适应控制,该研究设计了具有物料含水率在线检测功能的温度自适应控制系统。采用卷积神经网络建立了以质量检测值、气流冲击速度、称重传感器弹性基体温度、气流冲击距离为输入,物料真实质量为输出的含水率在线检测模型。进行了含水率在线检测模型验证试验。结果表明,该模型满足变温干燥工艺中含水率在线检测的精度要求,5组含水率在线检测模型验证试验的决定系数R²和均方根误差RMSE依次为0.9934和1.20%。该文设计了改进神经网络-PID（improved neural network-PID,INN-PID）控制器来实现变温干燥工艺中的温度控制。在MATLAB软件中以单位阶跃信号为输入对PID、神经网络-PID（neural network-PID,NN-PID）和INN-PID控制器的动态性能进行仿真。对3种控制器分别进行了50~55 ℃的干燥温度控制试验。结果表明,在仿真试验中,INN-PID控制器的控制稳定性和调节时间均显著优于另外两种控制器;干燥温度控制试验结果与仿真结果存在近似相同的规律,INN-PID控制器的峰值时间是208.00 s,调节时间是120.59 s,最大超调量是4.87 %,满足变温干燥过程中温度控制的要求。该研究在气体射流冲击干燥机中搭建了温度自适应控制系统,进行了基于含水率变化的温度自适应控制试验。结果表明,该系统可以对基于含水率变化的变温干燥工艺中的干燥温度进行快速且有效的调节。该研究对提高干燥设备的自动化水平以及开发新的变温干燥工艺具有重要意义,对其他领域的多信息融合检测和控制策略研究提供参考。     

模糊自适应PID控制器在太阳能干燥温度控制中的应用

基于中国农村对特色农副产品干燥设备的需求现状，设计了一种热能辅助型太阳能箱式干燥器。该装置由干燥箱、热风炉和循环系统构成。针对太阳能辅助热能干燥过程参数时变性和模型不确定性设计了一种基于模糊推理的参数自适应PID控制器。仿真结果表明，该控制器具有理想的动态和稳态以及抗干扰性能，超调量、过渡过程时间等控制性能指标优于传统PID控制器，能够满足太阳能干燥系统对参数控制的要求。     

基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环

为了研制一种调节桨叶节距角的智能控制器,使风力发电机组在变化的风力中获得最大的能量并使转速、功率和机械负载变化最小,提出了一种基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环并用于风轮节距角控制,分析了弹性自适应人工鱼群优化算法-BP神经网络,建立智能控制的风力发电机组模型。使用该方法模拟了在不同桨叶节距角下功率系数、叶尖速比、功率和电压变化,模拟值与实测值进行了对比。试验表明,模拟值与实测值比较接近,仿真效果较佳。结果表明该方法原理正确,符合实际调节及微机控制,可用于实时控制。     

基于改进遗传算法的温湿度模糊神经网络控制器

为了创造适合作物生长的环境,针对温室系统的特点,该文提出了一种基于改进遗传算法的模糊神经网络控制器,利用改进遗传算法训练模糊神经网络模型,采用此模糊神经网络控制器控制温室系统,由数值实验可以看到采用此控制器的温室系统具有响应速度快、过程平稳、编程简单的特点.     

温室温度控制系统的神经网络PID控制

建立温室温度控制系统的数学模型。针对温室温度控制系统存在的大滞后、大惯性等问题,考虑到常规PID控制器自适应能力差、鲁棒性不强等缺陷,提出采用将具有较强的自组织、自学习和自适应能力的径向基神经网络与常规PID相结合构成RBF-PID控制策略,自适应调整PID控制器的参数。在该控制策略中,采用RBF神经网络辨识器实现温度控制系统的Jacobian矩阵信息在线辨识,对 RBF-PID控制器控制参数在线自整定。研究结果表明：RBF-PID控制器可使温室温度控制系统动态响应快、鲁棒性强、稳态精度高、超调量小、抗扰动能力强,具有良好的控制效果。     

海洋微生物酶反应器智能控制系统的研制

生物发酵过程具有严重非线性、高度时变性、高阶多变量和大型不确定的特点,为了实现生物发酵过程的自动化控制,提高生物技术产品的生产水平,使得发酵过程的参数检测、操作监视、自动控制等智能化,分析了影响发酵过程的主要因素以及各变量之间的耦合关系,综合应用传统的PID控制方法、模糊神经网络技术,构建了一种多变量模糊神经控制系统的前馈解耦算法并将其应用在发酵过程的思想,同时采用了冷凝、回收、利用发酵尾气技术,解决了尾气排放、罐体泄漏染菌的问题。模糊神经控制器和解耦部分独立设计,在模糊控制器中引入神经网络,解耦网络采用一层隐层,利用简化的学习算法,根据系统输出误差,在线调整网络权值,从而实现动态解耦而无需辨识被控对象的模型。该方法结构简单且计算量小,经实际应用结果表明这种控制算法具有很好的控制效果。     

带前馈的比例积分(PI)控制方法在温室热水加温系统中的应用

由于受到室外温度、空气流动、太阳辐射等的影响，温室室内温度控制较为复杂。针对热水加温温室的特点，提出用带前馈的比例积分(PI)控制方法来控制热水管道温度。在实际应用中设定恰当的参数是取得理想控制效果的关键。本文以室外温度、太阳辐照度、风速及温室的状态等为输入，利用径向基函数神经网络建立室内温度预测模型，在此基础上，通过计算机模拟，快速地确定带前馈的比例积分控制方法中使用的参数。     

基于xPC快速原型的LMS算法在道路模拟振动台中的应用

针对道路模拟振动台加速度波形复现跟踪精度较差的问题,提出了基于LMS（least mean square）自适应滤波算法作为道路模拟振动台的伺服控制系统的前馈环节,LMS自适应算法通过调节有限长冲击响应FIR数字滤波器的权值,也即调节前馈控制器的参数,以提高加速度波形复现的精度。对单通道道路模拟振动台进行数学建模,并采用PID和LMS两种控制器对控制系统进行了设计与仿真。仿真结果表明,自适应滤波算法LMS跟踪精度远远高于传统的PID控制器,并且具有在线调节FIR滤波器权值的优点。最后,采用xPC Target快速原型软件进行了试验验证,试验结果表明,基于LMS控制策略提高了道路模拟振动台加速度波形复现的精度,利用所提出的控制策略可以成功地进行道路模拟加速度波形复现试验。     

基于无刷直流电机的风力机转矩模拟

针对风力发电技术的研究受到自然条件制约的问题,该文提出了一种新的利用无刷直流电机来代替风力机的模拟方案,通过控制无刷电机直流侧电流的方式实现转矩控制,电流环采用径向基函数神经网络与PI调节相结合的控制策略。利用Matlab/Simulink建立系统仿真模型,并搭建了基于DSP控制的无刷直流电机+永磁发电机的硬件平台,仿真和试验结果都与理论转矩相吻合,并有效降低了无刷电机的转矩脉动。该方法控制简单、精度高,为实际模拟系统的设计提供了一种新的思路。     

渠道运行神经网络控制

针对渠道运行的不确定性和非线性,在渠道自动控制系统的观测器回路上并联一个BP神经网络,通过实测水位的学习,修正控制系统数学模型的不准确性;在控制器增益回路上并联一个BP神经网络,补偿控制增益的不精确。与传统的线性二次调节(LQR)最优控制相比,渠道运行控制过渡过程更为平稳,达到稳定的时间缩短,闸门运行的振动和超调大为改善。     

基于广义回归神经网络的灌溉系统首部多用户配水快速PID控制

针对多用户配水状态下灌区流量、压力需求变化范围大,传统流量、压力控制响应速度慢等问题,建立适用于多用户灌区配水的灌溉系统首部控制技术。该研究通过分析供水系统流量、压力调节方式,提出了流量、压力PID(Proportion Integration Differentiation)耦合调节方法,建立以电动阀开度为流量控制量、变频器频率为压力控制量对流量和压力进行调控的灌溉首部控制系统。为了减少系统的调节时间,提高系统的运行效率,采用广义回归神经网络(Generalized Regression Neural Network,GRNN)建立流量、压力和电动阀控制模拟量、变频器控制模拟量间的预测模型,形成神经网络PID控制模型(GRNN_PID),并进行模型精度和控制精度验证。GRNN训练结果显示,变频器控制模拟量的相对误差为0.11%～3.86%,电动阀控制模拟量相对误差为0.09%～5.74%,模型精度较高。使用3个调节过程模拟3个用户的需水行为对模型进行验证,结果表明,GRNN_PID模型3个过程的调节时间分别为11.6、10.7和7.2 s,PID模型3个过程的调节时间分别为31.7、29.6和16.9 s,GRNN_PID模型大幅减少了系统的调节时间,提高了系统的运行效率;分别计算了2种模型的控制精度,GRNN_PID调节方法和传统PID调节方法的稳态流量和压力误差都在1%以内,最大超调量为8%,控制精度较高但相差不大,表明GRNN是从策略上加速系统调节速度,其本身并没有对PID的参数进行调整,因此对系统的控制精度影响不大。研究可为灌溉系统流量压力快速控制提供参考。     

基于小波分析和BP神经网络的触电信号检测模型

针对从农村低压电网总泄漏电流中检测和判断触电电流信号的难题,该文提出一种基于小波变换和BP神经网络的触电信号检测方法。首先用触电物理实验平台对动物触电信号进行实测,选择合适的小波基和分解尺度对触电实验中总泄漏电流及触电电流进行小波多分辨分析,实现原始信号的预处理;再将预处理后的波形作为样本进行神经网络学习和训练,建立从总泄漏电流波形中提取触电电流波形的神经网络耦合模型,并用此模型对未训练的样本进行触电信号的检测,检测值与实际值的平均相对误差为3.93%,说明该方法能够从总泄漏电流中检测出触电电流信号,对于     

基于L-M优化算法的BP神经网络的作物需水量预测模型

应用L-M优化算法BP神经网络，通过多维气象数据(太阳辐射、空气温度、湿度)与作物需水量的相关分析，来确定网络的拓扑结构，建立作物需水量的人工神经网络模型。用美国田纳西州大学高原实验室所测的100 d气象数据为输入、作物需水量为输出来训练建立好的BP神经网络，仿真表明该神经网络能很好地解决需水量多影响因素之间的不确定性和非线性，模型的预测精度较高，同时通过一组非样本天气环境参数和作物需水量来验证该神经网络，也得到了较好的预测结果，能够满足灌溉的精度要求。     

膨化食品质量的智能控制方法

质量控制一直是制约我国食品生产发展的主要问题之一,文章研究了用神经网络模式识别器来识别统计质量控制中的典型模式。进行了计算机模拟和实验。本研究展示了在食品质量控制过程中,应用计算机视觉系统和神经网络技术的潜在优势。性能评价的结果说明,误差逆向传播神经网络算法是一种行之有效的质量模式识别的工具,这项智能模式识别技术可以成功地应用在食品加工过程中。     

基于剩余电流固有模态能量特征的生物触电故障诊断模型

针对未来低压电网剩余电流保护技术中,生物触电故障诊断与剩余电流之间具有不确定的潜在规律及关系映射,提出了一种基于剩余电流固有模态能量特征的生物触电故障诊断模型。首先应用Hilbert-Huang变换明确了生物触电故障时,剩余电流各固有模态能量在时间和各种频率尺度上的分布,其中低频IMF分量的能量占有率高达86.35%,建立了剩余电流固有模态能量特征的提取方法;然后以选取剩余电流各IMF分量5维度能量特征向量,为生物触电故障诊断模型提供有效特征的信息源,利用量子遗传计算的快速寻优性和神经计算的自适应性有机结合,建立了一种量子遗传模糊神经网络作为触电故障模式分类归属的决策系统,仿真试验准确率达到100%。为研发基于人体触电电流而动作的新型剩余电流保护装置,提供可靠的理论依据和方法支撑。     

基于二级RBF神经网络的冷库温度的在线预测优化控制

冷库温度预测优化控制在果蔬冷藏方面的应用尚有许多不足之处。主要问题之一是不能通过简练有效的计算完成制冷系统的在线优化控制计算。ＲＢＦ神经网络有极强的非线性映照能力和良好的插补性能,且训练速度快。该文提出使用二级ＲＢＦ神经网络,并合理地综合利用状态量以往的测量值和预测的未来值来实现库温的在线预测优化控制。将该方法用于某冷库库温控制系统,取得了满意的结果。