基于模糊分数阶PID的啤酒灌装机贮液缸内液位控制

目的 贮液缸内液位的变化对啤酒灌装机的正常工作以及产品质量和生产效率等有重要影响,传统的PID控制很难准确控制贮液缸内的液位,为提高啤酒灌装机的工作效率和啤酒的质量等,需对贮液缸内液位进行精准控制。方法 根据分数阶微积分理论的知识,提出分数阶PID控制,该控制方法将传统的PID控制推广到分数阶领域中,利用Oustaloup算法实现传统PID控制由点到面的转变,使控制精度更高。针对分数阶PID控制器参数的调整问题,结合智能控制理论,引入模糊控制算法,提出模糊分数阶PID控制,以实现参数的在线调整,并与传统控制方法进行对比。结果 利用Simulink工具箱搭建模糊分数阶PID控制的啤酒灌装机贮液缸内液位控制系统的仿真平台,与传统控制相比较,模糊分数阶PID控制器能够获得良好的控制性能指标,无论动态指标还是静态指标以及抗干扰能力,都有较大的改善。结论 采用文中提出的方法能够明显提高液缸内液位的精准控制精度,提高啤酒灌装机的工作效率以及啤酒的质量,满足了工业生产的要求。     

改进粒子群算法的啤酒灌装机液位控制PID参数整定

目的 整定最优的PID控制参数,对啤酒灌装机中贮液罐液位进行控制,以保证PID控制器能满足啤酒生产中的控制要求。方法 结合Rosenbrock搜索法和个体扰动策略来改进粒子群算法,并利用改进算法整定PID参数,最后将整定好参数的PID控制器用于控制液位对象;基于Matlab进行仿真实验,利用粒子群算法与文中方法做比较。结果 通过Matlab仿真验证,改进了粒子群算法整定的PID参数,其跟踪特性的调节时间为16.18 s,超调量为10.20%,IAE性能指标约为6.09;粒子群算法整定结果表明,跟踪特性的调节时间为27.72 s,超调量为26.90%,IAE性能指标约为7.23。结论 与原始粒子群算法相比,文中算法整定的3个PID参数在控制液位对象时综合性能评价指标更好,且能使系统平稳过渡,超调较小,响应速度快,调节时间快,其控制器性能能满足啤酒灌装机的生产要求。     

基于遗传算法的贮液缸液位PID控制参数整定

目的在啤酒灌装过程中,贮液缸内液位的变化会直接影响啤酒的质量和产量,而对液位控制的准确、稳定与否,关键在对PID参数的选择。方法针对在贮液缸液位控制调试过程中PID参数选择的盲目性等问题,采用遗传算法对PID参数进行整定,并与临界比例度法整定的结果进行比较。结果经过遗传算法整定的PID参数,其输出响应曲线上升最短时间为3.98 s,超调量最小可达1.9%,调整最短时间为2.23 s。经过比例度法整定的PID参数,其输出响应曲线上升最短时间为1.92 s,超调量最小达23.7%,调整最短时间为11.62 s。结论采用遗传算法整定的PID控制参数总体效果较好,其输出响应曲线上升时间为3.98 s,超调量最小可达4.2%,调整最短时间为2.23 s,满足控制要求。     

改进差分进化算法及啤酒灌装机液位控制PID参数整定

目的 针对啤酒液位控制系统存在PID参数整定难、非线性、滞后性问题,提出一种改进基于邻域的改进差分进化算法,应用于PID参数优化整定中,从而提高灌装机的工作效率和啤酒的质量。方法 文中对差分进化算法进行改进,设计一种新型的变异策略,在变异环节引入邻域搜索操作;根据当前种群的分布情况,实时对邻域的个数进行自适应分配,以提升算法全局和局部搜索能力;与2种基本差分进化算法和4种改进差分进化算法对比,用18个测试函数验证文中所提出算法的性能。结果 仿真结果表明,相较于基本差分进化算法,使用改进的差分进化算法整定的PID参数,调节时间减少0.22 s,上升时间减少0.04 s,超调量降低7.63%。结论 通过改进的差分进化算法对啤酒灌装机液位PID参数的优化整定,可以显著改善控制系统的超调量、上升时间和稳态误差等性能,实现了液位的稳定控制。     

基于RBF神经网络的灌装机控制系统设计

目的 针对传统液体灌装机灌装定量控制方法存在控制稳定性不高、控制精度较差等问题,引入RBF神经网络对液体灌装机高精度灌装定量控制.方法 构建液体灌装机伺服驱动计量缸传递函数,结合空间扰动性融合方法实现液体灌装机高精度灌装扰动特征解析;采用参数自适应辨识方法进行液体灌装机高精度灌装的定量分析;通过B样条曲线拟合方法对液体灌装机灌装拟合控制;通过自适应参数调节,构建RBF神经网络模型,实现液体灌装机高精度灌装定量控制的优化设计.结果 仿真结果表明,所提方法的液体灌装定量控制稳定性较好,灌装机灌装定量控制效果较好.结论 文中方法提高了液体灌装机高精度灌装的定量控制能力.     

基于PLC的定量称量包装控制系统设计

目的提高定量称量包装机的包装精度。方法在传统包装机械的基础上,基于PLC设计一种定量称量包装控制系统。结合RBF神经网络和PID控制方法,提出一种定量称量包装控制策略,以实现闭环控制。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。以PLC为核心设计控制系统硬件结构并给出人机界面组成。结果通过多次实验,包装精度得到大幅提高,最大相对误差不超过0.6%。结论文中方法提高了定量称量包装机的精度、可靠性和可操作性。     

基于神经网络的摩托车制动器试验台测控系统

本文设计开发了摩托车制动器测试系统,将RBF神经网络与传统PID控制相结合,在控制过程中实时在线调整PID控制参数。试验表明,应用RBF神经网络的PID控制器能够获得更好的控制效果,并能很好的抑制现场工业干扰对系统的影响,提高了制动器台架测试系统的控制与测量精度和可靠性。     

啤酒罐装机储液缸内液位控制系统设计

目的为了提高产业中啤酒罐装的质量和效率,精准控制储液罐内液位。方法利用双容水箱建立实验数学模型,在PID串级控制和DMC控制等2种算法下仿真,并进行参数整定,对比分析仿真结果。应用OPC技术实现KingACT和组态王数据通信来设计监控界面。结果 DMC控制汲取PID的快速性和串级控制响应快的特点,使得整体具有响应快、稳定性好和超调量小的特性。监控界面可以实时形象地反映控制过程。结论该控制系统控制性能佳,鲁棒性强,且成本较低,可用来提高啤酒罐装机灌装效率。     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

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。     

枕式包装机包装材料供送速度控制

目的 为了提高包装袋的袋长精度,提升包装袋体外观质量。方法 提出一种基于神经网络PID自适应的三伺服枕式包装机包装材料速度控制方法,将传统的PID控制方法同神经网络控制相结合,设计一个神经网络PID控制器,包括控制器结构和学习算法,可用于解决相关非线性问题。结果 仿真和实验结果表明,采用神经网络PID控制方法,包装材料速度达到稳态时,所用时间约为2 s,最大超调量不超过2%,包装袋长误差能够有效控制在±1 mm以内。结论 所设计的控制方法与传统的PID控制相比,具有响应速度快、抗干扰能力强、控制输出稳定等优点,能够显著提高包装袋长精度。     

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。