抽油机井恒功率变频控制系统研究

抽油机作为陆上油田最重要的机械采油装备之一,近年来已发展出一系列的变频节能技术,但其研究主要集中在硬件方面,缺乏相关基础理论,导致现场应用普适性差,应用效果参差不齐。为此,研究有杆泵变频测控机理,优选了主要部件,对测试数据提出了要求,形成了有杆泵抽油变频控制系统。构建BP神经网络系统对正常井和漏失、柱塞碰泵、气体影响等异常井进行识别,分类提出变频计算模型:考虑负扭矩和抽油机冲次界限等建立了正常井恒功率变频计算模型,实例对比分析了变频后抽油机速度、加速度变化规律,产液量一定时,负功功率和有功功率分别下降了65%和44%。建立了上行程漏失的异常井变频计算模型,针对性地提高上行程冲次,形成“上快下慢”运行模式。实例计算表明:该系统缩短上行程时间2.6 s,较好地解决有杆泵上行程漏失和变频节能的问题。研究成果可为抽油机变频技术提供理论支持,对油田节能和提产具有指导意义。

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明:模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。

基于BP神经网络的集中供热二次网回水温度预测控制研究

针对集中供热系统二次管网存在的水力失调问题,设计了二次网水力平衡调节及回水温度预测模型,并实施智能控制策略,以实现二次网回水温度的精准控制。首先,构建BP神经网络预测模型,将此模型的输出视为二次网回水温度给定值;其次,在整个系统控制中,实施BP神经网络与PID控制器相结合的策略,进行二次网回水温度的控制。以高邑县某小区换热站数据为基础,通过阶跃响应曲线法建立二次网回水温度控制系统的数学模型,并通过BP-PID控制进行仿真实验。实验结果表明,与传统PID控制器相比,BP-PID控制器具有调节时间短、超调量小的优点,能够快速达到平稳状态。

加热炉炉温智能控制系统设计与实现

加热炉作为钢铁工业生产的重要设备,对钢坯等物料加热质量有重要的影响,能够将金属物料加热到轧制所需的温度。目前,加热炉已经应用到冶金、机械、建材、轻工等多个领域。加热炉属于高耗能窖炉,资源耗费较大,在加热过程中会随着烟气损耗大量的热量,随着科技的快速发展,智能控制技术已经运用工业生产中,通过智能控制系统对加热炉炉温进行控制,可以有效对温度进行调节,符合锻造需求。综合分析加热炉的构成以及工作原理,并介绍加热炉的炉温控制重点,并提出一种加热炉的炉温智能控制系统设计方案,希望能够提升加热炉的生产效率,改善产品质量,节约资源减少环境污染问题。

MPCVD设备样品台温控系统的设计

由于传统MPCVD设备样品台温度控制需要使用手动调节样品台距等离子源的距离,且调节精度差,为此设计一种样品台温控系统,同时设计了样品台温控系统硬件控制器。该控制器以STM32F407单片机为核心,步进电机、丝杠、金属波纹管为执行机构,通过控制样品台在腔体内距等离子源的距离,实现温度控制。并提出一种将改进鲸鱼算法(WOA)与神经网络PID控制算法结合的控制方法,实现PID参数的自适应调整。仿真和实验结果表明:相对于传统PID算法,使用该温控系统进行温度控制时,超调量更小,控制精度更高,控制效果有很大提升。

基于滑模神经网络直接瞬时转矩控制的优化

针对开关磁阻电机在滞环控制策略中存在的较大转矩脉动问题,在传统直接瞬时转矩控制的基础上引入了反向传播(BP)神经网络控制策略,以转矩误差的平方为性能指标函数对直接瞬时转矩控制进行优化调整,抑制了电机在运行时的转矩脉动。进一步,在整体双闭环控制策略基础上,引入滑模控制对转速环节进行改进,提高了系统的响应速度和鲁棒性。最后,利用Matlab/Simulink对传统直接瞬时转矩控制和改进直接瞬时转矩控制进行仿真测试,验证了所提策略的有效性和可行性。

基于优先级融合算法的高精度黑体温控研究

为优化红外成像光谱仪探测性能,提出了一种具有用户自定义指标和温控精度达到1.0 mK的优先级融合控制算法(Priority fusion algorithm,PFA),该算法将基础PID、模糊PID和自抗扰控制算法与BP神经网络算法相融合,能够实现高性能黑体温控。通过Simulink仿真实验,仿真结果表明,与传统算法相比,PFA算法的超调量从3.606%下降到0.101%,响应时间从64 min下降到14.4 min,温度控制精度达到1.0 mK。同时搭建了黑体辐射定标平台,物理实验结果与理论模拟结果基本一致。该模型为高精度温控黑体在空间遥感领域的实际应用奠定理论基础,在温控领域具有重大意义。

干涉式闭环光纤陀螺仪的PSO-PID控制优化方法

控制系统的设计会对响应速度快且应用范围较广的数字干涉式闭环光纤陀螺(ICFOG)动态性能产生影响。通过分析ICFOG的工作原理,推导出闭环离散控制系统,并利用粒子群优化算法(Particle Swarm Optimization,PSO)对传统的PID控制器参数进行优化。基于这个优化过程,设计一种新型的PSO-PID复合控制器,以取代传统的PID控制器。通过与其他BP神经网络、模糊控制等方法进行对比凸显该控制方法的优越。通过数字仿真分析显示,跟踪速度相较于BP-PID控制方法提高了1.91倍,相对于PID控制方法提高了3.5倍,相对于F-PID控制方法提高了1.75倍。同时,控制精度相对于BP-PID控制方法提高了46.03%,相对于PID控制方法提高了66.30%,相对于F-PID控制方法提高了45.27%。结果显示,采用PSO-PID控制器能够快速达到控制目标且具有较小的超调量。

一种饲料粉碎机自动化加工控制技术研究

针对传统锤片式饲料粉碎机存在粉碎能耗高和粉碎效果差,导致饲料生成率低的问题,提出一种基于神经网络的自适应PID粉碎机控制方法NN-PID。首先,确定神经网络结构和粉碎机相关参数;然后将神经网络算法输入至S函数中,通过MATLAB-Simulink图形化编程模块构建一个饲料粉碎机粉碎系统PID控制模型;最后通过仿真软件对构建的控制模型进行仿真验证。实验结果表明,在输入为R=1的阶跃信号时,通过该模型进行控制后,饲料粉碎机控制系统上升时间取值为0.662 s、峰值时间为0.987 s,最大超调量为0.044%,调整时间为1.447 s。相较于传统的T-PID模型和F-PID模型,该模型的控制准确性更高,稳定性和鲁棒性更强,在四个性能评价指标中的性能更为优越。由此说明,该模型可降低锤片式饲料粉碎机的粉碎能耗,提升粉碎效果和生产率,满足饲料粉碎机控制系统的自动化控制需求。

基于BP-PID的应急救援机器人步进电机控制算法研究

应急救援机器人的应用能够有效提高应急救援能力,电机作为机器人的核心驱动装置,其控制精度的高低将直接影响机器人性能的优劣。设计BP-PID步进电机控制系统,运用MATLAB/Simulink软件仿真。结果表明,相比于PID控制,BP-PID控制超调量更小、调节时间更短,控制效果更好。

基于STM32的牡蛎重量分级机控制系统设计

为提高牡蛎自动化加工水平,基于STM32单片机设计牡蛎重量分级控制系统。该控制系统由数据采集模块、分级控制模块、驱动模块和人机交互模块组成,以牡蛎重量为分级标准,称重托盘重量和位置信息为主要控制条件,采用遗传算法优化神经网络(GA-BP)动态称重模型和动态追踪定位方式,准确获得牡蛎重量和称重托盘位置,使用触摸屏进行人机交互,可实现称重分级一体化。试验结果表明,该控制系统的称重误差最大为0.8 g,在最大运行速度下,分级准确率达到95%,较好地实现牡蛎快速称重分级。

基于PLC控制器的医院网络通信故障自适应监控系统

传统的医院网络通信故障监控系统未对故障警报信息进行分类,通信故障点定位不准确。为此,提出基于PLC控制器的医院网络通信故障自适应监控系统。采用BP网络对医院网络通信故障警报信息分类处理,通过人工神经网络对医院网络通信故障数据进行训练,依据BP神经网络计算动量项、速率以及抽象处理等不同的数据训练结果,对故障点定位分析。构建以UPnP技术为核心设计系统网络构架,为系统提供有力的实时数据支持,实现大数据量的远程实时在线监测。结果表明,所设计系统监控故障监控时延较短,能够实现故障精准定位,能够快速发现故障并及时报警。

基于神经网络算法的水陆两栖无人艇控制系统研究

针对近海登陆两栖作战等不适合士兵冲锋陷阵的高危环境,提出了基于神经网络算法的水陆两栖无人艇控制系统研究,伺服运动控制为控制系统的关键核心之一。鉴于目前传统两栖无人艇运动控制系统PID算法控制精度低、误差大、需人工调节参数等缺陷,提出BP-PID神经网络算法,同时融合GWO算法(灰狼算法),利用其搜索能力优化网络权值和阈值,加快网络收敛,提高控制精度。首先,对水陆两栖无人艇的控制系统进行需求分析,继而完成两栖无人艇伺服运行控制系统数学和控制模型设计、神经网络算法构架等设计,将设计的算法引入两栖无人艇运动控制系统中,并且进行实验验证,得到行驶曲线。结果表明控制系统运行稳定、响应速度快、误差小,行驶轨迹精确等优点。为实现不适合士兵直达近海登陆作战高危未知环境提升作战力,保护士兵安全有很重要现实意义和实用工程价值,为未来武器装备的智能化研究发展提供借鉴。

基于BP神经网络的油气田站场管道安全预警方法

油气田站场管道承担着接收、增压、分输、清管、计量等具有高度危险性工作,一旦管道出现异常状况容易引起重大燃烧和爆炸事故,因此对油气田站场管道状态进行监测及安全预警十分重要。利用基于BP神经网络的状态监测数据处理方法,首先确定油气田站场管道应变数据作为状态监测指标,采集油气田站场管道的应变监测数据,通过BP神经网络进行仿真实验,获得并验证管道应变预测模型,利用控制图理论筛选出异常数据并对异常数据分类分级,同时依据危险等级类别进行安全预警并制定预案。该方法在风险发生初期就能发现异常状态数据,从而有针对性地采取相应的安全对策,以防止危险事故的发生。

工作面高效回采智能化调控技术研究

针对采煤机和刮板输送机连续高速运转造成的能源浪费和运输效率低的问题,基于多传感器信息融合技术,选取采煤机摇臂振动信号、截割电机电流信号以及调高油缸压力信号作为表征信号,利用RBF神经网络识别参数得到采煤机的煤岩截割状态。开展采煤机煤岩截割实验,读取采煤机截割煤、岩时的参数信号进行分析,验证预测效果为97.2%.对采煤机双向割煤过程中刮板输送机载煤量的变化进行分析,探究负载与电机电流的关系,为刮板输送机-采煤机协同调速提供依据和控制策略,有效解决采煤机和刮板输送机恒速运行模式下刮板输送机负载变化过大,避免了煤量短时过度累积和卸载。研究结果为加强矿区的安全建设提供一定的技术依据,避免了各种装置及设备的损失,对提高提煤矿的经济效益具有重要意义。

智能集成式轻小型落地抱杆的液压绞磨自动化控制

液压绞磨在铁塔组立施工中起重要作用,为此该文提出一种智能集成式轻小型落地抱杆的液压绞磨自动化控制方法。以实际牵引速度与期望牵引速度以及两者的偏差作为输入值,通过BP神经网络运算得出PID最优组合的控制参数,以实际牵引力和目标牵引力的偏差以及偏差变化率作为模糊控制的输入,通过模糊PID的计算,得到PID精确的更新参数;将两方面输出控制结果作用于执行器,进行液压绞磨参数调节,实现牵引速度和牵引力控制。实验结果表明,该方法控制的液压绞磨性能参数与目标参数吻合性高,动态性能平稳,在平衡方面控制效果也很显著。

基于BP神经网络PID的中子发生器离子源阳极电流控制研究

本文将BP神经网络算法与PID控制结合,优化了中子发生器控制离子源阳极电流PID调节过程,实现了控制器自适应整定,提升了控制效果。基于离子源阳极电流控制模型改进了PID算法,通过MATLAB/Simulink软件对两种算法进行仿真并对比分析。通过LabVIEW控制并采集离子源阳极电流值,使用改进后的BP神经网络PID算法控制程序进行实验。经实验表明,BP神经网络PID对离子源阳极电流控制能够实现参数的自适应整定,相比传统PID控制器超调量更小、响应速度更快,提高了中子发生器的控制稳定性。

考虑横向风浪干扰的舰船航向稳定性自动控制算法

考虑横向风浪干扰下,舰船进入横摇运动状态易偏离期望航向轨迹,为此,研究考虑横向风浪干扰的舰船航向稳定性自动控制算法。对舰船舵机、横向风浪干扰建模,基于所掌握的舰船舵机控制参数、干扰强度,将期望航向参数输入航向控制器,在基于改进BP-PID算法的航向稳定性自动控制方案下,由改进BP神经网络整定PID控制器参数,输出满足期望航向条件的舵角、舵速调节比例系数、微分系数以及积分系数,调节航向,实现航向稳定性自动控制。实验中,横向风浪干扰下,使用此算法控制舰船航向后,舰船航行时首摇角、横摇角、鳍角均方差明显变小,说明该算法可控制舰船按照期望航向稳定航行。

选煤场浓缩池溢流浓度控制方法研究

浓缩池溢流浓度的监测与控制方法是选煤厂实现智能化选煤的关键之一,针对仅采用传感器的溢流浓度监测与控制方式会导致絮凝剂调节滞后的问题。搭建一套浓缩池自动加药系统,该系统采用BP神经网络与模糊自抗扰控制器(Active Disturbance Rejection Control,ADRC)相结合的监测与控制方法,实现浓缩池溢流浓度的稳定控制,避免因絮凝剂添加量问题直接影响浓缩反应,进而影响絮凝沉降效果。通过仿真对比,该方法比采用PID控制的自动加药系统稳定性更高,可有效应对絮凝剂调节的滞后问题,为选煤厂浓缩池溢流浓度控制提出了新的方案。

公路隧道智能调光控制影响因素分析

为研究不同因素对隧道入口段和中间段照明亮度智能调光控制的影响,利用BP神经网络建立网络模型进行分析。分析计算结果得出:隧道内车速超过60 km/h应采用智能调光控制;交通量对隧道各照明段的影响相对较小,随交通量增加大体呈线性增加;随洞外亮度增加入口段亮度大体呈线性增加,且增幅较大,说明洞外亮度对入口段亮度影响较大。