杨敏[1]2012年在《电子万能材料试验机单神经元PID控制系统研究》文中研究指明材料试验机是材料力学性能的测试加载平台,是测量材料力学性能、工艺性能和结构强度的设备。材料试验机的性能对工业和材料科学的发展有重要影响。材料试验机的性能主要取决于试验机本体和其所使用的控制系统。本文主要是针对江苏明珠试验机械有限公司生产的万能材料试验机,开发一套控制系统,使其能够达到规定的性能指标。随着电子技术和计算机技术的飞速发展,控制技术也日新月异,像PLC控制技术、单片机控制技术、微机控制技术等控制方式层出不穷,这也为万能材料实验机控制系统的研究提供了很好的基础。本文根据试验机的控制要求,采用基于控制卡的计算机控制方法来实现试验机的控制。目前,很多控制系统采用传统的数字PID控制,该控制方式结构简单,对线性控制对象有很好的控制效果。但由于PID控制的控制参数不能自我调整,如果在工作过程中被控对象发生变化或被控对象具有非线性特性时,很难达到满意的控制效果,因此研究新的控制方法对材料试验机的发展有重要意义。本文研究了将能够自我学习和自我调整的神经网络与传统数字PID控制相结合的可行性,利用神经网络根据被控对象的变化来在线调整数字PID的控制参数,即神经网络PID控制,以提高万能材料试验的控制精度和适应万能材料试验机的发展趋势。本文研究了万能材料试验机单神经元PID控制系统的硬件实现、单神经元PID控制器的结构和控制算法的设计。同时利用VC++可视化编程软件开发材料试验机控制系统软件,VC++具有界面友好、操作方便等优点。本文初步实现了基于神经网络PID的万能材料试验机控制系统的设计。整个系统运行平稳,通过橡胶材料的相关试验证明了万能材料试验机单神经元PID控制系统设计方案是可行的。
朱发明[2]2003年在《基于神经网络的试验机控制技术研究》文中研究表明本论文在对试验机行业作了充分调研的基础上，通过阅读、分析及综合大量文献，进行了计算机控制技术应用于水泥压力试验机的研究。综合分析了环境因素对试验机性能的影响，在此基础上对其控制策略进行了研究、仿真。就当前研究的热门算法—神经网络控制算法应用于试验机加载控制进行了探讨，并应用BP神经网络PID算法对试验机简化模型作了仿真研究，从理论上证明其应用于实际系统的可行性。 第一章，综合论述了发展全自动微机控制水泥试验机的意义，阐述直接电液控制方法的优越性，并介绍了本文的主要研究方向和内容。 第二章，简要介绍试验机液压加载子系统的工作原理，建立液压系统开环数学模型进行仿真研究，并根据仿真结果分析静态工作特性，得到静态工作点，为动态模型的非线性仿真奠定基础。 第叁章，在得出系统动态模型的状态方程后，对系统动态特性进行非线性仿真，并就环境因素变化对试验机工作特性的影响作了详细分析。 第四章，对PID控制策略进行概述，得出试验机应用数字阀闭环后的简化模型，并利用增量式PID算法进行仿真。 第五章，对水泥压力试验机工作过程进行简单介绍，利用控制软件对试验机进行实际加载；观察PID参数改变对实验结果的影响，同时进行参数调整；最后得出一组调定好的较为合理的PID控制参数，令加载过程较为理想。 第六章，系统地综述了神经网络自适应控制的研究进展，讨论了神经网络自适应的主要模型和算法，并就其存在的一些问题、应用与发展趋势进行了探讨。 第七章，详细描述了BP神经网络的具体结构及BP神经网络PID控制的具体算法实现，得出控制算法规律，将其应用于试验机模型，得到此算法下的控制输出，并与无PID控制及传统PID控制进行比较，证明此算法的可行性。 第八章，全文总结与后续展望。
王永军[3]2005年在《拉弯精确成形智能控制技术研究》文中研究说明拉弯工艺是型材弯曲成形的重要方法，在航空、航天、武器装备和汽车型材弯曲件的制造中得到了非常广泛的应用。拉弯零件卸载后的回弹现象使成形精度受到很大影响。由于拉弯成形过程材料受力状态复杂，同时受材料物性参数、摩擦条件等因素的影响，拉弯成形回弹预测很困难。拉弯工艺参数的确定主要依赖经验通过试错法来解决，有些零件不得不采用拉弯—退火—再拉弯的多次拉弯成形方法，不能做到一次拉弯精确成形，导致周期长，成本高，不能适应产品快速研制的需求。目前，国内外对无侧压拉弯有所研究，但对有侧压拉弯的研究少有报道，而对拉弯成形智能控制的研究未见报道。 拉弯成形智能控制可以适应材料性能的变化，提高成形精度。本文通过理论分析、实验研究的方法对拉弯成形变形机理及材料物性参数、工艺参数对回弹的影响规律进行了深入研究。在此基础上，采用人工神经网络的方法，建立了拉弯成形过程智能控制模型，开发了拉弯成形过程智能控制系统，实现了拉弯成形的智能控制。 具体研究内容、成果和创新点如下： 1．采用单轴应力的假设，运用力平衡方法，建立了无侧压拉弯成形力学模型，得出了拉弯工艺参数对回弹的影响规律。 2．推导出无侧压拉弯方式下主拉力、后拉力及工件和模具之间摩擦系数的计算公式，建立了拉弯成形摩擦系数的测量方法。 3．首次采用弹塑性增量法及虚功原理，建立了有侧压拉弯成形力学模型，研究了材料物性参数、拉弯工艺参数对回弹的影响规律。 4．首次采用流函数法建立了拉弯侧压区塑性变形速度场，并首次提出一种基于修正流函数速度场的方法，成功地将流函数法用于求解弹塑性速度场问题。建立了拉弯侧压区弹塑性变形位移场，从而建立了有侧压拉弯成形解析算法。理论计算与有限元法及实验结果得到的规律一致，为拉弯成形智能控制研究提供了力学基础。 5．采用最小二乘和BP人工神经网络的方法，研究了拉弯过程中材料物性参数及摩擦系数的辨识方法。在预拉过程中运用最小二乘辨识算法实现了材料弹性模量E、屈服强度σ_s的在线辨识；在无侧压拉弯弯曲阶段运用最小二乘辨识方法实现了对摩擦系数μ的在线辨识；在有侧压拉弯弯曲阶段运用神经网络技术建立了材料物性参数和摩擦系数的在线辨识模型，实现了拉弯过程材料的硬化指数n、强度系数K和摩擦系数μ的在线辨识。 6．采用BP神经网络及数据库方法，研究了拉弯成形回弹在线预测控制技术。
魏志毅[4]2007年在《模糊神经网络在电液比例压力控制系统中的应用研究》文中研究说明电液比例系统是工业生产、科学研究中常见和最基本的电液系统之一,广泛应用于社会生活的各个领域。由于电液比例系统是结构复杂的机、电、液综合系统,普遍存在非线性、时变性和不确定性,且系统精确的数学模型不易建立,应用传统的PID控制理论不易解决电液比例系统中存在的一些问题,因此迫切需要寻找新的控制策略。随着科学技术的进步,控制理论也在不断地发展。模糊控制和神经网络控制都是正在兴起的控制技术,本文将模糊控制和神经网络相结合用于电液比例压力控制系统,通过系统地分析模糊控制和神经网络控制系统的结构、算法及系统应用等问题,集模糊控制和神经网络控制技术之长,构建了基于神经网络的模糊控制技术,进行了理论研究与算法实现。以神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制的规则隐含地分布在整个网络中,用神经网络实现模糊推理。这种控制策略充分利用了模糊控制既符合人们对过程作用的直观描述和思维逻辑的优点,又解决了神经网络参数没有确切意义而难以理解的问题。本文以材料试验机为研究平台,通过系统辨识的方法确定了材料试验机电液比例压力控制系统的数学模型,利用MATLAB/Simulink仿真工具分别构建了PID控制器和模糊神经网络控制器,并对其进行了动态建模仿真分析,最后用半实物仿真工具dSPACE实现了电液比例压力控制系统的控制策略的实验研究及验证。结果表明:与PID控制系统相比,模糊神经网络控制具有鲁棒性好,超调量小,自适应能力强等优点。
范广福[5]2009年在《电液伺服动态试验机液压系统设计及控制研究》文中进行了进一步梳理在现代工业生产中各种材料、零部件、构件以至整机或整个建筑物等都需要经过试验才能确定其力学性能,因此试验机的发展水平在某种程度上反映了一个国家的工业水平,尤其是动态试验机的发展更代表了一个国家在材料力学领域的研究水平。在试验测试中伺服动态试验机是比较常用的设备,而动态试验机的性能主要取决于液压系统的设计及其控制方法的选用。本论文所设计的试验机是对汽车板簧进行材料试验所用的大型伺服动态疲劳试验机,根据设计任务要求进行了试验机液压系统设计。计算系统主要参数,并绘制液压系统原理图,选择液压元件,并据此进行动态疲劳试验机液压系统初步施工设计。以四通阀控对称液压缸为模型,建立系统的传递函数,并进行系统稳定性分析及动态特性分析。电液伺服系统具有控制精度高、响应速度快、输出功率大、信号处理灵活、易于实现各种参量的反馈等优点。通常情况下采用常规PID控制就能够实现,但常规PID控制超调量大,无法实现非线性系统的精确控制。这主要是由电液伺服系统的典型未知不确定性和非线性所决定的,使得系统精确的数学模型难以获得。即使能够建立数学模型,也往往过于复杂,使得基于精确模型的控制方法的分析设计和实施变得非常困难。而模糊PID控制器对PID参数在线自调整和自寻优,在系统的动、静态性能方面都有很佳的控制效果,且控制精度非常高。本文采用一种基于神经网络的模糊PID控制器,将模糊控制与神经网络结合起来,并得到较好的控制效果。本文采MATLAB语言中的Simulink模块编程实现了该系统控制器的计算机仿真。所得到的动态仿真结果满足设计任务要求。
李拓彬[6]2013年在《电液伺服系统PID神经网络控制策略研究与应用》文中研究表明电液伺服系统具有控制精度高、响应快、功率质量比大等独特优势,在军事、航空航天以及国民生产各个领域获得了极为广泛的应用。然而,电液伺服系统具有模型难以精确建立、负载时变、系统非线性等特征,使得常规的线性控制方法较难取得令人满意的控制品质。研究电液伺服系统适用的新型智能控制算法具有很高的理论研究和工程应用价值。本文从改善电液伺服控制系统动静态性能出发,研究改进PID神经网络控制算法,并将其应用于工程实际。论文首先引入经典的PID控制律,对神经网络和PID相结合的控制方法进行了研究。针对现有PID神经网络控制策略的神经元传输函数线性且不连续可导,以及所采用的系统误差评估函数未考虑电液伺服系统实际控制特征这两点不足做出改进,对算法的结构、控制原理、网络初始权值设置、网络训练学习以及确立保证网络收敛的学习步长范围等方面做出了详细的研究和设计。论文最后结合工程应用实际,根据锚链拉力试验机电液伺服系统应用的叁种典型工况模式,准确建立了电液伺服系统的数学模型,并对系统各工况下动静态性能进行了分析,应用PID方法和PID神经网络控制算法作为系统校正环节,进行了电液伺服系统的计算机仿真控制实验和验证样机实时控制实验。结果表明,本文改进的PID神经网络控制策略能根据系统误差智能地调整自身参数,具有自适应性,相比于常规PID算法,PID神经网络控制策略对于负载时变的、非线性的电液伺服系统具备更优秀的控制性能,具有较高的工程推广应用价值。
杨丹丹[7]2014年在《汽车零部件疲劳试验多通道电液伺服控制系统研究》文中进行了进一步梳理汽车在行驶过程中，由于受到压力、拉力等的作用很容易产生疲劳失效，所以在出厂前要对零部件及整车进行疲劳试验测试，合格的才能出厂。疲劳试验机可以完成该测试，其系统能够加载高精度的测试波形，并对结果进行采集分析。电液伺服控制系统的发展离不开计算机技术的提高，近年来，随着计算机科技的革新，电液伺服控制系统实现了结构简单化，操作便捷化的同时减低了系统制造成本。而且近年来随着生活水平的提高，人们对汽车的要求也不局限于只是代步工具了，对其安全性也提出了更高的要求，所以对汽车零部件的静态性能、动态性能及疲劳性的检测要求更严格了。本课题对多通道电液伺服疲劳试验机控制系统进行了设计研究。通过回顾国内外相关文献中对电液伺服疲劳试验机的描述，掌握其控制原理和基本特性，在此基础上对几种传统的疲劳试验台进行了比较分析，最终选择了电液伺服控制作为本文的控制策略，并根据设计参数对系统的性能及功能指标和总体方案进行了分析设计。其次，在总体方案的设计基础上理论分析系统的阀控性能，建立数学模型后根据液压阀工作机理对硬件进行选型。本课题力求在控制精度上对传统PID控制方法进行改进，使其具备BP神经网络的优势特点，通过Matlab软件仿真，用仿真结果验证该方法不仅可提高系统精度，还能实现系统的实时在线调整。用图形化编程软件LabVIEW对波形的控制及数据的采集界面进行了设计，其中硬件部分分别采用了北京中泰公司的PCI8324AF板卡和RM4018i数据采集卡来完成D/A和A/D的转换。采用模块化的编程思想将控制系统分解为一系列的任务，再将每个任务建立一个VI，最后把这些VI组合在一起完成最终的控制系统，使操作界面友好简单。最后安装调试整个电液伺服疲劳试验机控制系统，并进行试验验证，实验结果证明了本课题对疲劳试验机控制系统的设计能够完成既定的对数据采集分析的目标。
罗旋[8]2013年在《采油螺杆泵转子转速优化方法研究》文中研究指明螺杆泵采油是一种新型的人工举升方式，具有结构简单、高效节能、机组占地面积小等特点，尤其适宜于高粘度、高含砂量、高油气（水）比原油开采，已经在国内外的油田生产中普遍使用。在螺杆泵采油过程中，转速的选择十分重要，直接影响到泵的效率和使用寿命。如果转速选择不合理，将引发油井抽空“烧泵”、泵效下降以及使用寿命缩短等诸多问题。目前，国内外已经有研究人员采用建立最佳转速模型的方法来选择合理的转速，其不足之处在于没有考虑泵的结构参数和油井工况的耦合影响，而且所建立的模型收敛速度慢、精度低；没有对转速的智能控制问题进行深入研究，对提高泵效、延长寿命的效果仍不明显。为此，本文从理论和实验两方面开展了采油螺杆泵转子转速优化方法的研究，旨在进一步提高螺杆泵采油作业中转速控制技术水平。论文首先分析了螺杆泵结构和工作原理，综述了螺杆泵采油技术的国内外发展状况，重点对螺杆泵采油技术领域中存在的关键技术问题进行了剖析，确定了论文工作的切入点。速度是影响螺杆泵定子橡胶寿命的主导因素，研究他们之间的关系正是论文工作的核心。但是速度对橡胶磨损的影响又受制于螺杆泵结构参数和油井工况参数，这种影响呈非线性耦合形态。对此，文中在梳理了两大类影响因素的基础上，对解决非线性耦合关系问题的方法进行了考证，提出基于人工神经网络技术建立螺杆泵转速优化模型的思路，选取原油温度、原油粘度、螺杆泵泵端压差和螺杆泵定子橡胶磨损量作为输入量，以螺杆泵转速作为输出量，模拟实际工况并以其为参考考察优化效果。文中阐述了基于四种典型的人工神经网络模型（BP网络、RBF网络、Elman网络和GA-BP网络）进行优化的具体算法及优化结果与实际值的对比分析过程，从中遴选了比较理想的优化模型。在螺杆泵采油系统的实际工作过程中，转速需根据实际工况的变化而变化。为实现螺杆泵转速的实时控制，自行开发了螺杆泵转速优化系统。文中介绍了软硬件开发环境、软件中内含的算法以及基于此平台对螺杆泵转速及其影响因素的测量和实时调控等操作过程。为验证螺杆泵转速优化模型的有效性，并对转速优化问题深入研究，自行设计并研制了能够模拟实际油井工况的螺杆泵转速优化结果检验平台。该实验平台以环-块式摩擦磨损试验机为主体，结合所开发的螺杆泵转速优化系统，能够完成螺杆泵转速优化模型实效性的验证以及不同控制方式实效性的试验研究。在螺杆泵转速优化效果检验平台上，对基于人工神经网络优化模型获得的螺杆泵转速优化结果进行了实验分析。采用不同试验方案（橡胶配方）进行了试验，对比分析实验结果可以看出，基于BP神经网络优化模型优化出的转速对减轻螺杆泵定子橡胶磨损量的效果比较明显。最后，对进一步完善基于人工神经网络的螺杆泵转速优化平台提出了建设性思路，给出了优化系统的开放性架构和与实际信号采集子系统的接口。
陈海军[9]2010年在《基于遗传优化的神经网络控制策略的研究》文中研究表明随着自动控制科学的发展,人们对控制系统品质的要求不断提高,对具有非线性、不确定性和难以建立精确数学模型的复杂系统的控制方面,传统的控制策略越来越显示出其局限性,与此同时智能控制理论的发展,为解决这类问题提供了新的研究思路。本文所研究的基于遗传算法优化的神经网络复合逆控制策略,利用遗传算法和人工神经网络的融合来解决当前控制领域的难题。由于人工神经网络具有非线性映射、并行计算、自学习等能力以及鲁棒性强等特点,目前在复杂非线性系统进行建模、参数优化和控制等领域应用广泛。本文对多层前向BP神经网络的学习问题展开研究。对基于梯度下降的BP学习算法存在的局部收敛的问题,引入遗传算法来解决神经网络的权值、阈值学习,提出了改进BP神经网络学习算法的遗传寻优学习算法,提高了网络的学习精度。并以逆系统控制思想为指导,提出了基于遗传寻优学习神经网络的复合逆控制策略。本文以材料试验机这一典型的电液伺服系统为控制对象,把基于遗传寻优神经网络的复合逆控制策略应用到材料试验机位置伺服系统中,其中应用神经网络辨识其动态逆模型,通过在MATLAB环境下进行仿真以及通过开发基于Labview软件的计算机控制系统进行实验研究,并与传统的PID控制策略对比,结果表明基于遗传寻优神经网络的复合逆控制策略能够较好地满足材料试验机动态特性的要求。
王晓敏[10]2009年在《轴承加速寿命试验系统及关键技术研究》文中进行了进一步梳理轴承作为基础机械部件之一,在社会生产与生活中占有非常重要的作用。现代设备日趋复杂化,大型化,如果轴承出现故障,那么对整个设备都有非常大的影响。而随着技术的进步,轴承的可靠性越来越高,寿命越来越长,常规的寿命试验已不再适用。所以,加速寿命试验的研究变得越来越重要。本课题与杭州轴承试验研究中心合作,其目的是实现加速寿命试验及试验数据的分析。论文以轴承加速寿命相关理论和BP网络为理论基础,设计了基于PLC的轴承寿命试验系统,并对试验中的数据进行了分析。本文的主要研究内容如下:1.阐述了轴承寿命理论,对轴承加速寿命的相关理论进行了研究,对轴承加速寿命试验的原理、方法进行了分析。2.阐述了BP网络的原理,并通过BP网络建立了预测轴承加速寿命的模型。3.设计了基于PLC的轴承加速寿命试验系统,实现了对轴承加速试验的自动化操作与监控。4.选用轴承对其实施加速寿命试验,并通过建立的BP网络预测模型对其加速寿命进行预测与验证。
参考文献：
[1]. 电子万能材料试验机单神经元PID控制系统研究[D]. 杨敏. 扬州大学. 2012
[2]. 基于神经网络的试验机控制技术研究[D]. 朱发明. 浙江工业大学. 2003
[3]. 拉弯精确成形智能控制技术研究[D]. 王永军. 西北工业大学. 2005
[4]. 模糊神经网络在电液比例压力控制系统中的应用研究[D]. 魏志毅. 燕山大学. 2007
[5]. 电液伺服动态试验机液压系统设计及控制研究[D]. 范广福. 东北大学. 2009
[6]. 电液伺服系统PID神经网络控制策略研究与应用[D]. 李拓彬. 中南大学. 2013
[7]. 汽车零部件疲劳试验多通道电液伺服控制系统研究[D]. 杨丹丹. 广西科技大学. 2014
[8]. 采油螺杆泵转子转速优化方法研究[D]. 罗旋. 沈阳工业大学. 2013
[9]. 基于遗传优化的神经网络控制策略的研究[D]. 陈海军. 燕山大学. 2010
[10]. 轴承加速寿命试验系统及关键技术研究[D]. 王晓敏. 浙江工业大学. 2009
标签：仪器仪表工业论文; 试验机论文; 螺杆泵论文; 电液伺服系统论文; 神经网络算法论文; 网络模型论文; 过程控制论文; 仿真软件论文; 动态模型论文; 优化策略论文; 轴承论文; pid控制器论文;