共查询到10条相似文献,搜索用时 375 毫秒
1.
为了确定盾构机密封舱渣土的非线性本构模型及其模型中的参数,提出了基于三轴压缩实验数据的参数反演方法。基于土压力理论,建立了盾构机掘进工作面土压力分布模型。基于Duncan-Chang非线性双曲线本构模型,数值模拟了土压平衡盾构机密封舱内的土压力分布特性。数值模拟结果表明:密封舱隔板上的土压力与掘进工作面土压力存在压力差,其大小与刀盘开口率有关。数值模拟的密封舱内土压力分布场为密封舱土压力分布式控制系统提供了参考模型。 相似文献
2.
刘宣宇 《大连理工大学学报》2013,53(3):447-454
为了实现盾构机掘进过程密封舱土压平衡的精确高效控制,提出了盾构刀盘系统、推进系统和排渣系统的综合优化控制方法.设计了以扭矩切深指数(TPI)和场切深指数(FPI)为特征输入参数的地层识别系统,然后建立了专家控制系统,根据地层识别的量化结果和控制规则给出刀盘转速的控制策略;在此基础上,提出了采用最小二乘支持向量机(LS-SVM)非线性预测控制方法来协调控制推进速度和螺旋输送机转速,并利用蚁群算法(ACS)滚动优化控制变量,实现密封舱土压平衡控制.实验结果表明即使在工况发生变化时亦能够很好地控制密封舱土压平衡,证明了方法的有效性,实现了盾构机土压平衡的多子系统协调优化控制. 相似文献
3.
赵国强 《辽宁工程技术大学学报(自然科学版)》2004,23(1):76-78
无刷直流电动机在高性能驱动应用中具有良好的调整性能、高电压、高转矩、高体积比以及无电刷的优点。为了辨识、控制运行在高性能驱动环境下的无刷直流电机,本文设计了一种多层神经网络控制器。这个神经网络既能适时辨识系统的动态性能,又能控制电机使速度和位置跟踪预先选择的轨迹,且跟踪精度较高。在控制中,系统参数漂移和外界干扰可在任意时刻得到补偿,神经网络实现了自适应控制功能,仿真结果表明这种神经网络是有效的。 相似文献
4.
林海波 《西安科技大学学报》2010,30(6)
主要是对多环境参数模拟密封舱测控系统进行研究,介绍了多环境参数模拟密封舱的基本组成和测控系统的工作原理,在分析和计算各参数间相互影响的基础上,提出了对所给定的温度、湿度、压力、氧气浓度、CO2浓度、振动和噪声等7种参数进行检测和联合控制的方法,并在多参数模拟密封舱平台上实现了多参数检测和联合控制,效果良好。 相似文献
5.
6.
为了避免盾构施工造成地表变形而引发安全事故,建立有效的密封舱土压平衡自动控制方法是至关重要的.为此,提出了一种新的基于启发式动态规划(heuristic dynamic programming,HDP)的盾构土压平衡优化控制方法,该方法能够实现盾构机多参数实时协调优化控制.基于神经网络,构建组成密封舱土压HDP控制器的执行网络、模型网络和评价网络,采用梯度下降算法对网络权值进行在线训练;利用评价网络迭代逼近密封舱土压优化控制代价函数,将多级优化问题简化为单级优化,从而显著降低实时计算负荷;执行网络以最小化代价函数为目标,对多参数同步协调优化,获得推进速度、刀盘扭矩、总推力、螺旋输送机转速的最优值.仿真结果表明,该方法能够有效控制密封舱土压平衡,HDP控制器具有较强的抗干扰能力,并且控制过程更加快速、稳定. 相似文献
7.
焦炉集气管压力自适应预测解耦控制系统设计 总被引:1,自引:1,他引:0
针对焦炉集气管压力系统具有强耦合、强干扰、典型非线性、时滞等特点,在系统控制过程中将压力分段考虑,用基于RBF神经网络辨识的单神经元控制器和PID控制相结合的方法,保证集气管压力稳定在工艺要求的范围内;在总管控制级用RBF神经网络预测模型对鼓风机机前吸力的实际输出进行超前预测以克服鼓风机控制系统的时滞.仿真示例和应用结果都表明该方案具有理想的控制效果. 相似文献
8.
提出了一种对非线性系统的神经网络自学习控制方法,基于逆动力学控制的思想,构造了神经网络结构一致的控制器和辩识器。辨识器采用多层前向网络结构和广义Delta学习规则算法实现了对系统逆动力学模型的动态辨识,并通过在线动态传递权值给神经网络控制器的方法实现了神经网络辨识器的神经网络控制器的有机结合,从而使整个控制系统具有很强的自适应和自学习能力,所提出的控制方案可适用于不含滞后环节和包含滞后环节的非线性 相似文献
9.
10.
考虑伺服电机及机械系统的非线性对车体倾摆的影响,并包括伺服电机的饱和非线性特性的影响在内,采用神经网络方法对非线性特性的动态系统的输入输出关系进行辨识研究,建立摆式客车伺服系统神经网络非线性模型;提出在摆式客车中运用神经网络预测控制结合鲁棒控制的复合控制系统,解决这类非线性系统的控制问题,即应用神经网络进行辨识及预测控制.研究表明,从理论及工程应用角度看神经网络预测控制都是切实可行的,为在摆式客车倾摆控制系统中应用神经网络预测方法提供了一个新的方向. 相似文献