基于模糊控制的局部通风机智能控制系统

 针对传统矿井局部通风机控制系统存在的缺陷,设计了基于模糊控制理论的局部通风机智能控制系统.引入巷道温度、瓦斯浓度及巷道等效深度等参数,应用模糊控制理论建立变频器控制电压与现场温度、瓦斯浓度的函数关系,并建立考虑巷道等效深度影响的变频器控制电压计算方法,利用变频调速技术,实现了对局部通风机通风量的智能控制.实际运行结果显示,该智能控制系统能够保证掘进巷道的通风安全,可节约36.9%的电力消耗,且可实现局部通风机工作效率的最大化.     

DSP在智能局部通风机中的应用

本文介绍了掘进工作面局部通风的要求以及变频调速在局部通风机上的应用,提出了一种先进的模糊控制方式,该装置集合电机控制芯片TMS320LF2407D实现了瓦斯浓度与局部通风机变频调速的模糊控制,大大改善了掘进工作面的通风情况,提高了局部通风机的工作效率,而且节能效果非常显著。     

自调整模糊控制器在交流变频调速系统中的应用

针对电机参数变化和负载波动等因素对交流电动机矢量控制系统性能的不良影响,设计了一种二维自调整模糊控制器作为交流电动机矢量控制系统的速度调节器,并由SVPWM逆变器作为电动机的供电电源来实现变频调速.仿真实验表明,系统不仅提高了动态和稳态性能,而且具有良好的鲁棒性.     

神经网络模糊控制器单片机实现

为了实现工业控制过程的智能化,引入智能控制算法,在改善算法与软件仿真基础上,采用单片机控制技术,将模糊控制的规则集存储在神经连接权上,存入单片机的ＲＯＭ中,经过神经网络前向计算就可提取模糊规则,实现神经网络模糊控制器用于实际对象实时控制,详细给出模糊神经控制器的单片机实现方法和设计过程,实验结果表明,它是一性能优良实时控制器。     

钢铁企业PLC控制的局部通风机变频调速系统

在当前的电气控制系统中,PLC是相当典型的工业控制装置之一。通过对PLC控制装置的使用,除了能够实现比较复杂的逻辑控制目的以外,还能够支持定时控制功能以及顺序控制功能的实现,且控制过程当中具有较好的稳定性,可靠性,以及抗干扰性。而在钢铁企业举步通风机中,为了能够在实现安全监控目标的同时,使节能效果更加的确切,就需要探讨将PLC控制与变频调速相结合的控制方法,使钢铁企业中所应用的局部通风机通风性能得到改善,节能效益进一步的发挥出来。文章即针对该问题展开分析与研究。     

基于模糊神经网络的PI自适应控制器

利用模糊神经网络的模糊推理能力以及前馈神经网络的逼近能力 ,将其与自适应控制方案结合 ,并取带有控制增量约束的广义目标函数作为优化指标 ,从而推导出一种能对非线性非最小相位系统进行有效控制的模糊神经网络间接自适应控制器。在网络学习算法上采用带有动量项的BP算法。仿真结果表明了该方法的有效性。     

基于遗传算法的模糊神经网络控制器的仿真

对遗传算法(GA)和模糊神经网络控制器的结构进行了说明.为了克服反向传播算法(BP)的缺点,通过遗传算法对模糊神经网络控制器的参数进行优化,亦即对模糊神经网络进行训练.用通过优化后的模糊神经网络控制器控制一个带有纯滞后的非线性对象,仿真结果证实了其性能较常规模糊控制器优越.     

模糊神经网络控制器的设计与仿真

提出了一种复杂系统模糊建模及控制的神经网络方法,通过ＢＰ神经网络,对模糊规则的结论参数和隶属函数进行在线修正,实现模糊规则的自组织,这种控制方法可用地对受控对象缺乏精确的数学模型或具有时滞,高阶,非线性等难以用现有的控制理论分析方法和控制的复杂系统,仿真结果证明了这种方法的有效性。     

DSP在模糊神经网络控制器中的应用

将模糊控制所具备较强的逻辑推理功能和神经网络的学习功能融为一体，组合而成模糊神经网络，通过预测神经网络和模糊神经网络的协调作用，利用梯度法可以实时地调整模糊神经网络每个隶属函数的参数值。     

采掘工作面局部通风机变频调速装置的应用

本文阐述了为优化掘进工作面通风系统，利用变频调速技术改变局部通风机的运行速度，以调节风量大小，这样既满足生产需求，又达到节约风量的目的，同时实现节电，消除因“一风吹”造成的瓦斯事故隐患，抑制掘进工作面因通风机恒速运转风速过大而导致的煤尘飞扬，改善了工作环境，优化局部通风系统。     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

基于模糊神经网络分类器的精馏塔温度控制器设计

文章对精馏塔温度控制中所遇到的参数耦合严重、非线性高、数学模型难以建立的问题,提出了一个基于模糊神经网络分类器的控制方案,以精馏塔温度、流量、液位作为输入,导热油阀门开度作为输出,通过对人工操作的自适应学习和模糊化处理,实现对精馏塔温度的智能控制。实验结果表明,该方案能够模仿人工操作,智能学习的精度很高。     

基于模糊控制的人工神经网络模拟在土质边坡安全预测中的应用

从最优化角度出发,用神经网络解决模糊控制系统的规则提取问题,给出可靠的基于BP算法的可靠神经网络模拟过程,对模糊子集个数的选取与系统复杂性、精确性之间的关系进行讨论.为获得边坡复杂工况下的安全特征,建立基于模糊控制的人工神经网络边坡安全预测模型,由大量样本进行网络训练.研究结果表明:所建立的模型预测精度较高,且实用易行;边坡的坡度、内摩擦角、凝聚力对边坡的安全系数影响较大;该预测模型可用于处理普遍存在的不确定性、非线性复杂工程问题;通过模糊控制调整模型,可对不同工程对象进行较精确的模拟分析.     

带动态因子调整模糊神经网络控制器的研究

探讨了将模糊规则的提取和推理转化为人工神经网络参数的确定及神经计算，提出一种具有自学习功能的模糊神经网络（ＦＮＮ），并用因子动态调整逼近法，解决了系统中静态误差和积分饱和等问题．     

基于模糊神经网络的染色机温度控制

针对染色过程中温度控制系统具有严重的非线性以及较大的时间滞后性，无法精确建立数学模型的特点，设计了一种模糊神经网络控制算法．该算法能实现对恒温、升温、降温过程的分别控制，以达到提高控制效果的目的．提出模糊神经网络控制方法，并设计出相应的控制器，通过Matlab仿真及实际应用论证了该控制器的可行性．     

模糊神经网络控制器参数的混沌优化

为了优化模糊神经网络的参数,将混沌变量引入到模糊神经网络参数寻优方式中,根据系统的性能指标,采用混沌变量进行粗搜索寻优模糊神经网络参数,然后在粗寻优基础上引入基于模拟退火策略的混沌细搜索,最后搜索出的模糊神经网络参数是全局最优的.仿真结果表明:该控制方案有效地实现对非线性对象的最优控制,为工业过程非线性复杂系统的控制提供了一种有效的控制方案.     

基于数据特征的模糊模型辨识与模糊控制器设计方法

针对难于建立精确数学模型的复杂过程,提出了一种基于数据特征的模糊模型辨识方法.该方法首先按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分,然后在此划分的基础上确定出模糊模型的规则总数和前件参数,最后由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模糊模型的后件参数.基于所提出的模糊模型辨识方法进行了柔性连杆机器人模糊控制器设计,并进行了柔性连杆机器人模糊控制实验.实验表明,通过所提出的模糊模型辨识和模糊控制方法可以得到满意的控制性能.     

两层模糊神经网络交通信号控制模型

交叉路口信号的有效控制是减少车辆延误时间的关键,是保证城市交通顺畅的前提。以单交叉路口为研究对象,在仿真希腊学者Pappis提出的模糊控制方法基础之上,基于交叉路口的动态特性及模糊规则的一成不变,提出两层BP神经网络实现单交叉路口的模糊信号控制方法,在不同车流量情况下,使用MATLAB工具仿真实现,结果表明:所提出的模糊神经网络具有较强的学习、推理能力,对于车辆的平均延误时间有较好的改进。     

基于模糊神经网络融合的温度控制方法

针对目前温度控制中存在的问题，研究设计了一种新的适合于非线性、惯性系统应用的动态控制的方法。采用了将具有简单有效的非线性控制作用的模糊控制技术与学习和自适应能力较强的人工神经网络技术相融合的方法，建立了模糊神经网络相融合的智能控制模型。文章详细地介绍了基于模糊神经网络的智能温度控制的实现过程。实际应用结果表明，系统具有较强的实时性和可靠性，不仅温度控制精度高，而且动态响应速度快。该控制方法的研究，为实现最佳温度控制提供了理论根据和有效方法。