基于神经网络的斗轮取料机的优化控制研究

发布时间：2017-10-15 02:37

  本文关键词：基于神经网络的斗轮取料机的优化控制研究

  更多相关文章： 斗轮取料机 神经网络 最近邻聚类算法 RBF——PID控制

【摘要】：斗轮取料机是热电厂、港口、矿山、冶金等各大行业连续装卸物料不可或缺的重要设备。随着能源、矿业、散料物流业的飞速发展，斗轮取料机自动化和工作效率的研究，已成为相关领域科技工作者关注的热点课题。 针对现有斗轮取料机的工作环境和机械运转机构控制系统现状，充分考虑斗轮取料机安全性、稳定性，研究设计了一种神经网络与PID有机结合的控制系统，提高斗轮取料机的生产效率。主要研究内容如下： 对于现有斗轮取料机的大车行走、悬臂旋转、悬臂俯仰等几个运行环节多都采用分离时序控制而使斗轮取料不得不待时取料所引起效率不高的现象，本文设计了几大机构并行运转控制模式，以缩短斗轮取料时间，，提高生产效率。 深入研究斗轮取料机取料方式以及并行运行的特点，建立斗轮取料机运动解析方程和子系统数学模型。 深入研究RBF神经网络最近邻聚类学习算法，结合K均值聚类算法、熵值法、阶梯步长和隐含节点删除策略等对其进行了改进。改进的最近邻聚类算法不但可以简化和优化网络，而且提高了RBF神经网络学习效率。根据此算法设计了改进的RBF神经网络PID控制器。 深入研究斗轮取料机的工作特点，设计了斗轮取料机控制系统原理图，同时将斗轮取料机子系统和斗轮取料机系统位置被控对象分别采用PID和改进的RBF神经网络PID控制器控制。经MATLAB软件仿真，验证了此控制方法不仅能够实现斗轮取料机解耦控制，而且能够增强系统的抗干扰能力。说明了此种算法对斗轮取料机控制系统的有效性。
【关键词】：斗轮取料机 神经网络 最近邻聚类算法 RBF——PID控制
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH24;TP273
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-21
• 1.1 课题研究背景及意义10-11
• 1.2 斗轮取料机的国内外发展现状11-16
• 1.2.1 国外发展现状11
• 1.2.2 国内发展现状11-13
• 1.2.3 斗轮取料机控制系统概况13-15
• 1.2.4 发展趋势15-16
• 1.3 神经网络概述16-20
• 1.3.1 神经网络发展现状16-17
• 1.3.2 基本类型17-18
• 1.3.3 神经网络算法特点18-20
• 1.4 论文主要研究内容20-21
• 第2章 斗轮机取料工艺及运动学解析21-35
• 2.1 斗轮机的基本结构及取料工艺21-23
• 2.1.1 斗轮取料机的分类21-22
• 2.1.2 斗轮取料机的基本结构22-23
• 2.1.3 斗轮取料机的工作原理23
• 2.2 斗轮取料机的取料工艺及技术参数23-29
• 2.2.1 旋转分层取料23-24
• 2.2.2 定点斜坡取料24-25
• 2.2.3 等量取料研究25-26
• 2.2.4 技术参数26-29
• 2.3 斗轮机运动学解析29-32
• 2.3.1 坐标变换30-31
• 2.3.2 运动学反变换31-32
• 2.4 斗轮机子系统数学模型32-34
• 2.4.1 斗轮机子系统驱动方式32-33
• 2.4.2 斗轮机子系统数学模型33-34
• 2.5 本章小结34-35
• 第3章 斗轮取料机系统控制算法研究及改进35-55
• 3.1 经典 PID 控制原理35-38
• 3.1.1 模拟 PID 控制器35-36
• 3.1.2 数字式 PID 控制器36-38
• 3.2 RBF 神经网络结构38-40
• 3.3 传统最近邻聚类算法40-42
• 3.3.1 算法步骤41
• 3.3.2 算法缺陷41-42
• 3.4 改进的最近邻聚类算法42-47
• 3.4.1 聚类初始半径的确定42-43
• 3.4.2 聚类中心的优化43
• 3.4.3 熵值法改进欧式距离43-45
• 3.4.4 阶梯型步长在聚类半径中的应用45
• 3.4.5 隐节点删除策略45-46
• 3.4.6 算法步骤46-47
• 3.5 改进的混合学习算法47-49
• 3.6 斗轮取料机系统的控制器设计49-54
• 3.6.1 RBF 神经网络 PID 控制器设计49-50
• 3.6.2 PID 控制参数整定原理50-51
• 3.6.3 Jacobian 信息辨识算法51-52
• 3.6.4 RBF 神经网络 PID 控制特性仿真实验52-54
• 3.7 本章小结54-55
• 第4章 基于改进算法的斗轮机系统控制研究55-68
• 4.1 引言55
• 4.2 斗轮机系统控制设计55-57
• 4.3 斗轮机系统控制实现57-67
• 4.3.1 斗轮机子系统控制实现57-58
• 4.3.2 斗轮取料机系统控制实现58-67
• 4.4 本章小结67-68
• 第5章 斗轮机系统控制仿真界面68-75
• 5.1 引言68
• 5.2 仿真界面设计68-69
• 5.2.1 MATLAB 介绍68-69
• 5.2.2 基于 MATLAB 的斗轮机系统控制仿真设计69
• 5.3 斗轮机系统控制 GUI 设计69-74
• 5.4 本章小结74-75
• 结论75-77
• 参考文献77-81
• 攻读硕士学位期间承担的科研任务与主要成果81-82
• 致谢82-83
• 作者简介83

【参考文献】

中国期刊全文数据库 前10条

1 朱明星,张德龙;RBF网络基函数中心选取算法的研究[J];安徽大学学报(自然科学版);2000年01期

2 孙延风,梁艳春,孟庆福;改进的神经网络最近邻聚类学习算法及其应用[J];吉林大学学报(信息科学版);2002年01期

3 徐庆宏;戴先中;;基于在线学习RBF神经网络的汽门开度自适应补偿控制方法[J];电机与控制学报;2010年02期

4 杨晓红;葛海涛;;基于PLC的火电厂斗轮堆取料机大车走停控制系统设计[J];电力科学与工程;2010年01期

5 吴潇潇;陈机林;王力;;基于聚类与梯度混合学习算法RBF神经网络的电液伺服系统建模及仿真[J];电气自动化;2011年01期

6 王立海;浅谈煤码头斗轮取料机斗轮驱动的选择[J];大众科技;2005年08期

7 吕明荟;李毅民;;斗轮堆取料机的发展趋势[J];港口装卸;2008年02期

8 应光伟;李波;刘勤国;张起伟;;斗轮堆取料机的发展与展望[J];港口装卸;2010年04期

9 苏小红;侯秋香;马培军;王亚东;;RBF神经网络的混合学习算法[J];哈尔滨工业大学学报;2006年09期

10 刘建伟;申芳林;罗雄麟;;感知器学习算法研究[J];计算机工程;2010年07期

本文编号：1034606