基于人工智能的工业用温度检测仪器自动化控制方法研究

发布时间：2021-03-13 20:29

　　为了解决传统方法参数分析过程复杂,学习性能差,导致工业用温度检测仪器控制效果差,精测精度低的问题,提出一种新的基于人工智能的工业用温度检测仪器自动化控制方法。分析了工业用温度检测仪器工作原理,人工智能方法选择计算过程简单、学习性能强的单隐含层前馈神经网络,通过最小二乘法对隐含层节点数据进行拟合处理,获取隐含层节点数量,任意形成隐层节点参数,求出隐层输出矩阵与输出权值,完成学习。在实际应用中,把温度检测仪器输出信号当成前馈神经网络的输入,通过大规模工业用温度检测仪样本对前馈神经网络进行训练,在前馈神经网络输出误差趋近于0的情况下,通过输出权值模糊调节器获取输出融合权值,实现误差控制结果的融合,得到准确的温度检测结果,提高温度检测仪检测精度。实验结果表明,所提方法输出结果和目标结果间的差异小,泛化误差低,自动化控制效果好。 

【文章来源】：自动化与仪器仪表. 2020,(10)

【文章页数】：4 页

【部分图文】：

3层前馈神经网络

工业用温度检测仪器自动化控制原理图

本文方法对温度检测仪控制输出比较

【参考文献】：
期刊论文
[1]低秩半正定矩阵最小二乘恢复算法[J]. 余宏伟,蒋轶.  微型电脑应用. 2019(06)
[2]因素空间理论——机制主义人工智能理论的数学基础[J]. 汪培庄.  智能系统学报. 2018(01)
[3]永磁同步电机三维全域温度场与温度应力耦合研究[J]. 丁树业,朱敏,江欣.  电机与控制学报. 2018(01)
[4]一种主变压器热点温度实时计算解析模型[J]. 杨志超,吴奕,王坚,崔莉,蒋春容,朱海兵,葛乐.  电力自动化设备. 2016(11)
[5]光纤环绕制中张力控制与高精度排线的研究[J]. 乔立军,杨瑞峰,张鹏,郭晨霞.  科学技术与工程. 2016(25)
[6]大体积混凝土BIM智能温控系统的研究与应用[J]. 廖哲男,魏巍,赵亮,张亚婷.  土木建筑与环境工程. 2016(04)
[7]基于BP神经网络的超声波流量计的设计[J]. 高正中,张晓燕,龚群英,宋森森,张政.  现代电子技术. 2016(16)
[8]基于最优Hankel范数近似的核电站电功率与冷却剂平均温度解耦控制方法[J]. 钱虹,房振鲁,杨祖魁,周蕾.  动力工程学报. 2016(05)
[9]人工智能集群控制演示验证系统[J]. 安梅岩,王兆魁,张育林.  机器人. 2016(03)
[10]光伏系统测量体系G3PLC通信技术实现[J]. 李林,曹军,陶维青.  电子测量与仪器学报. 2016(01)



本文编号：3080862