本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的斗輪取料機的優(yōu)化控制研究

  更多相關(guān)文章： 斗輪取料機 神經(jīng)網(wǎng)絡(luò) 最近鄰聚類算法 RBF——PID控制

【摘要】：斗輪取料機是熱電廠、港口、礦山、冶金等各大行業(yè)連續(xù)裝卸物料不可或缺的重要設(shè)備。隨著能源、礦業(yè)、散料物流業(yè)的飛速發(fā)展，斗輪取料機自動化和工作效率的研究，已成為相關(guān)領(lǐng)域科技工作者關(guān)注的熱點課題。 針對現(xiàn)有斗輪取料機的工作環(huán)境和機械運轉(zhuǎn)機構(gòu)控制系統(tǒng)現(xiàn)狀，充分考慮斗輪取料機安全性、穩(wěn)定性，研究設(shè)計了一種神經(jīng)網(wǎng)絡(luò)與PID有機結(jié)合的控制系統(tǒng)，提高斗輪取料機的生產(chǎn)效率。主要研究內(nèi)容如下： 對于現(xiàn)有斗輪取料機的大車行走、懸臂旋轉(zhuǎn)、懸臂俯仰等幾個運行環(huán)節(jié)多都采用分離時序控制而使斗輪取料不得不待時取料所引起效率不高的現(xiàn)象，本文設(shè)計了幾大機構(gòu)并行運轉(zhuǎn)控制模式，以縮短斗輪取料時間，，提高生產(chǎn)效率。 深入研究斗輪取料機取料方式以及并行運行的特點，建立斗輪取料機運動解析方程和子系統(tǒng)數(shù)學模型。 深入研究RBF神經(jīng)網(wǎng)絡(luò)最近鄰聚類學習算法，結(jié)合K均值聚類算法、熵值法、階梯步長和隱含節(jié)點刪除策略等對其進行了改進。改進的最近鄰聚類算法不但可以簡化和優(yōu)化網(wǎng)絡(luò)，而且提高了RBF神經(jīng)網(wǎng)絡(luò)學習效率。根據(jù)此算法設(shè)計了改進的RBF神經(jīng)網(wǎng)絡(luò)PID控制器。 深入研究斗輪取料機的工作特點，設(shè)計了斗輪取料機控制系統(tǒng)原理圖，同時將斗輪取料機子系統(tǒng)和斗輪取料機系統(tǒng)位置被控對象分別采用PID和改進的RBF神經(jīng)網(wǎng)絡(luò)PID控制器控制。經(jīng)MATLAB軟件仿真，驗證了此控制方法不僅能夠?qū)崿F(xiàn)斗輪取料機解耦控制，而且能夠增強系統(tǒng)的抗干擾能力。說明了此種算法對斗輪取料機控制系統(tǒng)的有效性。
【關(guān)鍵詞】：斗輪取料機 神經(jīng)網(wǎng)絡(luò) 最近鄰聚類算法 RBF——PID控制
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH24;TP273
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-21
• 1.1 課題研究背景及意義10-11
• 1.2 斗輪取料機的國內(nèi)外發(fā)展現(xiàn)狀11-16
• 1.2.1 國外發(fā)展現(xiàn)狀11
• 1.2.2 國內(nèi)發(fā)展現(xiàn)狀11-13
• 1.2.3 斗輪取料機控制系統(tǒng)概況13-15
• 1.2.4 發(fā)展趨勢15-16
• 1.3 神經(jīng)網(wǎng)絡(luò)概述16-20
• 1.3.1 神經(jīng)網(wǎng)絡(luò)發(fā)展現(xiàn)狀16-17
• 1.3.2 基本類型17-18
• 1.3.3 神經(jīng)網(wǎng)絡(luò)算法特點18-20
• 1.4 論文主要研究內(nèi)容20-21
• 第2章 斗輪機取料工藝及運動學解析21-35
• 2.1 斗輪機的基本結(jié)構(gòu)及取料工藝21-23
• 2.1.1 斗輪取料機的分類21-22
• 2.1.2 斗輪取料機的基本結(jié)構(gòu)22-23
• 2.1.3 斗輪取料機的工作原理23
• 2.2 斗輪取料機的取料工藝及技術(shù)參數(shù)23-29
• 2.2.1 旋轉(zhuǎn)分層取料23-24
• 2.2.2 定點斜坡取料24-25
• 2.2.3 等量取料研究25-26
• 2.2.4 技術(shù)參數(shù)26-29
• 2.3 斗輪機運動學解析29-32
• 2.3.1 坐標變換30-31
• 2.3.2 運動學反變換31-32
• 2.4 斗輪機子系統(tǒng)數(shù)學模型32-34
• 2.4.1 斗輪機子系統(tǒng)驅(qū)動方式32-33
• 2.4.2 斗輪機子系統(tǒng)數(shù)學模型33-34
• 2.5 本章小結(jié)34-35
• 第3章 斗輪取料機系統(tǒng)控制算法研究及改進35-55
• 3.1 經(jīng)典 PID 控制原理35-38
• 3.1.1 模擬 PID 控制器35-36
• 3.1.2 數(shù)字式 PID 控制器36-38
• 3.2 RBF 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)38-40
• 3.3 傳統(tǒng)最近鄰聚類算法40-42
• 3.3.1 算法步驟41
• 3.3.2 算法缺陷41-42
• 3.4 改進的最近鄰聚類算法42-47
• 3.4.1 聚類初始半徑的確定42-43
• 3.4.2 聚類中心的優(yōu)化43
• 3.4.3 熵值法改進歐式距離43-45
• 3.4.4 階梯型步長在聚類半徑中的應(yīng)用45
• 3.4.5 隱節(jié)點刪除策略45-46
• 3.4.6 算法步驟46-47
• 3.5 改進的混合學習算法47-49
• 3.6 斗輪取料機系統(tǒng)的控制器設(shè)計49-54
• 3.6.1 RBF 神經(jīng)網(wǎng)絡(luò) PID 控制器設(shè)計49-50
• 3.6.2 PID 控制參數(shù)整定原理50-51
• 3.6.3 Jacobian 信息辨識算法51-52
• 3.6.4 RBF 神經(jīng)網(wǎng)絡(luò) PID 控制特性仿真實驗52-54
• 3.7 本章小結(jié)54-55
• 第4章 基于改進算法的斗輪機系統(tǒng)控制研究55-68
• 4.1 引言55
• 4.2 斗輪機系統(tǒng)控制設(shè)計55-57
• 4.3 斗輪機系統(tǒng)控制實現(xiàn)57-67
• 4.3.1 斗輪機子系統(tǒng)控制實現(xiàn)57-58
• 4.3.2 斗輪取料機系統(tǒng)控制實現(xiàn)58-67
• 4.4 本章小結(jié)67-68
• 第5章 斗輪機系統(tǒng)控制仿真界面68-75
• 5.1 引言68
• 5.2 仿真界面設(shè)計68-69
• 5.2.1 MATLAB 介紹68-69
• 5.2.2 基于 MATLAB 的斗輪機系統(tǒng)控制仿真設(shè)計69
• 5.3 斗輪機系統(tǒng)控制 GUI 設(shè)計69-74
• 5.4 本章小結(jié)74-75
• 結(jié)論75-77
• 參考文獻77-81
• 攻讀碩士學位期間承擔的科研任務(wù)與主要成果81-82
• 致謝82-83
• 作者簡介83

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱明星,張德龍;RBF網(wǎng)絡(luò)基函數(shù)中心選取算法的研究[J];安徽大學學報(自然科學版);2000年01期

2 孫延風,梁艷春,孟慶福;改進的神經(jīng)網(wǎng)絡(luò)最近鄰聚類學習算法及其應(yīng)用[J];吉林大學學報(信息科學版);2002年01期

3 徐慶宏;戴先中;;基于在線學習RBF神經(jīng)網(wǎng)絡(luò)的汽門開度自適應(yīng)補償控制方法[J];電機與控制學報;2010年02期

4 楊曉紅;葛海濤;;基于PLC的火電廠斗輪堆取料機大車走�？刂葡到y(tǒng)設(shè)計[J];電力科學與工程;2010年01期

5 吳瀟瀟;陳機林;王力;;基于聚類與梯度混合學習算法RBF神經(jīng)網(wǎng)絡(luò)的電液伺服系統(tǒng)建模及仿真[J];電氣自動化;2011年01期

6 王立海;淺談煤碼頭斗輪取料機斗輪驅(qū)動的選擇[J];大眾科技;2005年08期

7 呂明薈;李毅民;;斗輪堆取料機的發(fā)展趨勢[J];港口裝卸;2008年02期

8 應(yīng)光偉;李波;劉勤國;張起偉;;斗輪堆取料機的發(fā)展與展望[J];港口裝卸;2010年04期

9 蘇小紅;侯秋香;馬培軍;王亞東;;RBF神經(jīng)網(wǎng)絡(luò)的混合學習算法[J];哈爾濱工業(yè)大學學報;2006年09期

10 劉建偉;申芳林;羅雄麟;;感知器學習算法研究[J];計算機工程;2010年07期

本文編號：1034606