基于GA-BP神經網絡的鋰電池極片厚度控制系統(tǒng)研究
發(fā)布時間：2021-06-30 07:41
由于鋰電池極片受電性漿料顆粒材料的化學成分、原始密度、涂布質量、半固態(tài)程度、軋制溫度、軋制力、輥縫等因素影響,再加上鋰電池極片厚度控制系統(tǒng)中具有非線性、不確定、時變性等特點,采用傳統(tǒng)的厚度控制方法不能滿足用戶對鋰電池極片厚度精度的要求。因此,研究一種厚度控制較好的算法非常有必要。針對鋰電池極片厚度不能達到用戶想要的精度問題,本文提出了一種基于遺傳算法優(yōu)化BP神經網絡的極片厚度控制研究,兩種算法結合能夠發(fā)揮各自的優(yōu)點,提高鋰電池極片厚度的預測能力。本文主要工作如下:首先,從鋰電池極片的生產工藝流程和系統(tǒng)特點方面,對鋰電池極片厚度控制系統(tǒng)進行了研究。簡要分析了鋰電池極片厚度的控制系統(tǒng)的數學模型。結合引起鋰電池極片厚度的波動的原因,分析鋰電池極片實測厚度的影響因素。其次,針對鋰電池極片厚度實測厚度的精度不高問題,提出了一種基于神經網絡的極片厚度控制的預測模型。根據BP神經網絡算法的基本原理和學習步驟,將BP神經網絡引入到極片厚度控制系統(tǒng)中,根據主要因素確定了BP神經網絡的拓撲結構和參數,最后利用MATLAB軟件對相關數據模型進行仿真研究并分析了鋰電池極片預測厚度的有效性。再次,針對BP神經網...
【文章來源】：河北工業(yè)大學天津市 211工程院校
【文章頁數】：85 頁
【學位級別】：碩士
【部分圖文】：
全球鋰離子電池市場規(guī)模及需求走勢圖
河北工業(yè)大學碩士學位論文11第二章鋰電池極片厚度控制系統(tǒng)的基本原理鋰電池極片生產中，極片厚度是檢驗產品合格的重要評價標準，因此，鋰電池極片厚度控制系統(tǒng)在軋制過程中非常重要。由于鋰電池極片厚度受極片自身的化學成分，以及系統(tǒng)中張力、軋制力、輥縫間隙等因素的影響，是一個很復雜的非線性的控制系統(tǒng)。為了對其進行深入研究，本章在第一章介紹的有關厚度控制系統(tǒng)研究現狀的基礎上，詳細介紹鋰電池極片厚度控制系統(tǒng)的基本原理，并分析了影響鋰電池極片厚度的主要因素，為下一章BP神經網絡算法奠定基矗2.1鋰電池極片軋制過程簡述2.1.1鋰電池極片生產流程本文所討論的鋰電池極片軋機設備為課題組與河北某公司聯(lián)合研制的高精度電池極片軋機，結構上對現有電池極片軋機進行優(yōu)化，主要包括消隙滾動軸承裝置、短應力牌坊、交錯輥裝置、手柄滾輪移動裝置、渦輪蝸桿間隙調整裝置，提高了電池極片軋機的整體剛度、消除軸承間隙、控制板型質量、方便軋機整體移動以及能夠精確在線調整間隙等功能；智能控制上，通過詳細分析軋制工藝流程，提出高精度電池極片軋機智能控制模型，將控制系統(tǒng)實現智能化、模塊化管理。圖2.1為鋰電池極片軋機設備的部分三維圖；圖2.2為鋰電池極片軋機設備的現場調試圖。圖2.1鋰電池極片軋機設備的三維圖
基于GA-BP神經網絡的鋰電池極片厚度控制系統(tǒng)研究12圖2.2鋰電池極片軋機設備的現場調試圖鋰電池極片的生產過程如圖2.3所示，包括正常過程初始化、預生產、連續(xù)生產、成品四個階段，每個階段都能通過人機交互系統(tǒng)進行實時監(jiān)控并及時做出調整。而在軋制極片之前需要做好調機生產初始化，即向控制系統(tǒng)提供一些參數，這些參數用戶不能隨意更改，完成調試之后將不用在進行這項工作。一般系統(tǒng)參數包括電機參數，比如間隙調整伺服電機的加速度比率、啟動頻率、目標頻率、減速帶比率等；液壓設置參數，比如兩側的使用壓力；電機轉速參數，比如收卷電機、軋輥電機等。調機生產初始化正常生產初始化預生產預生產極片是否合格連續(xù)生產成品驗收YN圖2.3鋰電池極片的生產過程（1）正常生產初始化階段。包括三個主要階段：放卷機構（放卷機構復位和設置）、軋制機構（軋制機構復位和設置）、收卷機構（收卷機構復位和設置）。收、放卷機構的工藝初始化為將手動氣漲軸、糾偏、磁粉制動器和前夾緊氣缸復位，然后手動穿帶，放卷機構人工上料，使放卷氣漲軸上壓緊固極片，按照穿帶示意圖完成之后
【參考文獻】：
期刊論文
[1]基于BP神經網絡的PTC工質出口溫度研究[J]. 嚴倩雯,蔣川,楊嵩,余雷,王啟揚. 太陽能學報. 2017(11)
[2]神經網絡七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽. 計算機學報. 2016(08)
[3]基于遺傳算法—模糊徑向基神經網絡的光伏發(fā)電功率預測模型[J]. 葉林,陳政,趙永寧,朱倩雯. 電力系統(tǒng)自動化. 2015(16)
[4]基于神經網絡和遺傳算法的火炮結構動力學優(yōu)化[J]. 梁傳建,楊國來,王曉鋒. 兵工學報. 2015(05)
[5]基于神經網絡與遺傳算法的刀具磨損檢測與控制[J]. 秦國華,謝文斌,王華敏. 光學精密工程. 2015(05)
[6]基于Sigmoid二次型隸屬度函數的改進LMS算法[J]. 徐洋,徐松濤,馬健,楊永建,肖冰松,向建軍. 中南大學學報(自然科學版). 2014(10)
[7]基于神經網絡預測與小波變換的結構非線性振動參數識別[J]. 李蘆鈺,牛蕓. 振動與沖擊. 2014(18)
[8]基于Hopfield神經網絡的污水處理過程優(yōu)化控制[J]. 韓廣,喬俊飛,韓紅桂,柴偉. 控制與決策. 2014(11)
[9]基于遺傳算法的BP神經網絡服裝銷售預測方法[J]. 羅戎蕾,劉紹華,蘇晨. 北京郵電大學學報. 2014(04)
[10]基于BP神經網絡的微量藥品動態(tài)稱重系統(tǒng)非線性補償[J]. 莊育鋒,胡曉瑾,翟宇. 儀器儀表學報. 2014(08)
博士論文
[1]BP神經網絡的理論及其在農業(yè)機械化中的應用研究[D]. 王吉權.沈陽農業(yè)大學 2011
[2]動力鋰離子電池正極材料錳酸鋰的開發(fā)及應用研究[D]. 張娜.天津大學 2005
碩士論文
[1]基于遺傳算法的衛(wèi)星波束成形及凝視算法研究[D]. 林妍星.哈爾濱工業(yè)大學 2017
[2]鋰電池疊片機張力與糾偏控制技術研究[D]. 韓磊.哈爾濱工業(yè)大學 2017
[3]基于BP神經網絡的熱軋板形設定模型研究[D]. 劉星.大連理工大學 2016
[4]基于遺傳算法優(yōu)化BP神經網絡的電機生產線故障診斷[D]. 張旋.合肥工業(yè)大學 2016
[5]厚板軋機液壓厚度自動控制系統(tǒng)的研制[D]. 張秀超.哈爾濱工業(yè)大學 2015
[6]冷軋機厚度控制系統(tǒng)設計與實現[D]. 由明揚.哈爾濱工業(yè)大學 2016
[7]通鋼熱軋帶鋼自動厚度控制系統(tǒng)設計[D]. 王玥.東北大學 2015
[8]850電池極片軋機液壓控制系統(tǒng)的研究[D]. 韓超.燕山大學 2014
[9]電池極片軋機軋輥有限元分析[D]. 王永洲.天津大學 2013
[10]Φ800電池極片軋機液壓控制系統(tǒng)建模、仿真及實驗研究[D]. 袁叢林.燕山大學 2013
本文編號：3257338
【文章來源】：河北工業(yè)大學天津市 211工程院校
【文章頁數】：85 頁
【學位級別】：碩士
【部分圖文】：
全球鋰離子電池市場規(guī)模及需求走勢圖
河北工業(yè)大學碩士學位論文11第二章鋰電池極片厚度控制系統(tǒng)的基本原理鋰電池極片生產中，極片厚度是檢驗產品合格的重要評價標準，因此，鋰電池極片厚度控制系統(tǒng)在軋制過程中非常重要。由于鋰電池極片厚度受極片自身的化學成分，以及系統(tǒng)中張力、軋制力、輥縫間隙等因素的影響，是一個很復雜的非線性的控制系統(tǒng)。為了對其進行深入研究，本章在第一章介紹的有關厚度控制系統(tǒng)研究現狀的基礎上，詳細介紹鋰電池極片厚度控制系統(tǒng)的基本原理，并分析了影響鋰電池極片厚度的主要因素，為下一章BP神經網絡算法奠定基矗2.1鋰電池極片軋制過程簡述2.1.1鋰電池極片生產流程本文所討論的鋰電池極片軋機設備為課題組與河北某公司聯(lián)合研制的高精度電池極片軋機，結構上對現有電池極片軋機進行優(yōu)化，主要包括消隙滾動軸承裝置、短應力牌坊、交錯輥裝置、手柄滾輪移動裝置、渦輪蝸桿間隙調整裝置，提高了電池極片軋機的整體剛度、消除軸承間隙、控制板型質量、方便軋機整體移動以及能夠精確在線調整間隙等功能；智能控制上，通過詳細分析軋制工藝流程，提出高精度電池極片軋機智能控制模型，將控制系統(tǒng)實現智能化、模塊化管理。圖2.1為鋰電池極片軋機設備的部分三維圖；圖2.2為鋰電池極片軋機設備的現場調試圖。圖2.1鋰電池極片軋機設備的三維圖
基于GA-BP神經網絡的鋰電池極片厚度控制系統(tǒng)研究12圖2.2鋰電池極片軋機設備的現場調試圖鋰電池極片的生產過程如圖2.3所示，包括正常過程初始化、預生產、連續(xù)生產、成品四個階段，每個階段都能通過人機交互系統(tǒng)進行實時監(jiān)控并及時做出調整。而在軋制極片之前需要做好調機生產初始化，即向控制系統(tǒng)提供一些參數，這些參數用戶不能隨意更改，完成調試之后將不用在進行這項工作。一般系統(tǒng)參數包括電機參數，比如間隙調整伺服電機的加速度比率、啟動頻率、目標頻率、減速帶比率等；液壓設置參數，比如兩側的使用壓力；電機轉速參數，比如收卷電機、軋輥電機等。調機生產初始化正常生產初始化預生產預生產極片是否合格連續(xù)生產成品驗收YN圖2.3鋰電池極片的生產過程（1）正常生產初始化階段。包括三個主要階段：放卷機構（放卷機構復位和設置）、軋制機構（軋制機構復位和設置）、收卷機構（收卷機構復位和設置）。收、放卷機構的工藝初始化為將手動氣漲軸、糾偏、磁粉制動器和前夾緊氣缸復位，然后手動穿帶，放卷機構人工上料，使放卷氣漲軸上壓緊固極片，按照穿帶示意圖完成之后
【參考文獻】：
期刊論文
[1]基于BP神經網絡的PTC工質出口溫度研究[J]. 嚴倩雯,蔣川,楊嵩,余雷,王啟揚. 太陽能學報. 2017(11)
[2]神經網絡七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽. 計算機學報. 2016(08)
[3]基于遺傳算法—模糊徑向基神經網絡的光伏發(fā)電功率預測模型[J]. 葉林,陳政,趙永寧,朱倩雯. 電力系統(tǒng)自動化. 2015(16)
[4]基于神經網絡和遺傳算法的火炮結構動力學優(yōu)化[J]. 梁傳建,楊國來,王曉鋒. 兵工學報. 2015(05)
[5]基于神經網絡與遺傳算法的刀具磨損檢測與控制[J]. 秦國華,謝文斌,王華敏. 光學精密工程. 2015(05)
[6]基于Sigmoid二次型隸屬度函數的改進LMS算法[J]. 徐洋,徐松濤,馬健,楊永建,肖冰松,向建軍. 中南大學學報(自然科學版). 2014(10)
[7]基于神經網絡預測與小波變換的結構非線性振動參數識別[J]. 李蘆鈺,牛蕓. 振動與沖擊. 2014(18)
[8]基于Hopfield神經網絡的污水處理過程優(yōu)化控制[J]. 韓廣,喬俊飛,韓紅桂,柴偉. 控制與決策. 2014(11)
[9]基于遺傳算法的BP神經網絡服裝銷售預測方法[J]. 羅戎蕾,劉紹華,蘇晨. 北京郵電大學學報. 2014(04)
[10]基于BP神經網絡的微量藥品動態(tài)稱重系統(tǒng)非線性補償[J]. 莊育鋒,胡曉瑾,翟宇. 儀器儀表學報. 2014(08)
博士論文
[1]BP神經網絡的理論及其在農業(yè)機械化中的應用研究[D]. 王吉權.沈陽農業(yè)大學 2011
[2]動力鋰離子電池正極材料錳酸鋰的開發(fā)及應用研究[D]. 張娜.天津大學 2005
碩士論文
[1]基于遺傳算法的衛(wèi)星波束成形及凝視算法研究[D]. 林妍星.哈爾濱工業(yè)大學 2017
[2]鋰電池疊片機張力與糾偏控制技術研究[D]. 韓磊.哈爾濱工業(yè)大學 2017
[3]基于BP神經網絡的熱軋板形設定模型研究[D]. 劉星.大連理工大學 2016
[4]基于遺傳算法優(yōu)化BP神經網絡的電機生產線故障診斷[D]. 張旋.合肥工業(yè)大學 2016
[5]厚板軋機液壓厚度自動控制系統(tǒng)的研制[D]. 張秀超.哈爾濱工業(yè)大學 2015
[6]冷軋機厚度控制系統(tǒng)設計與實現[D]. 由明揚.哈爾濱工業(yè)大學 2016
[7]通鋼熱軋帶鋼自動厚度控制系統(tǒng)設計[D]. 王玥.東北大學 2015
[8]850電池極片軋機液壓控制系統(tǒng)的研究[D]. 韓超.燕山大學 2014
[9]電池極片軋機軋輥有限元分析[D]. 王永洲.天津大學 2013
[10]Φ800電池極片軋機液壓控制系統(tǒng)建模、仿真及實驗研究[D]. 袁叢林.燕山大學 2013
本文編號：3257338
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3257338.html
