关键词： 工业洗衣机   BP神经网络   遗传算法   云平台  

摘要： 传统的工业监控系统存在总线布线复杂、系统配置费用较高、通信距离较短、网络配置复杂且受网络环境影响较大等问题,在工业洗衣房中对工业洗衣机的设备监控也同样存在上述问题。此外,工业洗衣房所需要清洗的衣物繁多,且目前流行病毒的出现使衣物需要多重消毒,传统工业洗衣机人工添加药液,容易出现难以精准控制加药量、洗涤时间以及用水量等问题,造成药液浪费或清洗不洁等现象。本文针对以上问题进行设计,研发和实现了一套工业洗衣机云服务远程智能控制系统。具体研究内容如下:(1)分析了工业洗衣机以及智能控制技术的发展现状,并且对文中所用到的BP神经网络算法、遗传算法优化BP神经网络和原子搜索算法优化BP神经网络的原理与方法进行阐述。(2)建立智能决策算法模型。选取训练样本,将温度、浊度、重量作为模型的输入量,洗涤时间、水位、1种洗涤剂和3种消毒剂作为模型的输出量建立BP网络训练模型,并针对BP神经网络提出优化方案。仿真结果表明:采用遗传算法对BP神经网络进行优化后各洗涤参数的误差明显降低。洗涤时间、水位、洗涤剂的误差MSE分别由3.75减小到0.07、2.17减小到0.06、5.37减小到0.18,三种消毒剂误差MSE分别由1.53减小到0.015、1.05减小到0.022、3.41减小到0.084都接近于0。因此,将该模型应用到工业洗衣机智能控制器中,可以得到更好的预测效果。(3)对智能控制系统进行设计,主要包括系统的总体设计、系统的需求分析、硬件设计和软件设计。其中硬件设计包括主控制器、传感器数据采集、建立通信、触摸屏以及自动添加药液功能的设计;软件设计包括Web端界面设计、手机端监控界面以及触摸屏监控界面的设计,这些界面可实现用户远程控制及现场控制;最后将训练好的神经网络部署到嵌入式控制器中,从而实现工业洗衣机云服务远程智能控制系统。该系统解决了工业洗衣机人工添加药液过少或者过量的问题,使洗涤时间、用水量得到合理控制以及实现了对工业洗衣机的远程智能监控,使衣物的清洁度与多重消毒达到了最佳效果,工业洗衣机得到了更加科学的管理,解决了传统现场监控布线的复杂性。药液的智能添加为应对病毒的流行提供了一种高效的杀菌方法,具有一定的实用价值和很好的应用前景。

关键词： 钢铁烧结   横向均匀   布料模型   智能控制  

摘要： 随着烧结设备的大型化和厚料层烧结的普及,合理控制台车宽度方向上的烧结均匀性,对提高烧结矿产量、质量指标,降低工序能耗具有十分重要的意义。目前烧结横向布料层高度主要依靠人工经验进行设置,导致横向烧结均匀性难以保证,此外布料闸门的开度控制为反馈控制,导致布料常出现堆料或亏料现象。为此,本文建立了横向均匀性评判与优化控制模型,开发了相应的系统软件。本文的创新点和主要工作如下:建立了基于废气温度特征和机尾断面图像的横向烧结均匀性软测量模型。前者根据烧结机中后部风箱废气温度,获取横向6个区域的BRP并计算其标准偏差、重心等指标;后者通过图像处理技术,提取红火层各列重心标准偏差、重心等指标。融合两种横向均匀性指标,采用模糊聚类算法,综合评判横向烧结均匀性。构建了横向布料优化控制模型,其中包含了横向料层高度优化、基于料高预测值和基于料高检测值的辅闸门开度控制。建立了横向BRP偏差与料层高度的函数关系,当横向烧结均匀性评判为不均匀时,则进行料层高度优化,得到适宜的料高设定值;采用BP神经网络建立了料层高度预测模型,横向6个区域的预测模型在测试集上的准确率均达90%以上;分别以料高预测值和设定值、料高检测值和设定值的偏差与偏差变化率为输入,采用模糊控制方法,建立了两个辅闸门开度控制器,通过加权平均输出最终的闸门开度调控量。开发了烧结过程横向均匀性智能控制指导系统。采用Visual C#语言,通过模块化编程开发了具有横向均匀性评判、布料优化控制、模糊规则调整等功能的系统,为烧结现场操作员提供横向均匀性信息和布料优化控制指导。图37幅,表8个,参考文献85篇

关键词： 机器学习   环境监测   图像分类   生菜生长预测   智能控制  

摘要： 随着现代农业的发展和变革,无土栽培已成为未来农业发展趋势。但目前设施农业的自动化,智能化水平较低,无法准确判断植物的生长阶段和生长状况,不能及时调控环境策略,造成植物生长缓慢或缺素异常等问题。本文以水培生菜为研究对象监测其生长和环境变量,优化了环境控制策略。利用机器学习回归算法和Google Net算法建立模型,对生菜的生长过程进行监测,同时预测生菜的生长,并依此设计环境策略自动调控系统。主要内容如下:(1)优化光肥环境调控策略。针对生菜不同生长阶段对光照和营养液策略的需求不同,为使生菜生长环境保持最佳,设置多组对照实验,实验结果表明,生菜最佳的环境控制策略是生长期光质组合为R:B=7:3,光周期14h/d;发棵期光质组合R:B=5:5,光周期16h/d;成熟期光质组合R:B=6:4,光周期12h/d;不同生长阶段的光肥环境调控策略为中-高-低梯度浓度。(2)建立了基于Google Net算法的生菜图像分类模型。生菜培育实验过程中对生菜的图像进行采集,获取生菜图像数据集,同时对生菜图像进行预处理和特征信息提取。最后利用获取的数据集,基于Google Net算法建立分类模型。利用建立的模型可以准确识别生菜的生长阶段,是否缺素生长异常,为生菜生长环境调控系统的实现提供了有力的支撑。(3)建立了基于机器学习回归算法的生菜生长预测模型。本文基于生菜培育实验过程中生菜形态指标和环境变量之间的映射关系,利用机器学习算法建立多个模型进行对比,得出预测效果最好的模型为GBR模型。为证明生菜生长结果预测结果的可靠性,通过测试分析,建立的模型对生菜生长叶面积预测值和真实值相关性为98%。只需获取生菜形态指标和环境变量等信息,即可预测生菜的生长结果,并判断环境调控策略是否合适。(4)设计并实现了生菜自适应环境监测调控系统。利用传感器和摄像头监测植物的生长形态特征,环境条件等,并基于建立的模型自动实时调控环境策略,使生菜生长环境处于最佳条件。

关键词： 轮式移动机器人   非完整系统   神经网络   鲁棒性   静态事件触发控制  

摘要： 随着时代的发展和科学技术的进步,尤其是计算机运算能力的迅速提升,对于机器人的研究受到越来越广泛的重视。轮式移动机器人集成自主决策,路径规划,运动控制等功能,能够替代人类在复杂恶劣的环境下完成作业。故而对于轮式移动机器人控制的研究具有重要的实际应用价值。本文对非完整轮式移动机器人的轨迹跟踪智能控制技术展开硏究:主要研究了轮式移动机器人运动学参数和动力学模型不确定下的控制策略,同时也研究了基于静态事件触发机制下轮式移动机器人的跟踪控制。具体工作如下:首先,针对含运动学未知参数以及动力学模型不确定的非完整轮式移动机器人轨迹跟踪问题,基于径向基函数(Radical Basis Function)神经网络,提出了一种鲁棒自适应控制器。首先,考虑移动机器人运动学参数未知的情况,提出了一种含自适应参数的运动学控制器,用以补偿参数不确定性导致的系统误差;其次,利用神经网络控制技术,对于机器人在移动中动力学模型不确定问题,提出了一种具有鲁棒性的动力学控制器,使得移动机器人可以在不知道具体动力学模型的情况下跟踪到目标轨迹;最后通过Lyapunov理论证明了系统的渐近稳定性。通过数值仿真验证了所设计的控制器的有效性。其次,为了节省跟踪系统的通信资源,引入静态事件触发机制,与基于运动学的轮式移动机器人轨迹跟踪控制器相结合,设计了轮式移动机器人轨迹跟踪事件触发控制。证明了系统的跟踪误差的一致最终有界并且存在最小触发间隔可以有效避免Zeno现象。仿真结果验证了控制策略可以有效减少对通信资源的占用。

关键词： 多区域变风量空调系统   自适应控制   温度重设   NSGA-Ⅱ多目标优化  

摘要： 新风能耗占变风量空调系统能耗的30%以上,降低新风能耗是变风量空调系统实现节能减排的关键所在。传统的变风量空调系统通风控制策略大多集中于系统新风比的直接调节,一定程度上忽视了室内温度设定值和末端风量对系统新风量的调节作用,这导致变风量系统在运行过程中往往无法满足最不利区室内人员的空气品质需求,陷入能耗与室内空气品质和热舒适度不能兼顾的困境。针对上述问题,本文提出一种基于温度重设的多区域变风量空调系统自适应通风控制策略,旨在研究保障所有区域空气品质的前提下,最大限度地优化多区域变风量空调风系统能耗与最不利区热舒适度。策略在多区域通风方程的基础上适当重置最不利区的室温设定值主动优化系统新风比,并且同步自适应调整VAV-BOX的室温PID控制器参数,实现最不利区温度-风量的自适应控制。研究选取了重庆市某变风量空调系统办公建筑作为研究对象,获取系统基本运行数据与各区域在室人员动态变化情况,在此基础上建立了多区域变风量空调风系统Matlab-Simulink联合仿真优化模型,将风系统能耗、室内空气品质及室内热舒适度作为优化目标并搭建Simulink仿真模型,在联合仿真优化模型中使用NSGA-Ⅱ多目标优化算法（Non-dominated Sorting Genetic Algorithm-II）结合基于熵权法的逼近理想解排序方法（熵权TOPSIS法）,求解最不利区的室内温度最佳设定值,并同步整定VAV-BOX的室温PID控制器参数,最后提出基于温度重设的多区域变风量空调系统自适应通风控制策略。对比分析了基于最大新风比的通风控制策略（策略A）和基于多区域通风方程的按需通风控制策略（策略B）及本文所提策略（策略C）,通过三种控制策略下的风系统能耗及室内空气品质与热舒适度验证了本文所提优化控制策略的有效性。经仿真实验验证,三种策略都可以保证非最不利区的室内空气品质（室内CO2浓度低于1000 ppm）,但策略A存在非最不利区新风过度供应的情况,其风系统能耗最高。相比策略A,策略B的节能率为9.81%,但其最不利区室内CO2浓度在开机后不到3小时即超过1000 ppm,室内人员长期处于CO2浓度超标的环境中。而策略C在保证系统所有区域空气品质需求的前提下,可以将最不利区的预测平均热感觉指数（PMV）控制在0.16以下,在控制最不利区的热舒适度方面表现出最佳的性能,并且与策略A相比有一定节能效果。优化后的室温PID控制器在室内人员数量波动较大时仍可以快速将室内温度稳定控制于目标值,系统响应时间由优化前的1100s缩短至360s,具有良好的系统响应特性及稳定性,能够实现区域温度-风量的自适应控制。

关键词： 弹性配电网   光伏发电   H∞控制   虚拟同步发电机   联络线功率控制  

摘要： 近年来,全球范围内极端灾害频繁发生,配电网的安全运行面临巨大挑战,如何提高配电网弹性成为当下研究热点。随着新能源具备了下垂控制、虚拟同步控制等控制能力,配电网在极端灾害下能够采用网架重构、运行调度等措施,划分孤岛微电网支撑重要负荷的持续运行,以提高配电网灾后恢复能力。然而,在孤岛划分中联络线开断产生的功率冲击过大可能会导致微网的无法生成,并且孤岛运行时可再生能源出力不确定性和负荷波动也给孤岛微网的安全运行带来困难。因此,本文针对上述问题提出了一种基于H∞鲁棒控制的配电网主动预防控制策略,在孤岛生成前预先评估联络线冲击功率,设计了跟踪联络线功率变化的鲁棒控制器,主动控制储能系统平抑联络线功率使其保持在安全阈值内,以保证孤岛微电网安全生成;孤岛微网生成后设计了跟踪系统频率的鲁棒控制器,使储能系统跟随负荷和光伏出力变化,维持微网频率稳定性,以保持孤岛微电网安全运行。本文的具体工作如下: 第一,建立光伏发电系统和储能系统模型。根据光伏电池的物理特性建立光伏系统数学模型,讨论最大功率功率跟踪算法对光伏系统的重要性;其次介绍了储能系统的结构和控制方式,分析了配置储能系统的必要性;最后在Matlab/Simulink平台搭建了光伏和储能系统,验证了最大功率跟踪算法的有效性。 第二,建立光伏和储能的虚拟同步发电机(VSG)控制模型。基于传统同步发电机的运行特性,推导转子运动方程和定子电压方程,建立VSG的有功-频率环节和无功-电压环节;其次分析VSG并联系统的运行情况,讨论线路阻抗特性对功率分配的影响以及环流产生的原因,为实现VSG机组的友好并网,提出基于PLL的预同步控制方法,减少VSG机组在并网时的功率冲击,最后通过与传统下垂控制的对比仿真验证了VSG控制的优越性。 第三,提出基于鲁棒控制理论的配电网主动预防策略,主要分为孤岛生成前和孤岛生成后两部分。在孤岛生成前,根据系统频率响应模型分析在联络线功率变化下的频率响应,建立联络线冲击功率评估模型计算联络线功率安全变化范围,设计跟踪联络线功率变化的鲁棒控制器,主动控制储能系统平抑联络线功率变化;在孤岛生成后,将光伏出力的不确定性和负荷波动视为扰动,设计鲁棒控制器调度储能维持系统功率平衡,以保证孤岛微网内的频率稳定性。最后在Simulink平台搭建含光伏储能系统的配电网模型,仿真验证了所提策略的有效性。

关键词： 直线同步电动机   自适应模糊神经网络控制   误差函数   混合学习算法  

摘要： 直线同步电动机磁悬浮平台具有直接驱动和无摩擦进给的优点，从根本上解决传统驱动装置进给运动滞后及误差大的缺点，但其进给系统本身存在端部效应、齿槽效应、推力波动及非线性强耦合的特点,导致其数学模型难以精确化，且系统在受到负载扰动、端部效应等不确定性扰动时直接影响控制精度，因此传统控制方法不能满足精度要求，采用自适应模糊神经网络控制有很强的针对性。论文依托在国家自然科学基金项目:“可控励磁直线同步电动机磁悬浮进给平台运行机理与控制策略研究(项目批准号:51575363)”下完成的。主要的研究内容如下:　　(1)直线同步电动机的结构及其运行机理研究。研究直线同步电动机的结构及其运行机理，由d-q轴系下的电压方程、磁链方程，推导电磁推力表达式、悬浮力表达式及运动方程，得到进给系统和悬浮系统的数学模型。采用id=0的控制方式最大限度的削弱水平和垂直方向的电磁耦合问题，并搭建直线同步电动机的仿真模型。　　(2)直线同步电动机T-S型模糊控制器的设计。由于直线同步电动机具有耦合性及非线性的特点，难以用精确的数学模型来描述，采用模糊控制可避免该缺点。设计了以速度误差、误差积分为输入的5条高斯型隶属度函数及25条规则的T-S模糊控制器，使其控制精度更高。T-S型模糊控制将专家经验与数学方法结合，以if-then的形式表示，具有知识表达的特点，不需要进行清晰化的处理就可直接用于驱动被控对象。利用MATLAB软件搭建基于T-S模糊控制的直线同步电动机水平方向子系统的仿真模型，分析T-S模糊控制系统的性能，并将其控制效果与PI控制对比。　　(3)直线同步电动机自适应模糊神经网络控制器的设计。传统模糊控制对专家经验依赖性较高，其隶属度函数和控制规则难以自动调整，在原有T-S型模糊控制的基础上设计自适应模糊神经网络控制器，根据选定的误差函数通过已知输入输出数据利用混合学习算法训练，能够自动生成隶属度函数以及自动获取模糊规则，经过网络的学习和检验自动调整参数，避免利用专家经验法导致的精度不高的问题。利用MATLAB软件搭建控制系统仿真模型进行仿真，结果表明，自适应模糊神经网络控制器的响应速度、抗干扰性能更强。

关键词： 压电陶瓷驱动器   自适应控制   精密运动平台  

摘要： 随着微电子技术发展，以集成电路为代表的微电子制造业已成为我国发展的第一大产业．由于惯性振动、非线性、迟滞性等因素影响，传统工业控制方法已无法满足精密运动平台上大行程、快响应、高精度的工作要求，对自适应控制方法的研究便受到了重点关注．本文针对精密运动平台定位问题进行自适应控制方法的研究，并通过数值仿真验证了理论结果．本文的具体工作如下：　　针对压电陶瓷驱动器因迟滞现象导致定位精度差的问题，提出了一种具有迭代调参功能的模型参考自适应控制方法．基于Bouc-Wen迟滞模型对压电陶瓷驱动器的迟滞现象进行描述，结合压电陶瓷驱动器的动力学方程构造了实际系统与不考虑迟滞量的参考系统．根据Lyapunov稳定性定理设计了自适应控制律，以降低参考系统与实际系统之间的输出误差．与此同时，提出了迭代调参算法对控制律设计参数进行自动调节．证明了该方法具有有限时间稳定性与鲁棒性，数值仿真表明该方法的跟踪误差具有较快的收敛速度与较小的稳态误差．　　针对宏微复合运动平台难以测量速度与迟滞量的问题，提出了一种具有迟滞、速度观测功能的自适应鲁棒控制方法．在建立平台动力学模型的基础上设计了扩展观测器，利用已知位移量对实时速度、迟滞进行估计，同时设计用于估计不确定参数的自适应更新律．基于极点配置的思想，提出了一种增益调节算法，使观测器增益能根据应用平台的动态特性而自行适当调整．证明了该控制方法的稳定性，数值仿真表明其观测误差具有指数收敛速度，而跟踪误差具有有限时间收敛速度．　　作为较早提出的多级精密运动平台之一，宏微机械臂可实现微装配等精密任务，其振动现象也在一定程度上影响着工作精度．为此，提出了一种结合最优控制和自适应控制理论的振动抑制控制方法．首先根据振动抑制的需求设计非线性最优控制问题及其性能指标．接着设计逼近伪谱方法，将非线性最优控制问题转化为一系列线性子问题，通过迭代求解得到逼近控制律，并设计状态相关系数优化算法以确保控制律的最优性．针对宏微机械臂控制中存在的时变扰动、建模不确定性，设计了一种自适应神经网络控制方法．通过对神经网络参数的自适应调节，实现对不确定项的拟合与消除．数值仿真表明，在逼近控制律下，宏微机械臂具有较好的振动抑制性能指标，自适应控制律消除了不确定性带来的影响，进一步提高了抑振效果．　　经过理论证明及实验验证，得出以下结论．模型参考自适应控制方法与自适应鲁棒控制方法能够消除系统不确定项、提高信号跟踪精度;振动抑制控制方法具有抑制冗余振动、提高定位精度的效果．所提出的三类调参算法在提高误差收敛速度、提高振动抑制效果方面都起到了积极作用．