日本少妇被爽到高潮动态图,国产jjzzjjzz视频全部免费,亚洲精品国产精品制服丝袜,精品免费一区二区三区在

定量稱重包裝是1種對物料進行在線稱量并實現定量包袋的技術，在食品、醫(yī)藥、化工等工業(yè)生產領域應用極其廣泛。實現定量稱重包裝的關鍵是解決動態(tài)定量稱重控制問題，主要包括實時準確稱量及快速精確控制，實時準確的稱重測量是快速精確控制的基礎，而控制性能的好壞直接決定包裝的精確程度[1]。定量稱重包裝系統(tǒng)是一個非線性、大滯后、強干擾的不確定性系統(tǒng)，難以建立精確的數學模型。因此，采用先進控制技術對其進行研究具有重大的理論意義和工程價值。
目前國內學者對定量稱重包裝控制系統(tǒng)已做了不少研究，如：文獻[2]針對定量包裝控制中存在的主要問題，提出了基于模糊控制理論的Fuzzy-PID控制方案，并對系統(tǒng)的控制效果進行了仿真研究，取得了一定的效果；文獻[3]針對動態(tài)定量稱重系統(tǒng)隨機干擾因素多、大滯后和參數不確定性等特點，提出了1種基于BP神經網絡和PID相結合的控制方法，使仿真控制效果得到了較大改善。但BP網絡學習速率固定、收斂速度慢及訓練時間相對較長，而RBF網絡在逼近能力、分類能力和學習速度等方面均優(yōu)于BP網絡。為此，筆者將RBF神經網絡和PID控制算法相結合，實時地對PID控制器的參數進行優(yōu)化，設計非線性映射能力和自學習能力較強的RBF-PID控制器，并對定量稱重包裝過程進行仿真分析和驗證。

1.動態(tài)定量稱重過程特性分析
1.1定量稱重包裝系統(tǒng)工藝分析
定量稱重包裝系統(tǒng)由裝料斗、稱重裝置、給料機構、放料門、包裝機構和控制系統(tǒng)等部分組成如圖1[3]。進料裝置包括裝料斗、放料門，步進電機控制下料口閥門的開度以便于對下料量的控制。稱重裝置包括稱重傳感器和出料口閥門，物料的質量由稱重傳感器測得，并通過數據處理送至計算機控制系統(tǒng)，出料口閥門用來控制稱重倉倉口的開啟和關閉。
1.2動態(tài)稱重過程特性分析
動態(tài)稱重與靜態(tài)稱重具有本質的區(qū)別。靜態(tài)稱重指在秤體和所稱物體之間達到靜態(tài)平衡后再進行稱量，無需考慮所稱物體的沖力、動態(tài)過程等因素，設計簡單，精度比較高。而動態(tài)稱重指正常作業(yè)時對物料進行在線動態(tài)稱量，這種情況下其質量往往是一個隨時間變化的量，因為被測對象是時刻變化的，傳感器從一個狀態(tài)變化到另一個狀態(tài)要經歷一個過渡過程。在過渡過程中，測量值與實際質量值相差很大，難以滿足精度要求。只有系統(tǒng)趨于平穩(wěn)后，才能得到準確的測量值[4-5]。因此，動態(tài)稱重系統(tǒng)有如下特點：
1)稱重對象處于運動狀態(tài)，在具有加速度的情況下進行動態(tài)連續(xù)稱重計量；
2)稱重計量實時性和準確性要求高，既要保持良好的時間響應特性，又要保證精度；
3)稱重過程中干擾因素較多，如被測對象沖力、秤體振動、空中余料等；
4)執(zhí)行機構(給料裝置)的動作滯后及慣性任用，控制器的限制。
因動態(tài)稱重系統(tǒng)物料沖力和秤體振動因素造成系統(tǒng)的欠阻尼振蕩，使稱重系統(tǒng)的動態(tài)特性變差，從而造成從稱重傳感器得到的動態(tài)質量并非是物料真實質量，故必須對系統(tǒng)的動態(tài)特性加以補償和改善。
2RBF神經網絡PID控制系統(tǒng)設計
RBF網絡是1種前向網絡，由輸入到輸出的映射是非線性的，隱層空間到輸出層空間的映射是線性的，采用RBF網絡可大大加快學習速度并避免局部極小問題，適合于實時控制的要求。采用RBF網絡構成神經網絡控制方案，可有效提高系統(tǒng)的精度、魯棒性和自適應性。
2.1RBF神經網絡算法及其訓練
采用三層RBF網絡，輸入層節(jié)點將輸入信號傳送到隱含層，隱含層節(jié)點由高斯基函數構成，隱含層到輸出層是線性關系。其神經網絡輸入、輸出的數學關系為

其中：bj為網絡的基寬向量；r(t)為被控對象的輸入，對應為定量稱重包裝控制系統(tǒng)中所期望的包裝質量；y(t)為被控對象的輸出信號，為稱重傳感器實際測得的質量；η為學習速率；α為動量因子?？梢缘玫綇较蚧瘮档墓?jié)點中心參數的迭代算法

2.2RBF-PID控制系統(tǒng)的設計
對定量稱重包裝控制系統(tǒng)利用PID控制算法進行控制，PID參數的選擇是一個關鍵環(huán)節(jié)，為達到較好的效果，提出基于RBF神經網絡PID控制策略對其進行控制，利用神經網絡具有的任意非線性表達能力實現控制參數的優(yōu)化。圖2為RBF神經網絡PID控制系統(tǒng)結構圖，由圖2可見，該控制系統(tǒng)的組成及功能為：

1)PID控制器采用增量式PID控制器，直接對被控對象進行閉環(huán)控制，3個參數Kp,Ki,Kd依據控制系統(tǒng)的實際運行情況不斷進行調整；
2)RBF神經網絡根據系統(tǒng)的運行情況，在線調整PID控制器的參數，使其達到最優(yōu)的控制效果。
RBF神經網絡輸入量為每個包裝周期內質量的偏差信號和偏差的導數信號，輸出量為PID控制器的3個參數Kp,Ki,Kd。通過RBF神經網絡自學習，使神經網絡的輸出為最佳的PID控制器參數。

3系統(tǒng)仿真結果及分析
為單獨檢驗RBF神經網絡的優(yōu)化效果，用定量包裝系統(tǒng)傳遞函數進行驗證，文中參考文獻[8]建模得出的近似數學模型

取采樣周期T=0.5s，將其離散化，采用RBF神經網絡PID控制器和傳統(tǒng)PID控制器分別對系統(tǒng)進行優(yōu)化控制，并通過Matlab中的Simulink進行仿真。輸入取階躍信號，RBF辨識網絡選取3-6-1結構，經過多次訓練仿真實驗，定量稱重包裝控制系統(tǒng)相關的的仿真參數選擇為[9]：動量因子α為0.02；學習速率η為0.35；加權系數初值均為0.01；傳統(tǒng)PID控制的參數取Kp=5，Ki=0.8，Kd=1.5。為驗證控制模型的抗干擾能力，仿真在5s時對系統(tǒng)加入干擾。圖3，4分別為采用傳統(tǒng)PID控制方法和RBF神經網絡PID控制方法對定量稱重包裝系統(tǒng)進行控制的仿真結果。
由圖3，4可知：采用傳統(tǒng)PID控制時，調節(jié)速度較快，能迅速達到設定值，但超調量較大，長期如此將使稱重傳感器準確度下降，包裝質量產生較大波動；采用RBF神經網絡PID控制時系統(tǒng)動態(tài)響應速度快、無超調、穩(wěn)定性強；加入干擾后，采用RBF神經網絡PID控制方法，系統(tǒng)沒有震蕩，并且很快達到穩(wěn)定狀態(tài)，由此可見RBF神經網絡PID控制性能明顯優(yōu)于傳統(tǒng)PID。

4結論
針對定量稱重包裝系統(tǒng)具有大慣性滯后、非線性時變且無法建立精確模型等特點，提出基于RBF神經網絡PID的控制策略。通過Matlab對控制方法進行仿真，比較分析傳統(tǒng)PID控制與RBF神經網絡PID控制的控制效果。仿真結果表明：傳統(tǒng)PID控制雖然響應速度較快，但超調量過大，這在包裝生產流程中極為不利；RBF神經網絡PID控制效果較平穩(wěn)，具有良好的控制精度和動態(tài)性能，控制效果優(yōu)于PID控制效果，具有較高的工程應用價值。

作者：吳宇平，章家?guī)r，章磊，馮旭剛
參考文獻：
[1]喻先鋒，曹金林，姚重陽.動態(tài)定量稱重技術控制策略和算[J].輕工機械，2013,31(1):55-59.
[2]常波，閻有運，梁碩.基于模糊算法的配料稱重控制策略研究與應用[J].電子測試，2009(5):1-5,43.
[3]胡攀，梁嵐珍，李靖.動態(tài)定量稱重系統(tǒng)控制策略的研究[J].自動化博覽，2009,26(11):78-80.
[4]曾琳，張文濤.基于RBF神經網絡的智能PID控制算法[J].計算機與數字工程，2011,39(1):17-20.
[5]潘瑞林，曹建華，冷護基.基于RBF神經網絡的制造業(yè)費用分配系數確定方法[J].安徽工業(yè)大學學報：自然科學版，2012,29(3):285-288.
[6]靳紅濤，焦宗夏，周汝勝，等.基于神經網絡PID的冗余伺服系統(tǒng)自適應控制[J].機械工程學報，2008,44(12):249-253.
[7]孫虎兒.小雜糧自動定量包裝自動控制系統(tǒng)的設計[J].包裝工程，2008,29(12):81-82.
[8]李鵬.動態(tài)定量稱重系統(tǒng)的研究與實現[D].濟南：山東大學，2006.
[9]江道根.六自由度并聯機器人RBF神經網絡PID控制研究[D].鎮(zhèn)江：江蘇大學，2010.
[10]劉金琨.先進PID控制及其MATLAB仿真[M].北京：電子工業(yè)出版社，2003:195-212.

本文源于網絡轉載，如有侵權，請聯系刪除