一、模糊仿人控制器在圆锥破碎机控制中的应用研究(论文文献综述)
张岚清[1](2021)在《多缸液压圆锥破碎机智能故障诊断系统研究》文中指出当前,随着环保扮演着越来越重要的角色以及机制砂需求量的快速增长,国内破碎机市场也迎来了又一个春天,多缸液压圆锥破碎机因其破碎特性和优越的性能,逐渐成为了破碎流程中第二、三阶段(中细碎)的首要选择。但因国内起步晚,经验少,电控配套差,缺少技术指标等原因,导致该型破碎故障率非常高,极大影响了生产。所以我们应该向国外先进企业和技术学习,首先把基于建立一套完善准确故障指标体系的破碎机监控系统建立起来,从而实现了初步的故障诊断预警;然后结合当下热门的人工智能中BP神经网络算法,利用其模式识别的独到优势,研究探索出一个更进一步的,基于多个传感器参数综合分析的智能故障诊断系统,以弥补第一种主要以监控某个传感器阈值实现故障诊断的方式在许多故障上的局限性。基于上述内容,本文主要完成了以下几个研究内容:(1)通过了解破碎机的结构和组成以及各部和破碎机整体的运作原理,从多缸液压圆锥破碎机自身的结构组成因素以及恶劣的工作环境,分析出该型破碎机故障率高的原因,并通过选取破碎机一些主要的,典型的故障进行分析,分析出故障的具体原因和故障会对相关参数产生影响,为下一步选取传感器和设计电控系统做准备。(2)根据之前的分析,选取相应的检测传感器,结合美卓公司最新参数和韶瑞重工有限公司多年生产、运维收集的数据,对相关传感器的标准值或阈值进行设定;通过分析多缸液压圆锥破碎机的启动流程和当前国内一般破碎机电控逻辑,重新优化和设计了新的电控逻辑;并绘制了对应的电气原理图,应用PLC和触摸屏实现远程监视和操控的功能。(3)采集和分析多缸液压圆锥破碎机故障的原始数据,根据BP神经网络输入输出特点和多缸圆锥破碎机实际的工作状态,选取合适的与各类型故障所相对应的故障数据,建立故障样本的特征参数矩阵,为诊断模型的训练和测试提供故障样本集。(4)通过研究BP神经网络的概念、原理、特点,并结合多缸液压圆锥破碎机实际工作中故障发生的情况,分析出BP神经网络应用于多缸圆锥破碎机故障诊断领域的办法,将故障特征样本数据输入网络,以故障类型作为期望网络输出,设置相应训练样本,建立故障诊断网络,并通过训练结果对比确定了网络的具体结构,建立了BP神经网络多缸液压圆锥破碎机故障诊断模型。(5)多缸液压圆锥破碎机故障诊断模型验证和测试。以韶瑞重工SCH8000破碎机的真实故障参数为例,利用现实工程运用中收集到的真实故障样本对前面部分已经初步确立的运用BP神经网络算法的多缸液压圆锥破碎机故障诊断模型进行训练,并对训练完成后的诊断模型进行结果测试,最终验证了该多缸液压圆锥破碎机故障诊断系统对故障的诊断能力。
段国晨[2](2021)在《六自由度破碎机破碎行为及性能优化研究》文中提出圆锥破碎机是散体物料破碎的主要设备之一,其广泛应用于采矿、冶金、建筑等行业。其工作环境恶劣,主要零部件经常在高速重载的条件下工作,其造成的结果表现为能耗钢耗巨大。以节能降耗为目的的圆锥破碎机的优化设计为重点研究方向。目前采用的优化设计方法,均以传统结构圆锥破碎机为基础。不能从根本上避免能耗磨损大、腔型粒度劣化的问题。为解决上述问题,设计了六自由度破碎机。其结构和动锥驱动方式与传统圆锥破碎机不同。由六自由度并联机器人代替传统结构圆锥破碎机中主轴和偏心套驱动动锥,可以实时调节动锥运动方式。故六自由度破碎机可根据腔型与粒度参数实时调节动锥运动方式以实现最优破碎。本文研究散体物料尺寸参数、腔型尺寸参数与破碎机工作参数对散体物料破碎行为、总能耗及有效破碎能耗、衬板磨损量、产量的影响。以此为基础得到六自由度破碎机优化控制方法。在特定的物料与腔型下通过调节动锥的进动角、悬挂点位置以及摆动频率实现最优化破碎。该方法具有普适性,可推广至其他破碎设备的优化设计与控制中。主要研究内容包括以下几方面:(1)破碎产物分布研究。研究破碎腔中散体物料的破碎演化过程,提出了单颗粒破碎产物三参数Beta分布。考虑散体物料粒径期望、粒度分布系数、原始压缩厚度、实际压缩比、紧边长度对散体物料单颗粒压缩比的影响,利用离散元仿真,建立单颗粒压缩比函数。基于上述模型,得到一定物料参数与破碎机参数下的破碎产物分布模型。(2)破碎机能耗与衬板磨损研究。利用离散元法,在不同仿真条件下研究了物料参数与破碎机尺寸参数对应力的影响。建立应力函数。建立动锥运动模型,以此为基础得到动锥上每点应力与速度模型,将上述模型结合得到破碎机能耗与动锥衬板磨损模型。实验验证方面,以PYGB1821型圆锥破碎机破碎腔尺寸、工作条件、实际作业中的给料分布数据为基础,结合破碎产物模型和能耗模型与衬板磨损模型,得到特定条件下衬板全寿命周期的理论破碎产物粒度分布、能耗和磨损量。(3)六自由度破碎机优化控制研究。以破碎产物12mm以下颗粒质量分数、总能耗、磨损量、能耗效率、产量作为六自由度破碎机性能指标,以进动角、悬挂点位置、动锥摆动频率作为不同工作条件的变量,腔型为PYGB1821型圆锥破碎机未磨损时腔形,在不同工作条件下对六自由度破碎机性能指标进行了研究。进一步以性能指标函数为基础,通过模糊多属性决策问题的权重确定方法确定各高度磨损量权重,建立当量磨损量模型。上述性能指标确定后,建立六自由度破碎机优化控制模型。优化模型以上述性能指标为基础优化目标函数。以进动角、悬挂点位置、动锥摆动频率为优化变量。优化函数利用灰狼优化算法求解。得到针对特定腔型与物料特性的优化控制方案。以上述研究成果为基础,得到针对衬板全寿命周期中不同腔型的优化控制方案。与原有方案相比破碎机性能可得到明显改善。(4)方法推广研究。将上述优化计算方法推广至其他破碎设备的研究中。以高压辊磨机为例。研究中,建立页岩单颗粒破碎产物函数。以高压辊辊缝、辊径、转速作为工作条件,建立单颗粒压缩比分布函数与应力函数。并以应力函数为基础建立能耗与磨损函数。以某型号高压辊磨机实验数据对上述模型进行了验证。最后以粒度、功率、产量为优化目标。以高压辊辊缝、辊径、转速为优化变量对特性给料粒度分布下的高压辊磨机工作条件进行了优化。优化方案中同等产量下能耗有所改善。
刘维佳[3](2020)在《基于大脑情绪控制器的同步磁阻电机矢量控制系统研究》文中认为同步磁阻电机(SynRM)以其成本低、可靠性高、效率高、转动惯量小、运行安全等特点成为电机研究的热点。虽然同步磁阻电机有诸多优点,但是因其本体结构的特点,使得其磁场具有明显的非线性,磁饱和与交叉耦合问题严重。这使得传统通用控制器无法快速跟随系统变化,也就造成了SynRM的动、静态响应效果不佳,难以实现电机的精确控制。为了改变SynRM控制中存在的这种问题,就需要控制器能够适应系统参数的变化。大脑情绪智能控制器作为一种基于情感边缘系统计算模型的新型控制器,能够根据大脑情绪学习机理并结合被控对象的实际特点,对非线性系统进行高性能控制。因此,本文提出了一种基于情感边缘系统计算模型的大脑情绪学习智能控制器(BELBIC)以实现对同步磁阻电机控制系统参数变化的自学习与自调节。本文首先介绍SynRM基本原理,结合SynRM的结构特点,分析磁饱和效应对电机控制造成的影响,并在此基础上得到磁饱和条件下的SynRM数学模型;之后分析边缘系统计算模型设计出大脑情绪学习控制器仿真模型。其次,基于大脑情绪控制理论设计选取适当的感官输入函数和情感奖惩函数,总结大脑情绪控制器的参数调节规律,并对感官输入函数和情感奖惩函数的相关参数进行调节,搭建大脑情绪智能控制器仿真模型,完成基于大脑情绪智能控制器的同步磁阻电机矢量控制系统模型的搭建,以实现基于BELBIC的SynRM自学习控制策略的设计,并对BELBIC进行了稳定性分析。最后,利用MATLAB软件对搭建的实验系统进行仿真实验,分析BELBIC在SynRM考虑磁饱和现象后变参数、变负载等不同工作状态下的控制效果,并通过与基于传统PI控制器的SynRM最大转矩电流比控制系统进行对比,得出大脑情绪智能控制器在非线性系统控制方面具有自调节能力与强鲁棒性等优点。
周小云,蔡改贫,汤文聪,于习文[4](2019)在《振动慢剪破碎机模糊解耦PID控制》文中认为针对振动慢剪破碎机碎矿过程多变量、强耦合、大时滞的特点,提出了一种基于自适应粒子群算法优化的模糊解耦PID控制方法。在对振动慢剪破碎机动态模型进行对角矩阵解耦的基础上,分别对给料量和振动电动机频率进行模糊PID控制,并引入自适应粒子群优化算法对模糊PID控制的隶属函数参数进行动态优化,从而实现主电动机工作电流及合格矿料产率精确、稳定、快速控制。仿真及试验结果表明,该方法具有响应速度快、调节时间短、超调量小的特点。
谢伟[5](2019)在《磨选过程中集散控制系统的研究与应用》文中进行了进一步梳理选矿厂过程自动控制是选矿厂矿山自动化控制的一项主要工作内容,它是实现数字化矿山的基本条件,矿石的破碎和磨矿分级过程是一个具有多变量、强干扰、大滞后、非线性强和参数时变等特性的工业过程。磨机的处理对象矿石的性质很难定量分析,同时磨机的工作状态也很难判断,我们只能定性地判断磨机工作状态和矿石性质的变化趋势。对于磨机磨矿这种有大量的过程参数频繁变化的生产过程,常规控制是无法实现磨机的精确控制的,但是有经验的球磨工可以取得很好地控制效果。模糊系统的功能非常强大,因为它将与环境中的过程相关的人的经验知识转换成了具体的操作。这些知识(特别是关于过程和设备的静态和动态行为的知识)通过使用模糊系统被用于实现过程自动化。本论文是以某矿业公司选矿球磨自动化系统的工程项目为背景,对球磨机自动控制方案进行研究与应用。此矿业公司选矿厂设计规模为每年处理磁铁矿1500万吨,生产铁精矿300万吨。此公司是某集团公司重要原料基地之一,因此公司必须完成生产任务,同时也要使成本达到最低。这就促使选矿全流程自动化系统的水平达到最高。论文介绍了该矿业公司选矿工艺,论述了国内磨矿技术的现状和发展趋势;分析了磨矿系统工艺流程和运行特点;确定了自动控制系统检测和控制目标,提出控制方案。文中对卸料小车的自动控制进行了设计,实现了卸料小车的无人值守,同时对球磨机给矿量模糊控制系统进行了深入研究,在设定给矿量时,分别设计磨音频谱、磨机功率、分级机电流和给矿量设定四个模糊控制器的设计,并对于原矿性质改变与磨音频谱、磨机功率、分级机电流三参数的关系作了探讨。在实施过程中,通过对现场人工操作规律的深入细致的摸索总结,并经过精心调整,设计出了稳定有效的模糊控制器,获得了较好的控制效果。该设计已成功应用于该矿业公司的磨矿分级自动控制系统,其在改善破碎作业环境,稳定铁精矿品位、提高球磨机产量等方面起到了重要作用,并取得了显着的经济效益。
樊凯[6](2019)在《辊式破碎机辊缝间隙电液控制系统关键技术研究》文中研究说明辊式破碎机作为物料破碎的常用设备,其在使用过程中,常需调整辊缝间隙,以满足物料破碎粒度的要求。但目前针对辊式破碎机辊缝间隙调整多采用间隙调整垫板调整,费时费力且辊缝间隙调整不方便,而且在生产过程中,由于辊子磨损造成的辊缝间隙变化,不能实时调节,导致破碎粒度变化,影响破碎质量。为实现辊缝间隙的方便调整,本文设计了辊式破碎机辊缝间隙电液控制系统,建立了液压缸位置控制系统数学模型;针对液压缸位置控制系统进行了控制器设计,对液压缸位置控制性能进行了仿真研究;针对双缸同步控制系统进行了同步控制结构设计,对同步控制性能进行了仿真研究;最后搭建了辊缝间隙电液控制系统实验平台,测试了系统响应特性。论文主要研究内容如下:(1)根据辊缝间隙电液控制系统的功能需求,设计了辊缝间隙电液控制系统,制定了电液控制系统的工作流程,并完成了系统中主要液压、电气元件的选型设计。(2)针对辊缝间隙电液控制系统,建立了基于加权平均的对称阀控制非对称缸位置控制系统的数学模型,基于系统数学模型搭建了Simulink仿真模型并进行了系统稳定性分析。(3)针对液压缸位置控制系统设计了决策因子自修正模糊PID控制器,仿真结果表明所设计控制器提高了液压缸位置控制系统位置控制性能;针对双缸同步控制系统,采用了一种基于参考模型自适应的同步误差补偿控制结构,仿真结果表明所采用同步控制结构改善了双缸同步控制系统同步控制性能。(4)搭建了辊缝间隙电液控制系统实验平台,测试了液压缸位置控制性能以及双缸同步控制性能,通过对比分析仿真与实验数据,结果表明:仿真结果和实验结果相吻合,验证了系统数学模型的正确性及控制策略的有效性。
刘旭强[7](2019)在《矿石破碎控制系统及其算法研究》文中提出选矿工艺在冶金工业中占有十分重要的地位。通过选矿得到的矿石品位直接影响到冶炼中的生产产品的质量,因此控制好选矿生产工序是极其必要的。而破碎过程是选矿工艺中的首要工序流程,对选矿产品的质量及产量起着至关重要的作用。实现破碎过程自动控制的首要任务就是对给矿量进行自动调节,来保证破碎机腔料位的稳定,从而提高破碎机的破碎能力及整体运行效率,使得破碎机始终工作在最佳状态,降低选矿生产成本。然而破碎系统中的给料自动控制具有大惯性、纯滞后、时变性以及非线性的特点,使得采用常规的PID控制难以满足控制要求,为此提出了一种基于改进粒子群算法优化模糊控制器相关参数的破碎给矿控制优化方法,利用模糊控制对非线性系统及时变参数都具有较好的控制及适应性的特点,对破碎给料控制系统进行更好的优化控制,同时考虑到模糊自适应PID控制器的控制效果受其初始值及相关参数的影响较大,因此必须对这些参数进行优化针对此问题,本文采用了改进的粒子群算法对控制器相关参数进行优化,选取最适的参数,应用到模糊控制器中,从而实现对破碎给料控制系统更加稳定的控制,然后通过对破碎系统进行设计,将模糊控制应用到PLC中,实现对破碎给料料位的稳定控制。通过仿真结果可以看出,采用改进的粒子群算法优化后的模糊控制器对破碎给料控制具有较好的控制效果,使得破碎机工作在最佳运行状态,保证了选矿破碎过程的稳定,提高了破碎效率,降低了生产成本,具有较高的工程应用价值,对选矿工艺乃至整个冶金工业都具有重要的经济、实用价值。
李爱莲,岳峰[8](2012)在《基于STM32的液压圆锥破碎机的智能控制》文中研究指明针对目前液压圆锥破碎机普遍自动化程度较低的现状,设计了以ARM Cortex-M3内核的STM32单片机为核心的液压圆锥破碎机智能控制系统。硬件方面完成了外部信号的调理、采集、处理和数据的传输工作。由于圆锥破碎机破碎过程中时变、非线性和大滞后特性,设计了模糊参数自整定PID控制和改进型模糊Smith预估器的智能控制器。该智能控制器的动态性能和抗干扰性优于传统控制方式,且有效降低了数学模型不匹配对系统的影响,较好地实现了破碎机的恒功率控制。
岳峰[9](2012)在《液压圆锥破碎机系统智能控制的研究与设计》文中认为破碎机生产过程是一个具有变参数、非线性的大滞后系统,实际生产中会产生各种各样的干扰,采用常规PID控制方法很难获得满意的控制效果。由于模糊控制不依赖精确的数学模型,能够很好的克服非线性因素影响,并且具有较强的鲁棒性。一般常采用模糊控制和PID控制结合的控制方式。本文从液压圆锥破碎机系统自身的特点出发,在系统主调节器中设计了将模糊控制和PID结合起来的控制方法,这样不仅保持了PID控制器整定方便、适应性强和结构简单的特点,而且通过模糊控制在线调整PID参数极大地克服了非线性影响。为了改善纯滞后系统的控制品质,最常用的方法是纯滞后补偿法,即Smith预估器。只有当预估的模型和实际对象无误差时,常规Smith能很好的改善纯滞后系统的动态特性,但是当预估的模型和实际对象模型有误差时,控制品质会明显地恶化,甚至发散,而且鲁棒性较差难以克服外部扰动。有介于此,本课题采用一种改进型Smith预估器,利用模糊控制在线整定其一阶惯性环节的时间参数,最终把模糊自整定PID控制与模糊自适应Smith预估环节结合起来构成一个模糊Smith智能控制方案。本文分别对PID初始参数整定以及被控对象的参数发生变化时进行了仿真研究,仿真结果表明,系统具有较强的鲁棒性和较高的自适应性,并且很好的克服了对象模型参数变化带来的不利影响,能很好地实现智能控制算法。最后,本文把模糊Smith智能控制方法通过STM32单片机进行实现,并完成了以STM32为核心的智能控制系统的硬件软件设计。
温娜[10](2011)在《物料预磨过程的计算机控制系统设计》文中研究指明矿用预磨机是集碎矿和磨矿功能于一体的设备,是实现多碎少磨的一种有效手段,但设备的高效可靠运行对矿厂的生产安全和经济效益有重大影响。预磨机碎磨工况非常复杂,影响物料预磨的因素也很多。因此,设计相应的计算机控制系统对提高预磨机的碎磨效能和自动控制水平具有较好的研究价值及应用前景。本课题的目标是设计满足粒度生产要求并且功率消耗耗少的自动控制系统,并实现预磨机物料生产过程的自动化控制。主要研究内容如下:(1)通过分析预磨机系统的工作原理及其性能工艺,确定所设计的预磨机计算机控制系统的功能及实现方法,并建立预磨机各主要工作参数(负荷、给料量、主轴转速等)的控制模型。(2)根据预磨机控制需求,采用模糊控制算法设计了两个二维的模糊控制器对该系统进行控制,详细介绍了运用MATLAB软件的模糊逻辑工具箱开发模糊控制器的过程,并运用SIMULINK对预磨机控制系统进行了仿真研究。(3)通过分析控制系统的结构及控制要求,设计了控制系统的硬件系统、硬件电路以及软件系统。硬件选型上选用了SIEMENS公司S7-200系列的CPU224作为系统的主控装置, EM235和EM232扩展模块、Invt(英威特)变频器和位移传感器等。软件设计包括运用Step7 Micro/Win4.0编程软件对控制过程进行编程,运用MCGS组态软件进行监控界面的设计和调试。(4)根据主电机工作电流、排料粒度信号,运用模糊控制算法对碾盘工作压力、排料口间隙、主电机工作电流、排料粒度、主轴电机转速、和给料量实时在线监控。(5)根据预磨机物料破碎过程的计算机控制系统进行了现场试验,实验结果表明,计算机控制系统能可靠的实现监控和系统保护功能,预磨机工作的稳定性和产品质量明显得到提高,能够满足预磨机对计算机控制系统的要求。本课题在设计预磨机物料破碎过程的控制系统方面有所创新,在选矿行业中对节能减耗和提高磨矿产量均有重大的社会经济效益,因而具有广泛的应用前景。
二、模糊仿人控制器在圆锥破碎机控制中的应用研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、模糊仿人控制器在圆锥破碎机控制中的应用研究(论文提纲范文)
(1)多缸液压圆锥破碎机智能故障诊断系统研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景 |
1.2 国内外现状及趋势 |
1.2.1 多缸液压圆锥破碎机故障诊断研究现状及趋势 |
1.2.2 BP神经网络故障诊断研究现状及趋势 |
1.3 论文内容安排 |
2 多缸液压圆锥破碎机典型故障分析 |
2.1 多缸液压圆锥破碎机基本介绍 |
2.1.1 基本组成与结构 |
2.1.2 工作基本原理 |
2.2 破碎机运行不稳定故障率高的原因 |
2.2.1 自身结构因素 |
2.2.2 恶劣的工作环境 |
2.3 典型故障类型分析 |
2.3.1 典型故障类型 |
2.3.2 故障对相关参数指标的影响 |
2.4 本章小结 |
3 基于优化逻辑和参数的故障诊断电控系统 |
3.1 传感器的选定与电控参数设定 |
3.1.1 相关传感器的选定 |
3.1.2 电控参数的设定 |
3.2 电控系统基本原理 |
3.2.1 多缸液压圆锥破碎机启停运行逻辑 |
3.2.2 一般破碎机电控 |
3.3 电气控制电路设计 |
3.3.1 优化电控后的电气原理图 |
3.3.2 结合PLC和触摸屏的控制系统 |
3.4 本章小结 |
4 基于BP神经网络算法的故障诊断系统 |
4.1 BP神经网络原理 |
4.1.1 人工神经网络 |
4.1.2 BP 神经网络算法 |
4.2 基于BP神经网络的多缸液压圆锥破碎机故障诊断模型 |
4.2.1 BP神经网络与破碎机领域的结合 |
4.2.2 BP神经网络故障诊断模型基本流程 |
4.2.3 建立故障样本集 |
4.2.4 BP神经网络的构建 |
4.2.5 BP神经网络的学习 |
4.2.6 BP 神经网络精度与网络性能评估 |
4.3 本章小结 |
5 多缸液压圆锥破碎机诊断模型实例分析 |
5.1 故障诊断模型训练样本准备 |
5.2 故障训练样本数据预处理 |
5.3 故障诊断模型训练与性能测试 |
5.4 BP神经网络训练方法的比较选择 |
5.5 BP神经网络结构比较选择 |
5.6 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 创新点概述 |
6.3 工作展望 |
参考文献 |
致谢 |
(2)六自由度破碎机破碎行为及性能优化研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
缩写和符号清单 |
1 引言 |
1.1 课题研究背景及意义 |
1.2 圆锥破碎机概述 |
1.3 圆锥破碎机研究现状 |
1.3.1 物料破碎过程及产物研究 |
1.3.2 破碎能耗研究 |
1.3.3 衬板磨损研究 |
1.3.4 优化控制研究 |
1.4 论文章节安排 |
2 六自由度破碎机运动模型与破碎产物分布建模 |
2.1 六自由度破碎机运动模型 |
2.1.1 六自由度破碎机运动参数 |
2.1.2 六自由度破碎机尺寸参数 |
2.2 破碎产物分布模型 |
2.2.1 单颗粒破碎产物模型 |
2.2.2 散体物料单颗粒压缩比分布 |
2.2.3 散体物料整体破碎产物分布 |
2.3 破碎产物分布仿真 |
2.3.1 单颗粒破碎产物仿真 |
2.3.2 单颗粒压缩比分布仿真 |
2.4 铁矿石压缩破碎实验 |
2.5 本章小结 |
3 破碎机能耗与衬板磨损研究 |
3.1 功率和衬板磨损模型 |
3.1.1 动锥功率模型 |
3.1.2 动锥应力分布 |
3.1.3 动锥上一点速度 |
3.1.4 动锥上一点功率 |
3.1.5 衬板磨损模型 |
3.2 动锥受力仿真 |
3.3 实验验证 |
3.3.1 摩擦磨损系数实验验证 |
3.3.2 动锥衬板磨损试验 |
3.3.3 衬板磨损量与破碎产物分布实验验证 |
3.3.4 能耗实验验证 |
3.4 本章小结 |
4 六自由度破碎机优化控制计算 |
4.1 不同工作条件下六自由度破碎机性能指标 |
4.1.1 12mm以下颗粒质量分数 |
4.1.2 总能耗 |
4.1.3 有效破碎能耗 |
4.1.4 产量 |
4.1.5 磨损量与当量磨损量 |
4.2 优化目标函数的建立 |
4.3 优化算法与优化计算结果 |
4.3.1 灰狼优化算法原理 |
4.3.2 灰狼优化算法计算过程 |
4.3.3 灰狼优化算法计算结果 |
4.4 衬板全寿命周期优化方案 |
4.5 本章小结 |
5 方法推广研究 |
5.1 破碎产物分布函数 |
5.1.1 单颗粒破碎产物分布分布 |
5.1.2 单颗粒压缩比仿真 |
5.1.3 模型验证 |
5.2 优化计算 |
5.2.1 高压辊磨机性能指标 |
5.2.2 优化函数与优化计算结果 |
5.3 本章小结 |
6 结论 |
6.1 全文总结 |
6.2 主要创新点 |
6.3 展望 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(3)基于大脑情绪控制器的同步磁阻电机矢量控制系统研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究目的与意义 |
1.2 课题国内外研究现状 |
1.2.1 群智能算法研究现状 |
1.2.2 大脑情绪智能控制器研究现状 |
1.3 本课题主要研究内容 |
第二章 同步磁阻电机及大脑情绪控制器的理论基础 |
2.1 同步磁阻电机的工作原理 |
2.2 同步磁阻电机的数学模型 |
2.2.1 SynRM线性数学模型 |
2.2.2 考虑磁饱和的SynRM非线性数学模型 |
2.3 情感边缘系统工作机理 |
2.3.1 情感边缘系统生物学机理 |
2.3.2 情感边缘系统计算模型 |
2.4 本章小结 |
第三章 基于BELBIC的 SynRM自学习控制研究 |
3.1 基于BELBIC的 SynRM控制策略设计 |
3.1.1 BEL计算模型分析 |
3.1.2 基于BEL模型的SynRM控制器设计 |
3.2 BELBIC的调节规律研究 |
3.2.1 杏仁体和眶额皮质权值调节规律 |
3.2.2 BELBIC的调节机理总结 |
3.3 BELBIC稳定性分析 |
3.4 BELBIC参数变化影响趋势 |
3.4.1 理想状态下SynRM控制器参数调节 |
3.4.2 考虑磁饱和状态下SynRM控制器参数调节 |
3.5 仿真验证及分析 |
3.5.1 理想状态下的SynRM控制系统分析 |
3.5.2 考虑磁饱和状态下的SynRM控制系统分析 |
3.6 本章小结 |
第四章 不同工况下BELBIC控制能力的对比分析 |
4.1 磁饱和状态下的SynRM最大转矩电流比控制策略 |
4.2 BELBIC与PI控制器的对比研究 |
4.2.1 负载突变条件下的BELBIC与PI控制器对比分析 |
4.2.2 变参数条件下BELBIC与PI控制器的对比分析 |
4.3 SynRM多状态变负载情况下的BELBIC控制效果分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 论文总结 |
5.2 进一步研究方向 |
参考文献 |
攻读硕士期间所取得的相关科研成果 |
致谢 |
(4)振动慢剪破碎机模糊解耦PID控制(论文提纲范文)
0 引言 |
1 振动慢剪破碎机动态模型 |
2 振动慢剪破碎机模糊解耦PID控制 |
2.1 对角矩阵解耦 |
2.2 模糊PID控制器 |
2.2.1 给料量模糊PID控制器 |
2.2.2 振动电动机频率模糊PID控制器 |
3 基于APSO算法优化的模糊PID控制器 |
4 仿真验证 |
5 试验验证 |
6 结语 |
(5)磨选过程中集散控制系统的研究与应用(论文提纲范文)
摘要 |
abstract |
1 引言 |
1.1 课题背景 |
1.2 课题意义 |
1.3 研究内容 |
1.4 选矿系统现状及问题 |
1.4.1 国外选矿过程控制技术的发展 |
1.4.2 国内选矿过程控制技术的发展 |
1.4.3 系统功能概述 |
1.4.4 过程控制技术的新发展 |
1.5 系统设计目标 |
1.6 论文结构安排 |
2 选矿工艺流程概况 |
2.1 破碎系统 |
2.2 磨选系统 |
2.3 尾矿系统 |
2.4 选矿集散控制系统研究 |
2.5 组态与编程工具 |
2.6 控制系统总体设计 |
2.6.1 系统硬件配置 |
2.6.2 变量建立 |
2.6.3 组态画面编辑 |
2.7 本章小结 |
3 破碎控制系统设计 |
3.1 破碎机控制系统设计 |
3.1.1 破碎机组成及工作原理 |
3.1.2 破碎机给矿控制分析 |
3.1.3 给矿控制实现 |
3.1.4 数据采集过程 |
3.2 卸料小车自动控制设计 |
3.2.1 布料系统概述 |
3.2.2 控制系统分析 |
3.2.3 矿仓料位检测 |
3.2.4 小车定位检测控制 |
3.2.5 布料小车控制实现 |
3.3 本章小结 |
4 磨机控制系统设计 |
4.1 磨机系统组成及工作原理 |
4.1.1 球磨机组成结构 |
4.1.2 磨机磨矿过程连锁控制 |
4.2 影响磨机磨矿效率因素 |
4.2.1 磨矿浓度对磨机效率的影响 |
4.2.2 磨机电流反馈对磨机运行效率的影响 |
4.2.3 其他因素的影响 |
4.3 磨矿分级系统控制方案 |
4.3.1 一段磨矿分级控制系统 |
4.3.2 二段磨矿分级控制系统 |
4.3.3 三段磨矿分级控制系统 |
4.4 磨矿设备参数与计算 |
4.5 磨矿系统模糊控制设计 |
4.5.1 模糊控制设计背景 |
4.5.2 模糊控制原理 |
4.5.3 模糊控制PID结构 |
4.6 模糊控制在磨矿系统中的应用 |
4.6.1 磨机磨音、功率模糊控制 |
4.6.2 磨机给矿量模糊控制设计 |
4.6.3 磨机磨矿浓度控制 |
4.7 磨机控制系统的实现 |
4.7.1 磨机控制系统的设计 |
4.7.2 磨机控制系统的实现 |
4.8 运行效果、存在问题及展望 |
4.9 本章小结 |
结论 |
参考文献 |
附件[调用功能块代码] |
在学研究成果 |
致谢 |
(6)辊式破碎机辊缝间隙电液控制系统关键技术研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 课题来源及背景 |
1.2 课题研究现状及存在问题 |
1.3 课题研究内容与方法 |
1.4 课题研究意义 |
1.5 论文结构 |
2 辊式破碎机辊缝间隙电液控制系统方案设计 |
2.1 辊式破碎机工作原理与基本结构 |
2.2 辊缝间隙电液控制系统技术要求 |
2.3 辊缝间隙电液控制系统组成及工作原理 |
2.4 辊缝间隙电液控制系统主要元件选型设计 |
2.5 本章小结 |
3 辊式破碎机辊缝间隙电液控制系统数学模型建立 |
3.1 液压缸位置控制系统数学模型建立 |
3.2 液压缸位置控制系统稳定性分析 |
3.3 本章小结 |
4 辊式破碎机辊缝间隙电液控制系统控制策略研究 |
4.1 液压缸位置控制系统控制器设计 |
4.2 基于控制器液压缸位置控制系统仿真模型建立 |
4.3 液压缸位置控制系统位置控制性能仿真研究 |
4.4 双缸同步控制系统控制结构设计与仿真研究 |
4.5 实验工况辊缝间隙电液控制系统控制性能仿真研究 |
4.6 本章小结 |
5 辊式破碎机辊缝间隙电液控制系统实验研究 |
5.1 实验目的及内容 |
5.2 辊缝间隙电液控制系统实验平台搭建 |
5.3 辊缝间隙电液控制系统性能测试及分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(7)矿石破碎控制系统及其算法研究(论文提纲范文)
中文摘要 |
ABSTRACT |
1.绪论 |
1.1 课题研究的背景 |
1.2 课题研究的目的及意义 |
1.3 破碎工艺在国内外研究现状 |
1.3.1 选矿工艺以及自动化的发展 |
1.3.2 破碎工艺以及自动化的发展与现状 |
1.4 论文主要工作及章节安排 |
1.5 本章小结 |
2.破碎工艺流程分析 |
2.1 破碎工艺的流程简介 |
2.2 破碎给料过程中机腔料位检测 |
2.3 破碎过程中控制对象模型构建 |
2.4 本章小结 |
3.改进粒子群算法研究 |
3.1 基本粒子群算法 |
3.2 粒子群算法改进 |
3.2.1 粒子群算法的改进思路 |
3.2.2 粒子群算法的步骤及流程 |
3.3 仿真实验与结果分析 |
3.3.1 仿真测试函数 |
3.3.2 仿真结果分析 |
3.4 本章小结 |
4.模糊自适应PID在破碎给料系统中的应用 |
4.1 破碎给料控制过程的方法改进 |
4.1.1 破碎给料过程控制的基本理论 |
4.1.2 破碎给料控制方法的改进 |
4.2 模糊控制基本理论及模糊控制器的设计 |
4.2.1 模糊控制基本理论 |
4.2.2 模糊控制器的设计过程 |
4.3 破碎给料控制过程 |
4.4 破碎给矿系统模糊控制器的设计与实现 |
4.4.1 基于模糊逻辑的给矿量控制系统设计 |
4.4.2 模糊控制器在MATLAB中的实现 |
4.5 改进粒子群算法对控制器参数寻优 |
4.6 本章小结 |
5.破碎控制系统的总体设计 |
5.1 破碎控制系统的设计与实现 |
5.2 破碎系统的硬件设计 |
5.2.1 破碎系统的电气控制设计 |
5.2.2 破碎系统自动控制实现过程 |
5.3 选矿破碎系统的软件设计 |
5.4 WINCC画面的编写 |
5.5 模糊PID控制的PLC实现 |
5.6 本章小结 |
6.总结 |
参考文献 |
致谢 |
作者简介 |
(8)基于STM32的液压圆锥破碎机的智能控制(论文提纲范文)
1 系统的整体设计方案 |
2 控制器设计 |
2.1 硬件电路设计 |
2.2 控制算法设计 |
2.2.1 模糊PID控制器的设计 |
2.2.2 改进型模糊自适应Smith的设计 |
2.2.3 智能系统的软件设计 |
3 系统仿真 |
4 结论 |
(9)液压圆锥破碎机系统智能控制的研究与设计(论文提纲范文)
摘要 |
Abstract |
1 文献综述 |
1.1 破碎机的现状及发展趋势 |
1.2 单缸液压圆锥破碎机的工作原理及结构特点 |
1.3 破碎机的工艺流程 |
2 系统的组成与设计方案 |
2.1 总体结构 |
2.2 控制方法的选取 |
2.3 控制系统硬件设计 |
2.4 现场信号采集 |
2.4.1 模拟信号采集电路设计 |
2.4.2 其它基本功能模块 |
3 系统控制算法的分析与设计 |
3.1 PID 控制器 |
3.2 模糊控制原理 |
3.2.1 模糊控制器的基本结构 |
3.3 模糊 PID 设计方法 |
3.4 带 Smith 预估补偿的模糊自整定 PID 控制器设计 |
3.5 改进的 Smith 参数预估补偿器 |
3.6 模糊 Smith 智能控制方法 |
3.7 本章小结 |
4 系统建模与算法仿真 |
4.1 控制对象简介 |
4.1.1 圆锥破碎机的数学模型分析 |
4.2 算法仿真比较 |
4.2.1 手工整定参数与 Ziegler-Nichols 整定参数法的仿真比较 |
4.2.2 常规 Smith 预估控制与模糊自适应 Smith 智能控制的仿真比较 |
4.3 本章小结 |
5 破碎机控制系统软件设计 |
5.1 系统设计 |
5.2 系统软件设计 |
5.2.1 破碎机智能控制系统的初始化 |
5.2.2 主控制算法的实现 |
5.3 本章小结 |
结论 |
参考文献 |
附录 A 硬件连接图 |
在学研究成果 |
致谢 |
(10)物料预磨过程的计算机控制系统设计(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究的目的和意义 |
1.2 自动化控制技术在选矿行业中的应用 |
1.2.1 破碎机自动控制技术的现状 |
1.2.2 磨矿分级控制策略的现状 |
1.2.3 选矿自动化专业检测仪表的新进展 |
1.3 液压技术在破碎机控制方面的应用 |
1.4 模糊控制及其在碎磨工艺自动化技术中的应用 |
1.4.1 模糊控制理论的现状 |
1.4.2 模糊控制在碎磨工艺自动化技术中的应用 |
1.5 论文的主要研究内容 |
第二章 预磨机计算机控制系统的分析 |
2.1 预磨机预磨矿系统的组成 |
2.1.1 设备结构和工作原理简介 |
2.1.2 设备技术特点简介 |
2.2 预磨机系统性能及工艺分析 |
2.2.1 预磨机预磨矿系统性能分析 |
2.2.2 预磨机碎磨过程的工艺分析 |
2.3 预磨机计算机控制系统的功能及实现方法 |
2.3.1 主电机工作电流的测定 |
2.3.2 排料口间隙的设定及排料粒度的测定 |
2.3.3 确定主轴转速和给料量的模糊控制策略 |
2.4 小结 |
第三章 预磨机控制系统模糊控制器设计与仿真 |
3.1 模糊控制原理介绍 |
3.2 预磨机控制系统模糊控制器的设计 |
3.2.1 给料模糊控制器的设计 |
3.2.2 主轴转速模糊控制器的设计 |
3.3 预磨机模糊控制系统的MATLAB 仿真分析 |
3.3.1 预磨机控制系统数学模型的建立 |
3.3.2 仿真模型的建立 |
3.3.3 仿真结果分析 |
3.4 小结 |
第四章 预磨机控制系统硬件设计 |
4.1 预磨机控制系统总体设计方案 |
4.2 系统硬件的选型 |
4.3 可编程控制器的选型 |
4.4 扩展模块的选型 |
4.4.1 模拟量模块的选择 |
4.4.2 通信模块的选择 |
4.5 通讯卡的选型 |
4.6 传感器的选型 |
4.6.1 位移传感器的选型 |
4.6.2 压力传感器选型 |
4.6.3 称重传感器的选型 |
4.7 变频器及伺服阀的选型 |
4.7.1 变频器的选型 |
4.7.2 伺服阀的选型 |
4.8 控制系统的I/O 接线图设计 |
4.9 小结 |
第五章 预磨机控制系统软件设计 |
5.1 下位机PLC 编程 |
5.1.1 编程软件STEP7 介绍 |
5.1.2 程序设计 |
5.1.3 模糊控制的实现及程序设计 |
5.2 上位机与PLC 通讯及监控界面设计 |
5.2.1 PLC 与上位机通讯设置 |
5.2.2 监控主界面设计 |
5.2.3 系统参数界面设计 |
5.2.4 数据显示界面设计 |
5.2.5 报警记录界面设计 |
5.3 小结 |
第六章 控制系统的实验分析 |
6.1 实验总体方案的设计 |
6.1.1 实验内容的确定 |
6.1.2 实验准备 |
6.2 实验条件的确定 |
6.3 实验结果分析 |
6.4 小结 |
第七章 结论和展望 |
1. 结论 |
2. 展望 |
参考文献 |
致谢 |
个人简历 |
攻读硕士学位期间发表的学术论文与研究成果 |
四、模糊仿人控制器在圆锥破碎机控制中的应用研究(论文参考文献)
- [1]多缸液压圆锥破碎机智能故障诊断系统研究[D]. 张岚清. 中北大学, 2021(09)
- [2]六自由度破碎机破碎行为及性能优化研究[D]. 段国晨. 北京科技大学, 2021(08)
- [3]基于大脑情绪控制器的同步磁阻电机矢量控制系统研究[D]. 刘维佳. 河北工业大学, 2020
- [4]振动慢剪破碎机模糊解耦PID控制[J]. 周小云,蔡改贫,汤文聪,于习文. 工矿自动化, 2019(11)
- [5]磨选过程中集散控制系统的研究与应用[D]. 谢伟. 内蒙古科技大学, 2019(03)
- [6]辊式破碎机辊缝间隙电液控制系统关键技术研究[D]. 樊凯. 中国矿业大学, 2019(09)
- [7]矿石破碎控制系统及其算法研究[D]. 刘旭强. 辽宁科技大学, 2019(01)
- [8]基于STM32的液压圆锥破碎机的智能控制[J]. 李爱莲,岳峰. 矿山机械, 2012(08)
- [9]液压圆锥破碎机系统智能控制的研究与设计[D]. 岳峰. 内蒙古科技大学, 2012(05)
- [10]物料预磨过程的计算机控制系统设计[D]. 温娜. 江西理工大学, 2011(11)