造纸工艺中关键参数的PID控制

造纸工艺中关键参数的PID控制

论文摘要

本论文从实际应用的角度出发,以中、小纸厂的经济型纸机定量、水分控制系统为对象,介绍了中、小纸厂的经济型纸机定量、水分控制系统的工艺流程、工作流程和此系统自动控制原理。针对这一系统的不确定、多变量强耦合、强非线性、大纯滞后、状态不完全可测、运行工况变化频繁等特性,考虑到用常规的数学方法建立模型的复杂性,因此用多元线性回归方法对此系统进行建模。本文再用BP神经网络PID控制器和常规PID控制器对已建立的模型分别进行控制,通过理论分析和仿真实验证明了BP神经网络PID控制器,和传统的PID控制器比较,有效的提高了过渡时间,保证了系统的品质,取得了很好的控制效果。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 课题背景及意义
  • 1.2 中、小纸厂的经济型纸机定量、水分控制发展概况
  • 1.2.1 实现中、小纸厂的经济型纸机定量、水分控制的意义
  • 1.2.2 国内外相关研究概况
  • 1.3 神经网络技术的发展与现状
  • 1.4 本论文的内容安排及特色
  • 第二章 中、小纸厂的经济型纸机定量、水分系统
  • 2.1 制浆造纸过程概况
  • 2.1.1 制浆过程工艺流程简介
  • 2.1.2 湿部工艺流程简介
  • 2.1.3 干部工艺流程
  • 2.2 常见的数字量控制回路
  • 2.2.1 数字量电动调节阀简介
  • 2.2.2 压力控制回路
  • 2.2.3 浓度控制回路
  • 2.3 本章小结
  • 第三章 中、小纸厂的经济型纸机定量、水分系统建模
  • 3.1 线性回归方法
  • 3.2 建立数学模型过程
  • 3.2.1 历史数据
  • 3.2.2 数学模型
  • 3.3 数学模型检验
  • 3.4 本章小结
  • 第四章 中、小纸厂的经济型纸机定量、水分系统的硬件和软件设计
  • 4.1 数字PID简介
  • 4.1.1 数字PID的组成和算法
  • 4.1.2 PID参数的整定
  • 4.2 纸浆浓度的硬件设计
  • 4.3 蒸汽压力调节的硬件设计
  • 4.4 本章小结
  • 第五章 中、小纸厂的经济型纸机定量、水分BP神经网络PID控制的探讨
  • 5.1 人工神经网络的概述
  • 5.1.1 人工神经网络模型
  • 5.1.2 激活函数
  • 5.1.3 神经网络的特点
  • 5.2 BP神经网络
  • 5.2.1 BP神经网络结构
  • 5.2.2 BP神经网络PID控制器的原理与算法
  • 5.3 BP神经网络PID控制系统图和编程
  • 5.3.1 BP神经网络设计分析
  • 5.3.2 控制方法的编程过程
  • 5.3.3 计算机仿真研究以及与常规PID控制系统的比较
  • 5.4 本章小结
  • 第六章 研究总结
  • 致谢
  • 参考文献
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  

    造纸工艺中关键参数的PID控制
    下载Doc文档

    猜你喜欢