基于BP神经网络的工业缝纫机控制系统的研究

基于BP神经网络的工业缝纫机控制系统的研究

论文摘要

中国是纺织大国,同时也是世界上工业缝纫机的主要生产基地。现在先进的工业缝纫机控制系统以DSP为控制核心,集光、电、磁等检测和控制技术于一体,逐渐取代了传统的离合式异步电机缝纫机。本文根据平缝机启动快,调速范围广、停转快以及定位精确等要求,设计和研制了实验样机,经过多次改版调试,已经可以进行大批量的产业化生产。本论文主要完成了以下几方面工作:(1)考虑到工业平缝机控制系统是一个滞后、时变、非线性的控制系统,在分析无刷直流电机结构和数学模型的基础上,提出了BP神经网络整定参数的PID控制算法,并进行了MATLAB仿真和实验。(2)完成了控制系统的软硬件设计。硬件包括DSP主控电路及周边电路,电源、驱动电路、电机信号检测电路以及脚踏板电路等。然后针对工业平缝机的多项功能,在程序的设计中对各项子功能进行了模块化设计(3)测试了控制系统的调速性能和停针位置,将采用神经网络整定参数的PID控制器与传统的PID控制器调速效果进行了对比。测试了所研制的平缝机控制器的综合性能,满足了实际的应用需求。

论文目录

  • 致谢
  • 摘要
  • Abstract
  • 1. 绪论
  • 1.1 工业缝纫机行业的发展背景
  • 1.2 工业平缝机的发展状况
  • 1.3 工业平缝机伺服控制系统的介绍
  • 1.4 无刷直流电机的结构
  • 1.5 无刷直流电机的数学模型
  • 1.6 无刷直流电机的运行和控制原理
  • 1.7 无刷直流电机的控制技术的研究现状
  • 1.8 本论文的主要工作
  • 1.9 本章小结
  • 2. 控制系统的硬件电路设计
  • 2.1 控制器硬件系统的总体设计
  • 2.2 DSP芯片的介绍和其控制电路设计
  • 2.3 功率电路设计
  • 2.3.1 AC-DC整流电路的设计
  • 2.3.2 开关电源电路的设计
  • 2.3.3 驱动电路的设计
  • 2.4 主要外围电路的设计
  • 2.5 本章小结
  • 3. 基于BP神经网络的无刷直流电机控制系统的研究
  • 3.1 数字PID的原理和应用
  • 3.2 采用神经网络算法整定的PID控制器
  • 3.2.1 神经网络的发展和应用
  • 3.2.2 BP神经网络
  • 3.2.3 采用BP神经网络整定参数的PID控制器
  • 3.3 无刷直流电机控制系统的Matlab仿真
  • 3.3.1 Matlab和Simulink的介绍
  • 3.3.2 无刷直流电机控制器Simulink下的电路模型
  • 3.3.3 电机信号编码器的Simulink设计
  • PID模块的设计'>3.3.4 BPPID模块的设计
  • 3.3.5 Matlab仿真的结果
  • 3.4 本章小结
  • 4. 控制系统的软件设计
  • 4.1 DSP软件开发环境介绍
  • 4.2 控制系统主程序设计
  • 4.3 功能子程序设计
  • 4.3.1 无刷直流电机PWM调制方式的研究和程序设计
  • 4.3.1.1 无刷直流电机的电磁转矩脉动
  • 4.3.1.2 无刷直流电机的PWM调制方式
  • 4.3.1.3 换相期间PWM调制方式对转矩脉动的影响
  • 4.3.1.4 PWM调制方式对非换相期间转矩的影响
  • ONPWM调制方式'>4.3.1.5 一种新型的PWMONPWM调制方式
  • ONPWM调制方式的编程实现'>4.3.1.6 PWMONPWM调制方式的编程实现
  • 4.3.2 PID调速模块的程序设计
  • 4.3.3 脚踏板信号处理子程序
  • 4.3.4 电机的制动和停针模块子程序设计
  • 4.4 本章小结
  • 5. 平缝机控制系统的测试
  • 5.1 控制系统电路板实物图
  • 5.2 控制器调速性能的测试
  • 5.3 控制器制动和停针测试
  • 5.4 变负载时的转速稳定性测试
  • 5.5 电压波动时的转速稳定性测试
  • 5.6 控制器性能参数的综合测试
  • 5.7 本章小结
  • 6. 总结与展望
  • 6.1 工作总结
  • 6.2 研究展望
  • 参考文献
  • 作者简历
  • 1. 学习简历
  • 2. 发表文章
  • 相关论文文献

    • [1].基于BP神经网络对地震前兆的研究[J]. 科学技术创新 2019(33)
    • [2].基于BP神经网络的涡轴发动机故障诊断研究[J]. 智库时代 2019(52)
    • [3].基于BP神经网络的磁流变阻尼器逆向模型研究[J]. 海军工程大学学报 2019(06)
    • [4].基于BP神经网络的电梯噪声评价方法[J]. 数字技术与应用 2019(12)
    • [5].基于BP神经网络和支持向量机的荨麻疹证候分类探讨[J]. 广州中医药大学学报 2020(03)
    • [6].基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用 2020(02)
    • [7].基于BP神经网络的虚拟机评估[J]. 数字通信世界 2020(01)
    • [8].基于BP神经网络的科研项目经费管理风险评估[J]. 财务与会计 2019(22)
    • [9].基于BP神经网络的断层封闭性评价[J]. 复杂油气藏 2019(04)
    • [10].基于BP神经网络识别的曲堤油田低阻油层研究[J]. 宁夏大学学报(自然科学版) 2020(01)
    • [11].基于贝叶斯-BP神经网络的机械制造企业安全预警方法研究[J]. 安全与环境工程 2020(01)
    • [12].基于BP神经网络的扇区空管运行亚健康关联因子预测[J]. 安全与环境工程 2020(02)
    • [13].基于改进灰狼算法优化BP神经网络的短时交通流预测模型[J]. 交通运输系统工程与信息 2020(02)
    • [14].心理护理对于双相情感障碍(BP)病患认知功能产生的影响[J]. 临床医药文献电子杂志 2020(08)
    • [15].BP神经网络在雷达故障诊断中的应用[J]. 通信电源技术 2020(06)
    • [16].基于BP人工神经网络的英那河流域径流模拟研究[J]. 黑龙江水利科技 2020(03)
    • [17].基于BP神经网络的节能车弯道降速数学模型分析[J]. 汽车实用技术 2020(10)
    • [18].基于BP神经网络的临床路径优化[J]. 计算机技术与发展 2020(04)
    • [19].基于改进BP神经网络的羊肉价格预测[J]. 计算机仿真 2020(04)
    • [20].财务BP在企业管理中的应用与研究[J]. 商场现代化 2020(07)
    • [21].人工智能技术的热带气旋预报综述(之一)——BP神经网络和集成方法的热带气旋预报研究和业务应用[J]. 气象研究与应用 2020(02)
    • [22].基于改进BP神经网络的岩心图像分割方法研究[J]. 西安石油大学学报(自然科学版) 2020(04)
    • [23].基于BP神经网络的光纤陀螺误差补偿方法[J]. 物理与工程 2020(04)
    • [24].基于主成分分析和BP神经网络对大学生价值观的研究[J]. 科技经济导刊 2020(20)
    • [25].基于粒子群算法的BP模型在地下水位埋深预测研究中的应用[J]. 吉林水利 2020(08)
    • [26].基于BP神经网络的煤炭企业人岗匹配研究[J]. 煤炭经济研究 2020(07)
    • [27].基于改进BP神经网络的飞行落地剩油预测方法[J]. 飞行力学 2020(04)
    • [28].基于BP神经网络的网络安全态势预测[J]. 网络安全技术与应用 2020(10)
    • [29].以财务BP制度推进“业财融合”的研究[J]. 中国总会计师 2020(09)
    • [30].财务BP的企业实践研究[J]. 现代国企研究 2019(04)

    标签:;  ;  ;  ;  

    基于BP神经网络的工业缝纫机控制系统的研究
    下载Doc文档

    猜你喜欢