一、电气阀门定位器综合评价（论文文献综述）
易兴[1]（2021）在《故障诊断与预测方法在气动产品中的应用与优化研究》文中研究指明目前,电气阀门定位器广泛应用在气动工业现场中,定位器如果发生故障,整个控制回路中就会出现振荡,从而加快设备的损耗并且降低生产质量,最终造成资源的浪费。对定位器进行故障诊断和故障预测可以确保整个气动系统的正常运行。本文主要的研究内容如下:（1）对定位器进行故障分析,说明常见的故障现象、故障产生的原因和故障的处理办法。然后搭建定位器实验平台,用于采集定位器的状态参数数据。（2）选取定位器的五种典型机械故障,通过人为给定位器制造故障,来模拟定位器的真实故障状态。然后分别对每种故障状态下的定位器进行故障模拟试验,同时采集定位器的各状态参数数据。对采集到的数据进行小波阈值去噪处理,接着对定位器各状态参数进行特征构造并利用XGBoost算法进行特征选择,然后将特征选择结果进行优化对比分析,之后对处理后的数据进行归一化处理。（3）基于大数据的研究背景,针对电气阀门定位器提出基于BP（Back Propagation,反向传播）神经网络的故障诊断方法。分别采用单隐含层和双隐含层BP神经网络,建立定位器故障诊断模型。然后对不同神经网络的某些参数在一定范围内进行遍历寻优,最终找到了每种神经网络的最佳参数点,然后利用在定位器故障模拟实验中采集到的数据训练和测试故障诊断模型。从网络结构复杂度、网络训练时长及网络测试精度三个方面综合对比分析两种BP神经网络各自故障模式识别的效果,最终得出结论,单隐层BP神经网络更适合于定位器的故障诊断。（4）针对电气阀门定位器提出基于LSTM（Long-Short Term Memory,长短期记忆）神经网络的状态参数预测方法,分别采用了LSTM神经网络、CNNLSTM（Convolutional Neural Networks-Long-Short Term Memory,卷积神经网络-长短期记忆）神经网络以及Conv LSTM（Convolutional Long-Short Term Memory,卷积长短期记忆）神经网络,建立定位器状态参数预测模型。分别利用单变量预测和多变量预测方法预测了定位器的每个状态参数,通过比较网络的测试精度,得出了多变量LSTM预测模型更适用于预测定位器控制电流;多变量Conv LSTM预测模型更适用于预测定位器输入压力;单变量CNN-LSTM预测模型更适用于预测定位器反馈电流;多变量CNN-LSTM预测模型更适用于预测定位器输出压力。
彭波[2]（2020）在《气动工业现场电子产品故障预测研究》文中研究说明定位器作为气动执行器组成之一,是保持生产稳定运行的重要设备。本文以定位器作为气动领域电子产品的典型对象,开展故障预测研究。定位器与调节阀一起安装在工业生产现场,由于常常在高温、高压、易堵、强腐蚀、易漏或频繁的机械运动等恶劣环境下工作,定位器会出现各种异常或故障。定位器一旦出现问题,会使控制回路中产生振荡,进而导致设备加速损耗、降低产品质量、浪费能源和污染环境等问题。目前定位器的维修主要采用事后维修和定期维修,这两种维修方式会均存在一定的问题:事后维修,在设备发生故障以后才维修,有较大的安全隐患;定期维修往往造成盲目修理,增大了维修成本。为保障定位器能够稳定、可靠、高效的运行,有效降低由于定位器停机所造成的经济损失和安全事故。因此,对阀门定位器的状态进行监测,利用监测数据进行定位器故障诊断与状态参数的预测研究,对工业过程高效、稳定、安全的生产意义重大。为此,本文对定位器故障诊断与状态参数预测进行了研究,主要工作如下:（1）阐述了定位器的主要结构和工作原理,分析了定位器常见故障类型及其原因,并搭建实验平台获取正常及8种常见故障的相关数据。（2）针对收集到的定位器各类故障数据,对缺失的数据做了插值处理,通过小波降噪以提高数据的纯度,利用归一化方法解决特征之间尺度大小不一致的问题,加快了模型的收敛速度。（3）针对定位器故障诊断研究,本文分别采用了随机森林（RF）和梯度提升决策树（GBDT）算法来建立故障诊断分类模型,选取宏查准率、宏查全率和宏F1作为评价模型性能的指标,对两种模型的结果进行比较得出两个模型都有一定的准确性,RF模型比GBDT模型时间成本更低,模型测试集精度相差不到0.2%。（4）针对定位器故障预测的研究,本文采用了长短期记忆神经网络（LSTM）算法建立定位器状态参数预测模型。通过滚动预测方法构造样本,分别建立了8种预测模型,结果显示LSTM对定位器状态参数的预测取到了较好的预测效果。
刘海鹏[3]（2020）在《控制系统执行器的故障模型与试验研究》文中认为目前,我国燃气轮机控制系统正处于国产化的机遇期和攻关期。燃气轮机控制系统的故障诊断技术对于提高系统可靠性与自动化程度具有重要的作用。执行器是控制系统的重要组成部分,研究执行器故障技术具有重要的理论意义与工程价值。以燃气轮机气动执行器为主要研究对象,本文围绕燃气轮机气动执行器的故障排序和故障建模展开研究,主要工作和成果如下:（1）为选择关键的故障模式进行故障模型研究,参考层次分析法和模糊综合评价等理论,以燃气轮机控制系统薄膜式气动执行器为研究对象,提出了基于模糊层次分析的故障排序方法,并依据专家意见对气动执行器故障进行排序。结果表明,基于模糊层次分析的故障序位能准确有效地反映各类故障的重要程度;与传统基于风险顺序数的故障排序方法相比,可有效解决专家评价术语不同对分析结果影响较大的缺点;（2）基于机理分析与数据驱动理论方法,提出了基于机理与数据驱动的复合故障建模方法,并对故障序位较高的前三种故障模式进行故障建模研究;（3）为验证所建故障模型的准确性,基于MATLAB/Simulink仿真平台,本文针对气动执行器故障模型进行了仿真与分析,并与DAMADICS基准平台仿真结果进行比较。结果表明,气动执行器故障模型中的阀位及流量变化趋势与基准平台保持一致,模型准确度较高。
吕杨康[4]（2020）在《智能阀门定位器非线性特性及其算法研究》文中进行了进一步梳理气动调节阀被应用到工业的诸多领域,是工业生产过程中重要的执行部件,智能阀门定位器是使调节阀拥有良好的控制精度、提高阀门响应速度的良好保证。国产的阀门定位器在控制效果上与国外产品有较大的差距,各项性能指标上都还有很大的提升空间。国内对智能阀门定位器控制算法的研究还不深刻,其中主要在于对调节阀模型的研究还不够深刻,很少有研究分析阀门定位器控制算法与阀门定位器非线性特性之间的联系。本文在分析阀门定位器核心部件:具有喷嘴-挡板结构的力矩马达和气动放大器的结构以及工作原理的基础上,通过实验与系统辨识工具建立了具有非线性特性的智能阀门定位器的机理模型。发现主要发生在力矩马达上的饱和非线性曲线会随着气源气压的改变而变化,发现了力矩马达和气动放大器共同作用导致了阀门定位器的间隙特性,以及由于摩擦力导致的气动执行机构间隙特性,进一步修改了本实验室在国际上首次建立的完整的调节阀动态数学模型（control valve model,简称CVM模型）,通过实验验证了建立模型的准确性。针对阀门定位器本身的非线性特性,进一步研究了控制算法。通过对修改后的模型进行了控制算法的仿真分析,比较响应曲线的结果最终选择了IMC-PID控制算法以及参数整定规则;对于饱和非线性特性,提出了使用Bang-bang/PID分段控制器,通过分段控制器来消除PID控制器可能存在的积分饱和现象,Bang-bang控制使控制器具有最快的响应速度,而在偏差信号很小时采用PID控制器且加入了适当的限幅值,使PID控制器总是能工作在阀门定位器的线性区间,仿真和实验证明了采用分段的Bang-bang/PID控制器能够使控制器具有良好的输出作用;对于阀门定位器和调节阀的间隙特性,使用逆间隙补偿算法来消除间隙特性,实验证明具有逆间隙补偿器的阀门定位器能够在不影响阀门定位器稳定性的前提下增加了系统的快速性,逆间隙补偿器也有效的改善调节阀的间隙特性,适当的改善了调节阀控制系统的快速性。
马良威[5]（2019）在《阀门定位控制参数整定与算法研究》文中研究指明控制阀应用在工业控制的诸多领域,是自动化工业中不可或缺的终端调控元件,而智能阀门定位器作为其核心附件,可以有效提高阀门动静态性能、提高控制的准确度、及响应速度,同时增强了控制的多样性。作为阀门定位器智能化的核心技术重点,定位器的控制参数整定和算法结构研究对于定位器产品的开发及其关键。然国产定位器与国外先进的定位器相比控制算法的稳定性不高,动静态性能上存在着较大的改进和提升空间。所以对定位器定位控制系统的参数整定和控制算法的研究是很有必要的。本文属于应用型研究,针对力矩马达-喷嘴挡板型智能电气阀门定位器,首先实现了MATLAB系统辨识工具箱辨识出调节阀定位控制系统的模型参数,其次利用IMC内模法整定获取了控制器的控制参数,最后利用基于PID-PD-半边死区控制的分段PID控制算法的智能定位器实现了对调节阀阀位的精准控制。首先在深入分析调节阀定位控制系统的工作特性和系统输入输出数据的结果上,提出了以一阶惯性加纯滞后的模型来表示调节阀定位控制系统。分析介绍了最小二乘法、特征面积法、两点辨识法等离线系统辨识理论,最后利用MATLAB系统辨识工具箱实现了系统模型及模型参数的在线辨识。通过CVM仿真模型和实验室调节阀定位控制实验平台的大量仿真和实验数据表明该方法能快速准确的辨识出系统的模型和参数。其次采用Z-N经验公式整定法、Z-N临界比例度整定法、Cohen-Coon整定法、内模法分别对控制阀CVM模型和实体阀进行了PID控制算法的参数整定。对比各方法对应的闭环阶跃响应曲线研究得出基于内模法的参数整定在阶跃响应的动静态性能中各项指标表现最佳,因此采用内模法（IMC）进行PID参数整定.最后围绕调节阀闭环定位控制的快速性、准确性,提出了PID-PD的分段控制策略。同时为了满足对控制阀阀位的稳定性要求,尝试了常规死区控制的效果然而由于其并未能理想的控制阀位的波动和频繁的振荡,最终引入了半边死区控制的算法实现了控制阀在稳态时对稳定性的极佳控制。控制阀仿真模型的多次仿真和实验室实体阀大量实验表明:本文利用的MATLAB系统辨识工具箱和基于IMC控制的参数整定方法以及基于PID-PD-半边死区控制的分段控制算法,能够有效提高控制阀定位控制的精度,增强稳态下的抗干扰能力。
张持[6]（2018）在《基于嵌入式智能电气阀门的定位控制研究》文中研究指明随着工业4.0时代的来临,智能化产品的市场需求在不断扩大,尤其在阀门定位器领域。因此,在工业智能化的要求上更加严格,开始由原来的利用机械力、气动、电磁转换驱动阀门定位器的装置改变到如今通过编程控制的智能电气阀门定位器,比如最典型的装备HART协议的SIPARTPS2电气阀门定位器。它在工厂提供的原有定位器的机械外壳内又加载了电路主控板模块,主要包含阀杆驱动、供电电源、检测单元、模数转换及控制电路等;软件部分包含处理数据采样的算法、定位阀杆偏转角度的算法,并在电流源设备接入部分设计了组态软件。
王勇[7]（2017）在《柯斯米公司阀门控制市场营销渠道调整策略研究》文中研究说明随着中国加入世贸组织之后多年的快速发展,中国的工业自动化程度越来越高,工业自控的现场仪表--控制阀行业也获得了快速发展。作为控制阀重要组成部分的阀门控制产品也得到快速发展。2013年以后,由于国内众多行业产能严重过剩,竞争日趋激烈,阀门控制市场也结束了多年的高速增长,需求呈下降趋势。韩国COSMICROC公司和PG公司均成立于上世纪九十年代,分别生产阀门控制产品--电动执行机构和定位器。上海柯斯米自控工程有限公司是韩国COSMICROC公司和PG公司在中国的总代理。柯斯米公司于2005年进入中国市场,并快速占有相当规模市场份额。在最近的几年中,柯斯米公司的营销渠道没有及时根据市场环境的变化进行调整,行业地位受到了竞争对手的挑战并失去了部分市场。公司决定通过对营销渠道的调整增加企业的竞争力并扩大市场份额。本文共分为五部分:第一部分:提出本文的研究背景和意义、研究方法以及研究框架,介绍营销渠道相关基础理论,对相关概念进行界定,即本文第1章内容;第二部分:深入分析中国阀门控制市场的发展状况、国内阀门控制市场的竞争环境,以及未来阀门控制市场的发展,即本文第2章内容;第三部分:通过介绍柯斯米公司营销渠道的现状及存在的主要问题,并分析这些问题产生的主要原因,即本文第3、4章内容;第四部分:柯斯米公司阀门控制市场营销渠道调整、优化建议以及对调整后的营销渠道的绩效进行评估的要素,即本文第5,6章内容;第五部分:结论和未来研究方向。通过本文的研究,得出了如下结论:柯斯米公司对营销渠道的调整势在必行;必须对其阀门控制市场营销渠道的渠道冲突进行治理;应对阀门控制市场的渠道业务进行调整优化;加强营销管理等几个方面制定渠道调整的保障措施。
吴凤民[8]（2017）在《阀门定位器及其特性研究与建模》文中研究说明调节阀是自动化工业中非常重要的、必不可少的终端调控元件,阀门定位器是调节阀主要的配套元件,它与执行器配合使用,从而保证调节阀位置依照控制器给定信号正确输出。本文首先对电-气阀门定位器结构和工作原理进行介绍,在此基础上,分别对电-气阀门定位器主要构成部件的基本工作过程进行深入探究,结合电磁学知识对力矩马达建模,而喷嘴挡板阀是从流量平衡角度分析和建模,并用ANSYS Workbench CEX对流经喷嘴挡板阀的流体进行流场分析,继动器是从动态平衡角度建立其数学模型。结合气动执行机构和调节阀数学模型,得到阀门定位器系统数学模型为一阶系统模型。考虑实际工业过程中,因为气体可压缩性（z）、机构摩擦力（f）、元件弹性反力（k）的存在,阀门定位器系统通常是大纯滞后系统,本文中将所建立的阀门定位器系统模型用一阶惯性加纯滞后模型表示。针对模型中个别性能参数难以获得的情况,本文进一步用实验方法验证了所建立阀门定位器系统模型的正确性,利用MATLAB的ident工具箱对生产现场采集到的数据进行参数辨识,并利用模糊智能权函数法加Bang-Bang控制规则和PID控制法分别对模型进行控制以改进系统响应特性。
刘闽豫[9]（2017）在《AVP100型阀门定位器控制参数自整定技术研究》文中进行了进一步梳理阀门定位器作为调节阀的配套设备,能很好地改善阀门的性能,提高控制精度,减少调节时间,在工业过程控制领域得到了广泛的应用。本文利用山武AVP100型阀门定位器的机械硬件部分,和吴忠仪表厂生产的AETS型调节阀作为研究的主体,自主设计控制算法程序,实现阀门的自动控制。在深入分析阀门定位器工作原理和开环阶跃响应测试结果的基础上,提出以一阶惯性加滞后的模型来表征实际的系统。运用两点法、切线法、特征面积法等离线系统辨识方法,获得数学模型的开环增益、惯性时间常数、滞后时间常数等三个参数。通过对比发现,以两点法获得的数学模型,在不同的时刻,均能较为准确的反应系统的实际运动情况。以Matlab为仿真工具,在Simulink模块中建立系统仿真试验,采用较为成熟的Z-N经验公式法、ITAE法、内模控制法等对PID控制算法进行参数整定,从理论层面上实现阀门定位器控制参数的自整定,为实验设计提供经验参考。搭建实验平台,以LabVIEW为编程软件,初步设计参数自整定控制算法。提出一种Bang-Bang控制算法,结果发现:基于Bang-Bang控制的PID算法,能减少正行程的调节时间,提高控制的精度,满足控制要求。
裴晓欢[10]（2017）在《基于BP神经网络的智能定位器PI参数整定》文中研究指明流程工业生产过程中,调节阀是整个工艺控制系统的终端执行部件,它的性能好坏将直接影响工艺流程工况的平顺性、产品的质量、和生产的安全。阀门定位器作为调节阀的附件,极大地改善了调节阀的适用性和控制性能,已成为调节阀的标配而且是调节阀这个子系统的“大脑”。智能阀门定位器已经在市场上得到广泛应用,但主流仍是进口产品,国内研发的尤其是核心的定位控制算法所表现出来的产品动静态性能方面有较大的持续改进空间。本文属于应用研究,针对包含力矩马达I/P转换单元、气动放大器、PI控制器的智能电气阀门定位器,提出了基于BP神经网络的PI定位控制算法参数整定方法。由于不同规格和规格的调节阀,其结构与参数不同,其动态特性不同,智能定位器应用时需要在线自动整定控制算法参数,然而要在线测定其动态参数却是不易的。本文提出的方法在线自动整定便利,通过仿真研究和实体阀大量试验测试,验证了其控制性能的有效性和对不同调节阀适用性。首先,在本实验室已建立完善的控制阀机理模型CVM（含气动薄膜执行机构、直通单座调节阀、智能定位器三大模块）基础上,通过改变控制阀参数,比如执行机构膜片面积、执行机构弹簧刚度、调节阀行程等来建立不同的仿真调节阀,对仿真调节阀做开环阶跃实验,提取有关的开环特征参数,基于Z-N整定公式人工寻找该仿真调节阀控制性能最优的PI参数,由此获得大量的数据样本。其次,针对采集的数据样本进行预处理。通过相关分析,去除开环特性参数中关联性较强的其中数据,确保剩余的开环特性参数之间无关联或关联较弱。将经过预处理的部分数据样本作为BP神经网络的训练集,确定BP神经网络的结构及规格,选用Levenberg-Marquardet算法对网络进行训练,并将预留的样本对训练完成的网络进行测试,验证网络的准确性和稳定性。最后,在本实验室搭建的控制阀测试平台和企业生产现场,利用LabVIEW测试环境对实际的不同规格控制阀进行测试,通过与主流的智能定位器AVP301进行闭环对比试验,验证了本文提出的PI参数整定方法的有效性和适用性。
二、电气阀门定位器综合评价（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、电气阀门定位器综合评价（论文提纲范文）
（1）故障诊断与预测方法在气动产品中的应用与优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障诊断研究现状 |
| 1.2.2 故障预测研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 定位器故障诊断与状态参数预测方法 |
| 2.1 数据预处理方法 |
| 2.1.1 基于小波阈值去噪的数据预处理方法 |
| 2.1.2 基于XGBoost的特征工程处理方法 |
| 2.1.3 数据归一化方法 |
| 2.2 基于K折交叉验证的故障诊断模型评估方法 |
| 2.3 基于BP神经网络的故障诊断方法 |
| 2.4 基于LSTM神经网络的状态参数预测方法 |
| 2.4.1 RNN神经网络 |
| 2.4.2 LSTM神经网络 |
| 2.4.3 CNN-LSTM神经网络 |
| 2.4.4 Conv LSTM神经网络 |
| 2.5 本章小结 |
| 第三章 定位器实验平台与故障模拟实验设计 |
| 3.1 定位器的工作原理 |
| 3.2 定位器的常见故障分析 |
| 3.3 定位器实验平台设计 |
| 3.3.1 定位器实验平台原理 |
| 3.3.2 定位器实验装置 |
| 3.3.3 数据采集系统设计 |
| 3.4 定位器故障模拟实验条件与实验方法 |
| 3.4.1 定位器实验条件 |
| 3.4.2 定位器实验方法 |
| 3.5 定位器实验数据采集 |
| 3.6 本章小结 |
| 第四章 定位器实验数据预处理与故障诊断优化研究 |
| 4.1 定位器故障诊断流程 |
| 4.2 定位器实验数据预处理与优化研究 |
| 4.2.1 定位器实验数据去噪处理 |
| 4.2.2 定位器实验数据特征工程处理与优化对比 |
| 4.2.3 定位器实验数据归一化处理 |
| 4.3 基于BP神经网络的定位器故障诊断结果分析 |
| 4.3.1 一层隐含层的BP网络诊断模型结果分析 |
| 4.3.2 两层隐含层的BP网络诊断模型结果分析 |
| 4.3.3 两种网络模型的诊断结果对比分析 |
| 4.4 本章小结 |
| 第五章 基于LSTM神经网络的定位器状态参数预测 |
| 5.1 定位器控制电流预测结果分析 |
| 5.1.1 LSTM模型控制电流预测 |
| 5.1.2 CNN-LSTM模型控制电流预测 |
| 5.1.3 Conv LSTM模型控制电流预测 |
| 5.2 定位器输入压力预测结果分析 |
| 5.2.1 LSTM模型输入压力预测 |
| 5.2.2 CNN-LSTM模型输入压力预测 |
| 5.2.3 Conv LSTM模型输入压力预测 |
| 5.3 定位器反馈电流预测结果分析 |
| 5.3.1 LSTM模型反馈电流预测 |
| 5.3.2 CNN-LSTM模型反馈电流预测 |
| 5.3.3 Conv LSTM模型反馈电流预测 |
| 5.4 定位器输出压力预测结果分析 |
| 5.4.1 LSTM模型输出压力预测 |
| 5.4.2 CNN-LSTM模型输出压力预测 |
| 5.4.3 Conv LSTM模型输出压力预测 |
| 5.5 三种网络模型的预测结果对比分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（2）气动工业现场电子产品故障预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障预测研究现状 |
| 1.2.2 国内外定位器故障预测研究现状 |
| 1.2.3 故障预测方法 |
| 1.3 本论文的主要内容 |
| 1.4 本章小结 |
| 第二章 定位器故障预测相关理论 |
| 2.1 数据预处理技术 |
| 2.1.1 数据清洗 |
| 2.1.2 数据集成 |
| 2.1.3 数据归约 |
| 2.1.4 数据变换 |
| 2.2 随机森林理论 |
| 2.2.1 决策树算法 |
| 2.2.2 Bagging算法 |
| 2.2.3 随机森林算法 |
| 2.3 梯度提升树理论 |
| 2.4 神经网络 |
| 2.4.1 循环神经网络 |
| 2.4.2 长短期记忆神经网络 |
| 2.4.3 Dropout |
| 2.5 评价准则 |
| 2.5.1 回归任务评价准则 |
| 2.5.2 分类任务评价准则 |
| 2.6 本章小结 |
| 第三章 定位器故障数据获取与预处理 |
| 3.1 定位器工作原理与常见故障 |
| 3.1.1 定位器工作原理 |
| 3.1.2 定位器常见故障、原因及解决办法 |
| 3.2 定位器实验平台原理与搭建 |
| 3.2.1 定位器实验平台原理 |
| 3.2.2 定位器实验平台搭建 |
| 3.3 定位器数据获取 |
| 3.3.1 定位器故障设置 |
| 3.3.2 数据获取 |
| 3.4 数据预处理 |
| 3.4.1 缺失值、异常值处理 |
| 3.4.2 噪声处理 |
| 3.4.3 特征工程 |
| 3.4.4 归一化 |
| 3.5 本章小结 |
| 第四章 定位器故障诊断 |
| 4.1 实验环境 |
| 4.2 基于随机森林的定位器故障诊断 |
| 4.2.1 参数未寻优下的定位器故障诊断 |
| 4.2.2 特征选择 |
| 4.2.3 随机森林诊断模型寻优 |
| 4.3 基于梯度提升决策树的定位器故障诊断 |
| 4.3.1 参数未寻优下的定位器故障诊断 |
| 4.3.2 特征选择 |
| 4.3.3 参数寻优下的定位器故障诊断 |
| 4.4 结果对比 |
| 4.5 本章小结 |
| 第五章 定位器状态参数预测 |
| 5.1 定位器状态参数预测原理与预测类型 |
| 5.2 状态参数预测 |
| 5.2.1 LSTM模型的训练与预测过程 |
| 5.2.2 状态参数S4的预测 |
| 5.2.3 状态参数S3的预测 |
| 5.2.4 状态参数S2的预测 |
| 5.2.5 状态参数S1的预测 |
| 5.3 结果总结 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
（3）控制系统执行器的故障模型与试验研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文主要内容和结构安排 |
| 第2章 执行器基本理论 |
| 2.1 燃气轮机控制系统的执行器 |
| 2.2 执行器的结构与原理 |
| 2.2.1 液压执行器的结构与原理 |
| 2.2.2 电动执行器的结构与原理 |
| 2.2.3 气动执行器的结构与原理 |
| 2.3 执行器故障类型 |
| 2.3.1 电子类故障 |
| 2.3.2 非电子类故障 |
| 2.4 故障模式影响分析 |
| 2.4.1 故障模式影响分析概述 |
| 2.4.2 故障模式影响分析的类型 |
| 2.5 执行器故障的模型化 |
| 2.5.1 执行器故障的数学表示 |
| 2.5.2 执行器故障的可检测性 |
| 2.6 本章小结 |
| 第3章 控制系统执行器故障排序 |
| 3.1 基于风险顺序数的执行器故障排序 |
| 3.1.1 基于风险顺序数的故障模式影响分析 |
| 3.1.2 基于风险顺序数的故障排序流程 |
| 3.2 基于模糊层次分析的故障排序 |
| 3.2.1 基于模糊层次分析的故障模式影响分析 |
| 3.2.2 基于模糊层次分析的故障排序流程 |
| 3.3 燃气轮机气动执行器故障排序方法比较与分析 |
| 3.4 本章小结 |
| 第4章 气动执行器故障建模与参数辨识 |
| 4.1 气动执行器的故障建模 |
| 4.1.1 气动执行器模型改进 |
| 4.1.2 基于机理和数据驱动相结合的复合故障建模方法 |
| 4.2 气动执行器故障模型参数辨识 |
| 4.2.1 气动执行器故障模型参数 |
| 4.2.2 气动执行器故障模型参数辨识及试验设计 |
| 4.3 气动执行器故障模型仿真与分析 |
| 4.3.1 气动执行器阀门外部泄漏故障仿真 |
| 4.3.2 气动执行器阀门定位器故障仿真 |
| 4.3.3 薄膜式气动执行机构膜片损坏故障仿真 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（4）智能阀门定位器非线性特性及其算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 阀门定位器的研究现状 |
| 1.2.2 控制算法的研究现状 |
| 1.3 课题研究的内容 |
| 1.4 论文内容安排 |
| 第二章 调节阀实验平台与建模 |
| 2.1 调节阀与阀门定位器简介 |
| 2.2 调节阀实验平台介绍 |
| 2.2.1 调节阀实验装置硬件平台 |
| 2.2.2 上位机软件平台 |
| 2.3 CVM模型的建立 |
| 2.4 系统辨识 |
| 2.4.1 最小二乘法原理 |
| 2.4.2 基于最小二乘的MatLab辨识工具箱 |
| 2.4.3 辨识工具箱的基本使用步骤 |
| 2.5 本章小结 |
| 第三章 非线性特性与建模 |
| 3.1 饱和非线性特性 |
| 3.1.1 阀门定位器的饱和非线性 |
| 3.1.2 饱和非线性的测量与建模 |
| 3.2 间隙非线性特性 |
| 3.3 调节阀实验平台的摩擦力模型 |
| 3.3.1 弹簧弹性刚度的测量 |
| 3.3.2 滑动摩擦力的测量 |
| 3.3.3 最大静摩擦力的测量 |
| 3.4 模型验证 |
| 3.4.1 模型动态特性的验证 |
| 3.4.2 模型稳态特性的验证 |
| 3.5 本章小节 |
| 第四章 改善非线性特性算法的研究 |
| 4.1 抗饱和的PID控制器 |
| 4.2 抗饱和的PID控制器实验验证 |
| 4.3 间隙逆补偿器 |
| 4.4 间隙逆补偿器的实验验证 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 参与的科研项目及获奖情况 |
| 3 发明专利 |
| 学位论文数据集 |
（5）阀门定位控制参数整定与算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能阀门定位器产品研究现状 |
| 1.2.2 模型辨识的研究现状 |
| 1.2.3 PID控制器整定方法的研究现状 |
| 1.2.4 定位器控制算法理论研究现状 |
| 1.3 课题研究内容 |
| 1.4 论文内容安排 |
| 第二章 智能阀门定位器控制系统 |
| 2.1 调节阀组成简介 |
| 2.2 定位器主要结构及工作原理 |
| 2.2.1 I/P转换单元结构及原理 |
| 2.2.2 气动放大器结构及原理 |
| 2.3 仿真模型简介 |
| 2.4 实验平台介绍 |
| 2.4.1 实验系统的组成 |
| 2.4.2 软件开发平台简介 |
| 2.5 本章小结 |
| 第三章 系统辨识 |
| 3.1 系统辨识的简介 |
| 3.1.1 辨识的概念 |
| 3.1.2 辨识的步骤 |
| 3.2 最小二乘法 |
| 3.3 特征面积法 |
| 3.4 两点法 |
| 3.5 MATLAB系统辨识工具箱 |
| 3.5.1 工具箱所具有的特点 |
| 3.5.2 使用辨识工具箱的步骤 |
| 3.5.3 控制阀仿真模型辨识 |
| 3.5.4 实验室实体控制阀模型辨识 |
| 3.6 本章小结 |
| 第四章 控制算法研究 |
| 4.1 PID算法的简介 |
| 4.1.1 PID控制的原理 |
| 4.1.2 PID控制性能指标 |
| 4.2 常规PID参数整定方法 |
| 4.2.1 Z-N经验公式法 |
| 4.2.2 Z-N临界比例度法 |
| 4.2.3 Cohen-Coon整定法 |
| 4.3 基于内模法的参数整定 |
| 4.3.1 内模控制原理 |
| 4.3.2 基于内模控制的PID参数整定 |
| 4.4 控制阀模型参数整定 |
| 4.5 分段控制的PID-PD算法 |
| 4.5.1 P/PI/PD/PID的介绍 |
| 4.5.2 分段式PID控制 |
| 4.6 算法验证分析 |
| 4.6.1 仿真模型验证: |
| 4.6.2 实体阀实验验证 |
| 4.6.3 实验结果分析 |
| 4.7 本章小结 |
| 第五章 半边死区PID控制算法 |
| 5.1 传统死区控制理论 |
| 5.1.1 传统死区理论简介 |
| 5.1.2 常规死区控制实验 |
| 5.1.3 常规死区控制效果总结 |
| 5.2 半边死区PID控制 |
| 5.3 实验结果分析 |
| 5.3.1 算法整体结构 |
| 5.3.2 实验验证 |
| 5.3.3 实验结果分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读硕士学位期间发表的学术论文 |
| 3 参与的科研项目及获奖情况 |
| 4 发明专利 |
| 学位论文数据集 |
（6）基于嵌入式智能电气阀门的定位控制研究（论文提纲范文）
| 1 智能电器阀门的用途 |
| 2 阀门定位器系统设计分析 |
| 2.1 性能指标与设计要求 |
| 2.2 系统结构分析 |
| 3 电气系统设计 |
| 3.1 电源管理 |
| 3.2 控制单元 |
| 4 结束语 |
（7）柯斯米公司阀门控制市场营销渠道调整策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 行业背景 |
| 1.1.2 竞争背景 |
| 1.1.3 公司背景 |
| 1.2 研究意义 |
| 1.2.1 提高柯斯米公司的市场竞争力 |
| 1.2.2 提高柯斯米公司的市场份额 |
| 1.2.3 对其它阀门控制厂商有借鉴意义 |
| 1.3 研究方法 |
| 1.3.1 文献研究法 |
| 1.3.2 案例研究法 |
| 1.3.3 深度访谈法 |
| 1.4 研究内容和框架 |
| 1.5 相关基础理论 |
| 1.5.1 营销渠道 |
| 1.5.2 渠道冲突 |
| 1.5.3 渠道窜货 |
| 1.5.4 PEST分析法 |
| 第二章 中国阀门控制行业发展状况分析 |
| 2.1 阀门控制的定义及分类 |
| 2.2 阀门控制行业市场环境分析 |
| 2.2.1 政策环境 |
| 2.2.2 技术环境 |
| 2.3 阀门控制行业发展 |
| 2.3.1 我国阀门控制市场进口产品行业发展 |
| 2.3.2 我国阀门控制市场国产化产品行业发展 |
| 2.4 阀门控制行业竞争概况 |
| 2.4.1 总体竞争 |
| 2.4.2 竞争对手分析 |
| 2.5 阀门控制行业未来发展及面临的挑战 |
| 2.5.1 产品需求的变化 |
| 2.5.2 分销渠道的趋势 |
| 2.5.3 厂商面临的挑战 |
| 第三章 柯斯米公司阀门控制产品营销渠道现状 |
| 3.1 柯斯米公司发展概况 |
| 3.1.1 历史背景 |
| 3.1.2 组织架构 |
| 3.2 渠道发展历史回顾 |
| 3.2.1 阀门厂配套(2005年~2010年) |
| 3.2.2 业务扩张(2011年~2017年) |
| 3.3 营销渠道销售状况 |
| 3.3.1 阀门厂配套业务 |
| 3.3.2 直销渠道业务 |
| 3.3.3 分销渠道业务 |
| 3.4 营销渠道结构及占比 |
| 3.4.1 营销渠道结构 |
| 3.4.2 营销渠道对比 |
| 3.5 营销渠道运行 |
| 第四章 柯斯米公司阀门控制产品营销渠道中存在的主要问题 |
| 4.1 总体份额比重小 |
| 4.2 渠道结构问题 |
| 4.2.1 配套业务占比过高 |
| 4.2.2 直销渠道业务初见成效 |
| 4.2.3 分销渠道业务有待加强 |
| 4.3 渠道出现冲突 |
| 4.3.1 渠道冲突的表现 |
| 4.3.2 渠道整体不均衡 |
| 4.3.3 渠道冲突的原因 |
| 4.4 经销商发展不足 |
| 4.4.1 经销商数量少 |
| 4.4.2 经销商能力差异大 |
| 4.4.3 缺乏科学合理的管理体系 |
| 4.5 渠道管理的问题 |
| 4.5.1 直销渠道的管理问题 |
| 4.5.2 配套业务的管理问题 |
| 4.5.3 分销渠道的管理问题 |
| 4.6 营销费用投入的问题 |
| 4.6.1 不同渠道的营销投入问题 |
| 4.6.2 费用不足的问题 |
| 第五章 柯斯米公司阀门控制产品营销渠道调整策略 |
| 5.1 营销渠道调整总体思路 |
| 5.1.1 增加分销 |
| 5.1.2 复合式的营销渠道模式 |
| 5.2 减少渠道冲突的策略 |
| 5.2.1 对区域代理的策略 |
| 5.2.2 项目代理冲突的管控 |
| 5.3 分销渠道业务管理优化 |
| 5.3.1 区域代理业务的优化 |
| 5.3.2 项目代理业务的优化 |
| 5.4 营销费用投入的合理性 |
| 5.5 分销渠道调整策略实施的保障措施 |
| 5.5.1 分销渠道组织架构的保障 |
| 5.5.2 确保产品质量并提升售后服务水平 |
| 5.5.3 优化现有系统的操作流程 |
| 5.5.4 建立全面有效的培训体系 |
| 第六章 柯斯米阀门控制产品分销渠道绩效评估 |
| 6.1 对分销渠道运行状况的评估 |
| 6.1.1 分销渠道畅通性评估 |
| 6.1.2 分销渠道覆盖面评估 |
| 6.1.3 分销渠道流通能力及利用率评估 |
| 6.2 对分销渠道服务质量的评估 |
| 6.2.1 信息沟通质量评估 |
| 6.2.2 用户投诉及处理评估 |
| 6.3 分销渠道经济效益的评估 |
| 6.3.1 销售分析 |
| 6.3.2 市场占有率分析 |
| 6.3.3 渠道费用分析 |
| 6.3.4 渠道盈利能力分析 |
| 6.3.5 资产管理绩效分析 |
| 第七章 结论及未来研究方向 |
| 7.1 结论 |
| 7.2 未来研究方向 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（8）阀门定位器及其特性研究与建模（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 阀门定位器及发展现状和趋势 |
| 1.3 阀门定位器系统 |
| 1.4 论文内容与结构 |
| 第二章 执行器工作原理及建模 |
| 2.1 执行器组成结构及工作原理 |
| 2.2 气动执行器建模 |
| 2.3 本章小结 |
| 第三章 阀门定位器特性及建模 |
| 3.1 阀门定位器特性 |
| 3.2 阀门定位器建模综述 |
| 3.3 阀门定位器工作原理 |
| 3.4 力矩马达建模 |
| 3.5 喷嘴挡板阀建模 |
| 3.6 继动器建模 |
| 3.7 阀门定位器系统模型 |
| 3.8 本章小结 |
| 第四章 实验平台搭建 |
| 4.1 实验硬件 |
| 4.2 实验软件 |
| 4.3 本章小结 |
| 第五章 实验研究 |
| 5.1 系统参数辨识及验证 |
| 5.2 系统控制及优化 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 个人简介 |
| 论文发表 |
（9）AVP100型阀门定位器控制参数自整定技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 应用背景与意义 |
| 1.3 阀门定位器国内外研究现状 |
| 1.4 系统辨识的目的 |
| 1.5 PID控制及参数整定技术发展 |
| 1.6 研究内容及目标 |
| 第二章 阀门定位器及调节阀的分析与建模 |
| 2.1 阀门定位器的作用 |
| 2.2 阀门定位器的工作原理 |
| 2.3 I/P转换单元 |
| 2.4 调节阀性能分析 |
| 2.5 阀门定位器建模 |
| 2.6 调节阀建模 |
| 2.7 综合模型的建立 |
| 2.8 本章小结 |
| 第三章 阀门定位器的系统辨识 |
| 3.1 最小二乘法 |
| 3.2 切线法 |
| 3.3 两点法 |
| 3.4 特征面积法 |
| 3.5 辨识结果 |
| 3.6 本章小结 |
| 第四章 阀门定位器控制算法及参数自整定研究 |
| 4.1 PID控制算法 |
| 4.2 PID参数整定 |
| 4.3 仿真结果 |
| 4.4 本章小结 |
| 第五章 阀门定位器控制参数自整定实验设计 |
| 5.1 实验平台搭建 |
| 5.2 实验编程设计 |
| 5.3 常规PID参数自整定实验分析 |
| 5.4 基于Bang-Bang控制的改进PID算法分析 |
| 5.5 实验结果分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（10）基于BP神经网络的智能定位器PI参数整定（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能定位器产品研究现状 |
| 1.2.2 智能定位器核心算法研究现状 |
| 1.3 课题研究内容 |
| 1.4 论文内容安排 |
| 第2章 智能阀门定位器系统 |
| 2.1 控制阀组成简介 |
| 2.2 智能阀门定位器的工作原理 |
| 2.2.1 力矩马达的工作原理 |
| 2.2.2 气动放大器的结构和工作原理 |
| 2.3 智能阀门定位器的关键技术 |
| 2.3.1 智能阀门定位器的重要问题 |
| 2.3.2 算法研究的重难点 |
| 2.4 本章小结 |
| 第3章 PID控制器的设计 |
| 3.1 常规PID控制器 |
| 3.1.1 PID控制规律 |
| 3.1.2 控制系统的性能指标 |
| 3.1.3 PID控制参数的整定 |
| 3.1.4 常规PID控制参数整定存在的问题 |
| 3.2 神经网络PID控制 |
| 3.2.1 单神经元模型 |
| 3.2.2 BP神经网络 |
| 3.3 本章小结 |
| 第4章 基于BP神经网络的PI参数设计 |
| 4.1 产生数据样本集 |
| 4.1.1 原始数据的收集 |
| 4.1.2 BP神经网络变量的选择 |
| 4.1.3 数据归一化处理 |
| 4.2 确定神经网络的结构 |
| 4.2.1 隐含层的确定 |
| 4.2.2 BP神经网络学习率和初始值的选择 |
| 4.2.3 BP神经网络学习算法的选择 |
| 4.3 BP神经网络的训练和测试 |
| 4.4 本章小结 |
| 第5章 控制算法的试验 |
| 5.1 实验平台的搭建 |
| 5.1.1 实验系统的组成 |
| 5.1.2 实验系统组成示意图 |
| 5.2 实验结果的分析 |
| 5.2.1 不同规格调节阀实验 |
| 5.2.2 不同整定方法的对比实验 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参加的科研项目和成果 |
四、电气阀门定位器综合评价（论文参考文献）
- [1]故障诊断与预测方法在气动产品中的应用与优化研究[D]. 易兴. 电子科技大学, 2021(01)
- [2]气动工业现场电子产品故障预测研究[D]. 彭波. 电子科技大学, 2020(07)
- [3]控制系统执行器的故障模型与试验研究[D]. 刘海鹏. 华北电力大学(北京), 2020
- [4]智能阀门定位器非线性特性及其算法研究[D]. 吕杨康. 浙江工业大学, 2020(08)
- [5]阀门定位控制参数整定与算法研究[D]. 马良威. 浙江工业大学, 2019(02)
- [6]基于嵌入式智能电气阀门的定位控制研究[J]. 张持. 自动化应用, 2018(04)
- [7]柯斯米公司阀门控制市场营销渠道调整策略研究[D]. 王勇. 上海交通大学, 2017(06)
- [8]阀门定位器及其特性研究与建模[D]. 吴凤民. 宁夏大学, 2017(02)
- [9]AVP100型阀门定位器控制参数自整定技术研究[D]. 刘闽豫. 宁夏大学, 2017(02)
- [10]基于BP神经网络的智能定位器PI参数整定[D]. 裴晓欢. 浙江工业大学, 2017(04)