基于神经模糊PID混合控制的恒压供水系统

基于神经模糊PID混合控制的恒压供水系统

论文摘要

随着我国市场经济的蒸蒸日上,社会经济取得了迅速发展,与此同时用户对供水系统可靠性和供水质量的要求也越来越高。目前城市供水系统及小区高楼供水系统中依然较多采用高位水塔或直接水泵加压供水方式,该供水方式由于扬程较高且电机一直高速运行,因此会造成较大的电能消耗。另外,资源的紧缺和人们环保意识的增加,进一步促进了对供水系统采取更好的控制策略。因此无论是在性能方面考虑还是在节能方面考虑,供水系统都需要巨大的变革。本文在对供水系统中水泵的工况调节以及调速的节能原理进行深入研究的同时,针对某市自来水厂的实际情况进行恒定水压改造;算法方面采用基于神经模糊PID的混合控制策略。设计了计算机模糊控制系统的系统组成和结构,并对控制系统中的供水系统的结构和运行过程进行了自适应性研究。该供水过程具有受随机因素干扰、大惯性、纯滞后性及参量非线性分布等特点,传统手动调节方式无法满足精度需求。本文采用自整定模糊PID对管网的压力进行实时控制,实现对供水压力的自动高精度控制,同时通过控制电路实现对水位的控制,而且只需在原系统基础上用较少的投资即可完成项目改造。该系统可以明显节约电能并使管网水压波动较小,从而降低了设备运行的故障率和工人的劳动强度,具有良好的经济效益和社会效益。同时将硬件部分的设计进行了简明介绍,基本是从变频器的选择、系统电气元件的选择与设计、水位控制电路设计、水压控制电路设计、控制回路设计、辅助电源的设计方面展开。由于采用兼顾水位和水压的控制,所以硬件各个部分的协同工作变得相对复杂。使用MATLAB软件编程及SIMULINK对系统的供水过程建模,对本文提出的神经网络模糊PID控制算法进行仿真试验,并将该算法与传统PID控制算法、模糊自整定PID控制算法进行仿真比较。从而验证了本文算法的静态特性、动态特性、鲁棒性和抗干扰能力。结果表明,本文所提出的算法不仅能获得满意的控制性能和强鲁棒性、强抗干扰性,而且系统设计方法简单,能方便地用于实际工业控制中。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 选题背景
  • 1.1.1 传统供水方式
  • 1.1.2 变频调速供水方式
  • 1.2 国内外关于恒压供水系统的研究现状
  • 1.3 本课题主要研究工作
  • 2 恒压供水系统分析与总体设计方案
  • 2.1 供水系统中变频恒压运行的工作原理
  • 2.2 变频调速恒压供水的节能分析
  • 2.3 某市水厂系统结构
  • 2.4 本章小结
  • 3 模糊逻辑控制和神经网络控制的基本原理
  • 3.1 模糊逻辑理论基础
  • 3.2 模糊逻辑控制系统
  • 3.2.1 模糊逻辑控制系统的组成
  • 3.2.2 模糊控制规则
  • 3.2.3 模糊控制中的几个基本运算操作
  • 3.2.4 模糊化运算
  • 3.2.5 数据库
  • 3.2.6 规则库
  • 3.2.7 模糊推理
  • 3.2.8 清晰化运算
  • 3.3 神经网络基础
  • 3.3.1 人工神经元模型
  • 3.3.2 神经网络的结构
  • 3.3.3 神经网络的工作方式
  • 3.3.4 神经网络的学习
  • 3.4 BP神经网络和径向基神经网络
  • 3.5 本章小结
  • 4 供水系统新型控制方案及仿真分析
  • 4.1 供水系统典型控制策略
  • 4.2 新型控制策略
  • 4.3 神经网络模糊 PID控制算法
  • 4.3.1 模糊控制模块
  • 4.3.2 神经网络控制器设计
  • 4.3.3 PID控制器
  • 4.4 供水系统
  • 4.4.1 供水系统模型选择
  • 4.4.2 识别供水系统的滞后时间
  • 4.4.3 在线评估供水系统模型
  • 4.4.4 最小二乘法
  • 4.4.5 神经网络模糊 PID控制算法
  • 4.5 MATLAB/ SIMULINK软件
  • 4.5.1 MATLAB语言简介
  • 4.5.2 SIMULINK建模方法
  • 4.5.3 S语言的编写
  • 4.5.4 MATLAB的绘图功能
  • 4.6 仿真分析
  • 4.6.1 仿真一传统增量式 PID控制算法
  • 4.6.2 仿真二模糊 PID控制算法
  • 4.6.3 仿真三神经网络模糊 PID控制
  • 4.7 仿真比较
  • 4.8 本章小结
  • 5 系统硬件设计与实际运行效果
  • 5.1 系统硬件设计
  • 5.1.1 变频器的选择
  • 5.1.2 电气元件的选择
  • 5.1.3 水位控制电路
  • 5.1.4 压力控制电路
  • 5.1.5 控制电路设计
  • 5.1.6 辅助电源的设计
  • 5.2 系统实际运行效果
  • 5.3 本章小结
  • 6 结论
  • 致谢
  • 参考文献
  • 附录
  • 相关论文文献

    • [1].PID性能评估与整定软件的开发及应用[J]. 炼油与化工 2019(05)
    • [2].基于模糊PID的步进电机速度控制[J]. 软件 2019(12)
    • [3].采用改进模糊神经网络PID控制的移动机器人运动误差研究[J]. 中国工程机械学报 2019(06)
    • [4].基于改进模糊PID的轮式机器人速度控制器设计[J]. 河北科技大学学报 2020(01)
    • [5].基于模糊PID的高速列车车内压力主被动控制[J]. 中国测试 2020(01)
    • [6].混合式步进电机模糊PID控制器设计仿真[J]. 安徽工程大学学报 2019(06)
    • [7].基于模糊PID控制的列车主动悬架振动控制研究[J]. 工业控制计算机 2020(01)
    • [8].拖拉机液压机械式变速器小波神经网络PID控制[J]. 合肥工业大学学报(自然科学版) 2020(01)
    • [9].雷达稳定平台模糊PID串级控制设计与仿真[J]. 计算机测量与控制 2020(02)
    • [10].基于模糊神经网络PID控制的粉体包装计量控制系统[J]. 食品与机械 2020(01)
    • [11].考虑路面时变的整车主动悬架的改进模糊PID集成控制策略[J]. 现代制造工程 2020(02)
    • [12].基于广义预测控制PID算法的桥式起重机吊钩防摆控制器设计[J]. 制造业自动化 2020(03)
    • [13].面向抽水蓄能电站区域负荷频率的分数阶PID控制研究[J]. 电网技术 2020(04)
    • [14].基于智能控制的PID控制方式的研究[J]. 电子测试 2020(05)
    • [15].基于变速积分与微分先行PID的无刷直流电机串级调速控制[J]. 齐齐哈尔大学学报(自然科学版) 2020(01)
    • [16].基于模糊PID算法吸附机器人转向控制系统[J]. 精密制造与自动化 2020(01)
    • [17].农用车辆路径跟踪预瞄控制研究——基于免疫模糊PID算法和视觉导航[J]. 农机化研究 2020(11)
    • [18].基于模糊PID算法吸附机器人转向控制[J]. 软件 2020(04)
    • [19].基于模糊PID算法的臭氧发生器控制系统优化措施[J]. 自动化应用 2020(04)
    • [20].基于遗传算法的智能PID系统设计和分析[J]. 设备管理与维修 2020(10)
    • [21].基于模糊PID的电力巡检机器人路径纠偏[J]. 智慧工厂 2020(04)
    • [22].基于PID的多电发动机磁轴承控制系统设计与验证[J]. 微特电机 2020(06)
    • [23].基于遗传算法的全自动除泡机腔体充排气PID控制研究[J]. 机械管理开发 2020(05)
    • [24].基于吸收塔动态模型的PID控制模拟研究[J]. 辽宁化工 2020(06)
    • [25].基于PID的光伏清洁机器人速度控制及仿真研究[J]. 造纸装备及材料 2020(03)
    • [26].基于改进模糊-PID的船舶自动舵控制方法[J]. 船舶物资与市场 2020(06)
    • [27].运用启发式算法优化一阶倒立摆PID参数研究[J]. 产业科技创新 2020(10)
    • [28].基于前馈补偿PID控制的轮式机器人轨迹跟踪[J]. 河南工程学院学报(自然科学版) 2020(03)
    • [29].基于模糊PID的驾驶模拟器方向盘力反馈系统设计[J]. 机电技术 2020(04)
    • [30].基于模糊PID的小型冷库过热度控制方法[J]. 湖北工业大学学报 2020(04)

    标签:;  ;  ;  ;  

    基于神经模糊PID混合控制的恒压供水系统
    下载Doc文档

    猜你喜欢