跳到主要內容

臺灣博碩士論文加值系統

(44.200.86.95) 您好!臺灣時間:2024/05/25 17:17
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:楊明欽
研究生(外文):Ming-Chin Yang
論文名稱:模糊、適應性類神經網路混合型控制系統應用於粉料皮帶式稱量機
論文名稱(外文):The Fuzzy and Adaptive Neural Network Hybrid Control System in Flush Material Belt Weighing Feeder
指導教授:孫宗瀛孫宗瀛引用關係
指導教授(外文):Tsung-Ying Sun
學位類別:碩士
校院名稱:國立東華大學
系所名稱:電機工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:72
中文關鍵詞:粉料皮帶式稱量機模糊控制適應性類神經網路
外文關鍵詞:Flush MaterialBelt Weigh Feeder (FMBWF)Fuzzy Control
相關次數:
  • 被引用被引用:0
  • 點閱點閱:193
  • 評分評分:
  • 下載下載:33
  • 收藏至我的研究室書目清單書目收藏:0
許多生產系統原料配料使用粉料皮帶式稱量機(Flush Material
Belt Weigh Feeder, FMBWF),其運轉是否準確與穩定直接影響產品的
品質。影響粉料皮帶式稱量機的系統穩定控制行為的原因為:
1. 當原料特性改變或是預給料系統出料不穩定的情形下,會造成皮
帶料層的不穩定現象。
2. 當稱量機設定值改變時,因為預給料系統與稱量系統有延遲特
性,會造成皮帶料層的不穩定現象。
本論文以整合模糊控制(Fuzzy Control)與適應性類神經網路
(Adaptive Neural Network, ANN)的混合型控制系統,取代原系統的
PID 控制器及領先補償控制器,改善前述的因素造成之不精確與不穩
定。針對原料特性或是預給料系統出料穩定與不穩定及設定值變化等
狀態進行模擬與測試、分析與比較,由測試結果可知新的系統明顯改
善原系統不穩定的操控行為,可以成功的預測原料特性改變或出料不
穩的狀態,並可估算出設定值改變後的暫態現象,及時對預給料設備
進行調整。改善後的控制系統可以保持穩定收斂,進而提升控制系統
的準確度與穩定度。
The Flush Material Belt Weigh Feeder (FMBWF) has been used in
many material handling plants. The accuracy and stability of the FMBWF
will affect the quality of the production directly. The reasons that affect
the system stable control behavior of FMBWF are as follows:
1. The layer of the flush material on the belt is unstable when the
characters of flush material changed or the Prefeeder feeding rate is
unstalbe.
2. The layer of the flush material on the belt is unstable due to time delay
character of Prefeeder and FMBWF when the set point value of the
FMBWF changed.
This thesis adopts a Fuzzy and Adaptive Neural Network Hybrid
Control System to replace the PID controller and a leading compensation
controller for the original system, the foregoing factors of imprecise and
instability is improved. The experiments in this thesis include the
simulation, analysis and comparison for the situations such as the
character of material is varied, the states of Prefeeder are stable and
unstable, and the set point value of FMBWF is changed. The experiment
results show that the proposed new system can improve the unstable
control behavior of the original system, the character variation of material
or the unstable status of Prefeeder can be predicted successfully, the
transient response of the set point variation can be estimated, and the
Prefeeder can be adjusted promptly. The proposed control system can
remain stable convergence, and the accuracy and the stability of the
control system are improved.
中文摘要 I
英文摘要 II
誌謝 III
目錄 IV
圖目錄 VIII
表目錄 XI
第一章 緒論 1
1.1 研究動機 1
1.2 研究目的 5
1.3 論文架構 7
第二章 粉料皮帶式稱量機控制系統 9
2.1 粉料皮帶式稱量機數學模式 10
2.1.1 稱量系統 10
2.1.2 預給料系統 11
2.2 粉料皮帶式稱量機控制系統 13
2.2.1 稱量控制系統 13
2.2.2 預給料控制系統 14
2.3 傳統的粉料皮帶式稱量機控制系統的缺點 15
第三章 粉料皮帶式稱量機控制系統的改善 17
3.1 模糊、適應性類神經網路混合型控制系統 17
3.2 適應性類神經網路控制器 18
3.3 模糊控制器 22
第四章 系統模擬與測試 27
4.1 系統模擬程式的設計 27
4.1.1 原有的粉料皮帶式稱量機控制系統 27
4.1.2 使用ANN 控制器取代PID 控制器的皮帶式稱量機控制系統 32
4.1.3 模糊、適應性類神經網路混合型皮帶式稱量機控制系統 40
4.2 原料特性改變或預給料系統出料不穩定之分析與比較 42
4.2.1 原有粉料皮帶式稱量控制系統的控制特性 42
4.2.1-1 原料特性穩定或預給料系統出料穩定的控制特性 42
4.2.1-2 原料特性改變或預給料系統出料不穩的控制特性 44
4.2.2 使用ANN 控制器取代PID 控制器的控制系統 46
4.2.2-1 原料特性穩定或預給料系統出料穩定的分析與比較 46
4.2.2-2 原料特性改變或預給料系統出料不穩的分析與比較 50
4.3 流量設定值改變之分析與比較 54
4.3.1 原有粉料皮帶式稱量機控制系統的控制特性 54
4.3.2 使用ANN 控制器取代PID 控制器的控制系統的分析與比較 56
4.3.3 模糊、適應性類神經網路混合型控制系統的分析與比較 60
4.4 流量設定值改變與原料特性改變或出料不穩分析與比較 63
4.4.1 原有粉料皮帶式稱量機控制系統的控制特性 63
4.4.2 使用ANN 控制器取代PID 控制器的控制系統的分析與比較 65
4.4.3 模糊、適應性類神經網路混合型控制系統的分析與比較 67
第五章 結論及未來規劃方向 69
5.1 結論 69
5.2 未來工作 70
參考資料 71
[1] E. G. Collins, Jr. and C. Fan, “Automated PI Tuning for a Weigh Belt Feeder via Unfalsified Control,” in Proc. the 38th Conference on Decision & Control, Phoenix, Arizona USA, December 1999.
[2] Y. Zhao, E. G. Collins, Jr. and D. A. Cartes, “Indirect Self-tuning Regulator Design for an Industrial Weigh Belt Feeder,” in Proc. the American Control Conference, Anchorage, AK May 8-10, 2002.
[3] Y. Zhao and E. G. Collins, Jr., “Fuzzy PI Control of an Industrial Weigh Belt Feeder,” in Proc. the American Control Conference, Anchorage, AK, May 8-10, 2002.
[4] Y. Zhao and E. G. Collins, Jr., “Non-model-based Control for an Industrial Weigh Belt Feeder,” in Proc. the American Control Conference, Denver, Colorado, June 4-6, 2003.
[5] Y. Zhao and E. G. Collins, Jr., “Fuzzy PI Control Design for an Industrial Weigh Belt Feeder,” IEEE Transactions on Fuzzy System, vol. 11, no.3, pp. 311-319, June 2003.
[6] E. G. Collins, Jr., Y. Zhao, and R. Millett, “A genetic search approach to unfalsified PI control design for a weigh belt feeder,” Int. J. Adapt. Control Signal Processing, vol. 15, no. 5, pp. 519-534, 2001.
[7] E. G. Collins, Jr. and Y. Zhao,“Unfalsified PI Control Design for a Weigh Belt Feeder Using Genetic Search,” in Proc. the American Control Conference, Arlinton, VA, June 25-27, 2001.
[8] T. Y. Sun, M. C. Yang, S. J. Tsai, and Jyun-Sian He, “Adaptive Neural Network Controller for the Flush Material Belt Weigh Feeder,” International Joint Conference on Neural Networks, Atlanta, Georgia, June, 2009.
[9] T. Y. Sun, M. C. Yang, S. J. Tsai, and Jyun-Sian He, “An Improved Flush Material Belt Weigh Feeder System via Fuzzy Logic Controller and Adaptive Neural Networks,” 2009 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2009), JeJu Island, Korea, August, 2009. (accepted)
[10] P. Farley, “Weighing Feeder Retrofits and Upgrades,” IEEE Cement Industry Technical Conference, Seattle, Washington, May, 1994.
[11] F. J. Lin and R. J. Wai, “Hybrid controller using a neural network for a PM synchronous servo-motor drive,” IEE Proc.-Electr. Power Appl., Vol. 145, No. 3, May 1998.
[12] Y. Zhang, P. Sen, and G. E. Hearn, “An On-line Trained Adaptive Neural Controller,” IEEE Control System Magazine, vol. 15, No. 5, pp. 67-75, October 1995.
[13] M. H. Chu, Y. Kang, Y. F. Chang, Y. L. Liu, and C. W. Chang,“Model-Following Controller Based on Neural Network for Variable Displacement Pump,” JSME International Journal, Series C, vol. 46, no. 1, 2003, pp.176-187.
[14] R. V. Hogg, J. W. McKean, and A. T. Craig, Introduction to Mathematical Statistics. Pearson Prentice Hall, NJ, USA, 2005.
[15] 朱明輝、彭增榮,類神經網路控制系統,新文京開發出版股份有限公司出版,2008。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top