定量称重包装系统RBF神经网络PID控制研究-论文.pdf

《定量称重包装系统RBF神经网络PID控制研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Vo1．31NO．3安徽工业大学学报(自然科学版)第31卷第3期July2014J．ofAnhuiUniversityofTechnology(NaturalScience)2014年7月文章编号：1671—7872(2014)03—0299-04定量称重包装系统RBF神经网络PID控制研究吴字平，章家岩，章磊，冯旭刚(安徽工业大学电气与信息工程学院，安徽马鞍山243032)摘要：针对定量称重包装系统具有惯性、滞后、非线性时变且无法建立精确模型等特点，分析物料动态称量响应过程的动态特性及影响定量称重包装精度的相关因素和误差来源，提出1种基于R

2、BF神经网络PID的定量称重包装控制策略。利用具有任意非线性表达能力及较强自学习能力的RBF神经网络寻求最佳的PID参数，并通过Matlab仿真验证控制策略的有效性。结果表明，与传统的PID控制相比，RBF神经网络PID控制策略具有较强的抗干扰能力，可显著改善定量称重包装系统的控制效果。关键词：定量包装；动态称重；RBF神经网络；PID中图分类号：TP273文献标志码：Adoi：10．39698．issn．1671—7872．2014．03．017AStudyofQuantitativeWeighingPackagingSystemBased

3、onRBFNeuralNetworkPIDControlWUYuping，ZHANGJiayan，ZHANGLei，FENGXugang(1．SchoolofElectricalandInformationEngineering，AnhuiUniversityofTechnology,Ma’anshan243032，China)Abstract：Forquantitativeweighingpackingsystemwithinertia，hysteresis，non-linearandnotestablishingaprecisetime—

4、varyingcharacteristicsofthemodel，basedonanalysisofthedynamiccharacteristicsofthematerialinresponsetodynamicweighingprocesses，andrelatedfactorsandsourcesoferrorofafectingtheaccuracyofquantitativeweighingpackaging，thisarticlepresentsaquantitative-basedRBFneuralnetworkPIDcontr

5、olstrategyofweighingandpacking．Usingwithanynonlinearself-learningskillsandastrongabilitytoseekthebestRBFneuralnetworkPIDparameters，Matlabsimulationverifiestheefectivenessoftheproposedcontrolscheme．TheresultsshowthatRBFneuralnetworkPIDcontrolstrategyhasstrongeranti-jammingca

6、pabilitythanthetraditionalPIDcontrol，andsignificantlyimprovethecontrolefectofthequantitativeweighingpackagingsystemcontro1．Keywords：quantitativepackaging；dynamicweighhag；RBFneuralnetwork；PID定量称重包装是1种对物料进行在线称量并实现定量包袋的技术，在食品、医药、化工等工业生产领域应用极其广泛。实现定量称重包装的关键是解决动态定量称重控制问题，主要包括实时准

7、确称量及快速精确控制，实时准确的称重测量是快速精确控制的基础，而控制性能的好坏直接决定包装的精确程度m。定量称重包装系统是一个非线性、大滞后、强干扰的不确定性系统，难以建立精确的数学模型。因此，采用先进控制技术对其进行研究具有重大的理论意义和工程价值。目前国内学者对定量称重包装控制系统已做了不少研究，如：文献【2】针对定量包装控制中存在的主要问题，提出了基于模糊控制理论的Fuzzy—PID控制方案，并对系统的控制效果进行了仿真研究，取得了一定的效果；文献[3]针对动态定量称重系统随机干扰因素多、大滞后和参数不确定性等特点，提出了1种基于BP神

8、经网络和PID相结合的控制方法，使仿真控制效果得到了较大改善。但BP网络学习速率固定、收敛速度收稿日期：2014—03—24基金项目：安徽省教育厅自然科学基金重点项