• 8.1.2 基于PLC的油田污水处理模糊控制 系统 • (1)污水处理工艺
图8.9 模糊控制系统方框图 r—给定pH值；e—偏差信号；ec—偏差信号变化率； u—变频器控制信号；n—变频器输出频率
• 其中,xi，y分别为神经元的输入、输出，Q为 神经元阈值；Wi为神经元之间的连接权值。 • 用神经元实现的自适应PID控制规律，若神 经元学习控制所需的状态量为xi(x1，x2，x3)， 则神经元PID控制器输出的增量形式为
• 用权重向量W和状态向量x的内积除以权重 向量的欧向里德度数‖W‖，以保证其控制 策略的收敛性。 • 式(8.2)中的xi(k)由(8.3)表示，其中e(k)为控 制器增量，yr(k)为输出期望值。
(3)模糊控制算法的PLC实现 1)模糊控制算法 2)查表梯形图程序设计 8.1.3 有机肥发酵过程智能控 制系统 • (1)有机肥生产工艺 • (2)温度控制器的设计 • 目前，人们经常使用的是由 Mceulloch 和 Pitts 最 早 提 出 的 M-P模型，它是一个多输入单 输出的具有非线性特性的信息 处理单元，相应的表达式为
2)输入变量与输出变量的模糊语言描述 3)建立模糊控制规则 4)模糊关系的求取 5)模糊控制决策 6)控制量的非模糊化(精确化) (3)控制结果
8.3 模糊控制技术应用 8.3.1 模糊控制全自动洗衣机 (1)输入量的检测 1)水位传感器 2)布量和布质检测 3)温度检测电路 4)脏污程度和脏污性质的检测 (2)模糊控制器的设计 1)水位设定的模糊控制 2)水流强度的模糊控制
• (4)控制器软件系统的设计 • 8.3.2 模糊控制电冰箱 • (1)控制系统概述
• ②在1 N ·m的阶跃干扰力矩下最大动态误 差小于3″、稳态误差为零。（1°=3 600″）。 • 8.2 智能机器人控制 • 8.2.1 机器人的智能控制
(1)基于ES/ANN集成的控制结构 (2)低层控制 (3)高层控制 1)知识库的建立 2)推理机制 (4)控制效果
图8.22 仿线 水下机器人智能控制的协调级规划 • (1) 具 有 模 糊 标 记 的 PN(PN with fuzzy tokens) • (2)基于FPN的协调级结构 • (3)水下机器人及作业过程描述 • (4)基于FPN的协调级规划 • 1)模糊标记的确定 • 定义8.1 c、d两点间为最佳作业范围，其 隶属函数为0；o、e两点为作业的临界点， 其隶属函数为1；a、b两点隶属函数为τ， 对应变迁的激发点。
• 式(8.10)中 为三轴台位置工作状态所限 定的最高转速。 • 采样延时的影响在于，如果在t1时刻系统运 行至P1 点，未到达切换点P0 ，而在下一时 刻t2，系统达到P2点，可能已穿过了切换线。 这时切换已为时过晚，其间走过的距离约 为eL(t1)：
图8.15 专家变模态控制系统 Yd(t)—期望轨迹；Y(t)—对象输出轨迹；U(t)—控制器输出； X(t)—对象状态；K—专家控制器；Q—知识库。
本系统由三部分组成 1 经典控制系统，PID控制 2 溢流浓度的神经网络控制 3 给矿量专家系统控制
• 某 型 号 三 轴 转 台 外 环 转 动 惯 量 为 101 ～ 121 kg · m2 。 电 机 最 大 输 出 力 矩 为 120 N ·m。力矩系数为12 N ·m/V。以0.10、 0.010 为界划分为3个误差集合，以0.2°/s、 0.02°/s为界划分3个误差变化率集合，依 古典频域法设计的Ⅱ型、Ⅲ型控制器分别 为
• 3)能控、能观性分析 • 定义8.2 当FPN描述图中，每一个内部变 迁至少与一个输入相连接时，则称此FPN 描述的过程是能控的。 • 定义8.3 当FPN描述图中，每一个内部变 迁至少与一个输出相连接时，则称此FPN 描述的过程是能观的。 • 8.2.3 移动机器人的路径规划 • (1)硬件描述 (2)路径规划算法的推导 • 1)确立模糊控制器的输入变量和输出变量
• 式中 M(K)——作用在轴上的力矩； • T——采样周期。 • 2)切换点的预估
• 预先计算好切换点可减少实时计算量。此 外，三轴转台有限速线路限定最高转速， 这时轨迹如L所示，切换点为Q0，其横坐标 为：
• 其中, b值当 取1，负值时取-1。 • (3)翻堆和通风装置的速度控制
• (5)实验结果及结论 • 8.1.4 三轴转台快速精密定位系统的智能 控制
• 8.1 复杂工业过程的智能控制 • 8.1.1 基于神经网络质量模型的磨矿过程智 能控制 • (1)磨矿过程工艺 • (2)磨矿过程溢流浓度模型 • 1)磨矿过程经典模型 • ①球磨机的模型
• (3)磨矿系统控制 • 1)经典PID控制 • 2)溢流浓度的神经网络控制