基于ANFIS的振动筛控制系统设计

详细信息    查看全文 | 推荐本文 |

英文篇名：Design of Vibration Sieve Control System Based on ANFIS 作者：周民 ; 周凡 ; 彭菊红 ; 杨维明 英文作者：Zhou Min;Zhou Fan;Peng Juhong;Yang Weiming;Faculty of Computer &Information Engineering,Hubei University; 关键词：振动筛 ; 自动控制 ; 模糊神经网络 ; MATLAB仿真 英文关键词：vibrating screen;;auto-control;;fuzzy neural network;;MATLAB simulation 中文刊名：JZCK 英文刊名：Computer Measurement & Control 机构：湖北大学计算机与信息工程学院; 出版日期：2018-01-25 出版单位：计算机测量与控制 年：2018 期：v.26;No.232 语种：中文; 页：JZCK201801026 页数：4 CN：01 ISSN：11-4762/TP 分类号：108-111

摘要

为了解决因振动筛频率和倾角无法自动调整而导致筛分效率过低的问题而设计了一种基于自适应模糊神经网络的控制系统,该系统以S7-200PLC为核心控制器配合采用WINCC组态软件实现振动筛的自动调节,大大提高了振动筛的筛分效率;该系统通过大量的数据采集、保存及分析,寻找出振动筛在不同输入条件下最佳的工作倾角和振动频率并作为网络的学习样本以便获得模糊推理系统的数据,将其与现场采集数据作比较;试验结果表明:该网络具有较快的训练速度和较强的学习能力,满足了控制系统自动调节频率和倾角的需求。
        In order to solve the problem that screening efficiency is too low because of the inability to adjust automatically the vibration sieve's frequency and angle,we design a control system based on the ANFIS.Taking S7-200 PLC as the core controller,and use WINCC software to achive automatic adjusting of vibration sieve,which can improve the screening efficiency of vibrating screen greatly.The system can find the the best working angle and vibration frequency of the vibrating screen in different input conditions through a large number of data acquisition,storage and analysis,taking it as learning samples of network so that we can get the data of fuzzy inference system.The experiment results show that the network has faster training speed and strong learning ability to meet the requirements of control system's automatic adjusting the frequency and angle.

引文

[1]陈洋,吴怀宇.基于ANFIS的焦炉火道温度预报模型研究[J].计算机测量与控制,2007,15(2):462-464.
    [2]王冷.基于模糊神经网络信息融合的采煤机煤岩识别系统[J].现代电子技术,2015(12):38.
    [3]席爱民.模糊控制技术[M].西安:西安电子科技大学出版社,2010.
    [4]石辛民,郝整清.模糊控制及其MATLAB仿真[M].北京:清华大学出版社,北京交通大学出版社,2008.
    [5]秦海,刘清平.基于ANFIS的汽车主动悬架仿真[J].农机化研究,2007(12):55-58.
    [6]吴江燎,易灵芝.开关磁阻电机自适应模糊神经网络系统无位置传感器控制[J].煤炭学报,2010(8):35.
    [7]刘鸣,张宝钢.基于ANFIS的蓄冷系统模糊控制设计[J].沈阳建筑大学学报(自然科学版),2010(3):26.