Введение
ГЛАВА I. Анализ технологического процесса вытягивания ... 9
1.1 Технология формирования ленты на ленточных машинах и качественные показатели процесса 9
1.2 Оценка основных внешних возмущений, влияющих на процесс вытягивания волокнистого продукта 11
1.2.1 Влияние качества перемешивания волокон 11
1.2.2 Влияние влажности волокна 14
1.2.3 Влияние входной неровноты ленты 15
1.3 Математическая модель процесса вытягивания ленты 16
1.3.1 Моделирование процесса вытягивания волокнистого продукта в вытяжном приборе 16
1.3.2 Модели различных схем процесса вытягивания 22
1.3.3 Компьютерная модель вытягивания в однозонном вытяжном прибореЗО
1.4 Анализ известных автоматических систем стабилизации линейной
плотности ленты. Постановка задачи 39
1.4.1 Методы регулирования развеса 39
1.4.2 Система регулирования методом автоматической компенсации с установкой датчика на входе 40
1.4.3 Система автоматического регулирования развеса по отклонению с датчиком на стороне вытяжных цилиндров 41
1.4.4 Системы автоматического регулирования с датчиком в вытяжном поле 42
1.4.5 Комбинированные системы автоматического регулирования развеса с датчиками на входе и выходе вытяжного прибора 43
1.4.6 Постановка задач 44
ГЛАВА II. Аналитическое исследование и сравнительный анализ методов управления 48
2.1. Традиционные ПИ- и ПИД-контроллеры с дискретным временем 48
2.2. Классификация и виды адаптивных систем 50
2.2.1 Общие сведения 52
2.2.2 Адаптивные системы без эталонной модели 56
2.23 Адаптивные системы с эталонной моделью 56
2.2.4 Классификация адаптивных систем 58
2.3. Управление с самонастройкой 58
2.4. Технологии нейронного управления 65
2.4.1. Подходы к нейронному управлению 66
2.4.2. Последовательная схема нейронного управления 67
2.4.3. Параллельная схема нейронного управления 73
2.4.4. Схема нейронного управления с самонастройкой 78
2.5. Сравнение "классических" и неиросетевых методов управления 79
2.5.1 Предпосылка анализа 79
2.5.2 Реализация решения 79
2.5.3 Выводы 82
ГЛАВА III. Разработка и исследование функционирования АСС лпл на основе искусственной нейронной сети 84
3.1 Синтез динамического алгоритма обучения нейросети 84
3.1.1 Возможные подходы к синтезу алгоритма обучения 84
3.1.2 Постановка задачи синтеза динамического алгоритма 87
3.2 Скоростной алгоритм обратного распространения ошибки 88
3.2.1 Алгоритмом скоростного градиента 88
3.2.2 Условия применения метода скоростного градиента в неиросетевых адаптивных системах управления 92
3.2.3 Динамический алгоритм с прогнозом ошибки обучения 94
3.3 Преобразование входных данных нейросети с целью улучшения их различимости 98
3.3.1. Порядок решения задачи 99
3.3.2. Нормализация значений ОВ 99
3.3.3. Повышение различимости ОВ 100
3.3.4. Применение предложенного подхода 101
3.3.5. Практические результаты 102
3.3.6. Выводы 105
3.4 Моделирование АСС ЛПЛ на основе искусственной нейронной сети.
Оценка работоспособности 105
3.4.1 Определение структуры АСС ЛПЛ на основе ИНС 105
3.4.2 Практические результаты предложенной АСС ЛПЛ на основе ИНС 107
3.4.3 Оценка работоспособности 108
3.4.4 Выводы 109
ГЛАВА IV. Реализация асс лпл на основе искусственной нероннойсети 110
4.1. АСС ЛПЛ на базе микропроцессорных программно-технических комплексов 110
4.1.1 Общие сведения 110
4.1.2 Микропроцессорные контроллеры и их основные характеристики 112
4.1.3 Устройства сопряжения с объектом (модули УСО) 113
4.1.4 Средства отображения иуправления 114
4.2. Измерительные устройства 114
4.2.1 Устройства для измерения засоренности волокна 114
4.2.2 Устройство для измерения качества смешивания волокон 116
4.2.3 Устройство для измерения влажности волокна в ленте и ЛПЛ 118
4.3. Программная реализация АСС ЛПЛ на основе ИНС 120
4.3.1 Сбор и первичная обработка информации 120
4.3.2 Искусственная нейронная сеть и алгоритм ее обучения 124
4.3.3 Формирование выходных данных и управляющего воздействия на исполнительный механизм 130
4.3.4 Интерфейс пользователя 132
4.3.5 Вывод 133
Общие выводы 134
Литература 137
