原文服务方: 安徽工业大学学报(自然科学版)       
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RBF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.
推荐文章
基于RBF神经网络的PID控制
RBF
PID
参数整定
仿真
Matlab
基于模糊RBF神经网络的智能PID控制
RBF神经网络
模糊算法
PID控制
基于改进型RBF神经网络辨识的PID控制
径向基函数
改进型RBF神经网络
PID控制
最近邻聚类算法
在线自整定
基于RBF神经网络PID控制的交流伺服系统
PID控制
径向基函数神经网络(RBFNN)
交流伺服系统
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 定量称重包装系统RBF神经网络PID控制研究
来源期刊 安徽工业大学学报(自然科学版) 学科
关键词 定量包装 动态称重 RBF神经网络 PID
年,卷(期) 2014,(3) 所属期刊栏目 机械、控制与电气
研究方向 页码范围 299-302
页数 4页 分类号 TP273
字数 语种 中文
DOI 10.3969/j.issn.1671-7872.2014.03.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 章家岩 安徽工业大学电气与信息工程学院 81 314 9.0 14.0
2 章磊 安徽工业大学电气与信息工程学院 3 23 2.0 3.0
3 冯旭刚 安徽工业大学电气与信息工程学院 46 128 5.0 8.0
4 吴宇平 安徽工业大学电气与信息工程学院 3 20 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (47)
参考文献  (9)
节点文献
引证文献  (17)
同被引文献  (69)
二级引证文献  (34)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(8)
  • 参考文献(2)
  • 二级参考文献(6)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(11)
  • 引证文献(7)
  • 二级引证文献(4)
2018(9)
  • 引证文献(4)
  • 二级引证文献(5)
2019(17)
  • 引证文献(2)
  • 二级引证文献(15)
2020(13)
  • 引证文献(3)
  • 二级引证文献(10)
研究主题发展历程
节点文献
定量包装
动态称重
RBF神经网络
PID
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
安徽工业大学学报(自然科学版)
季刊
1671-7872
34-1254/N
大16开
1984-01-01
chi
出版文献量(篇)
2161
总下载数(次)
0
总被引数(次)
11633
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导