油雾润滑系统的智能建模与控制

发布时间：2017-04-14 08:21

  本文关键词：油雾润滑系统的智能建模与控制，由笔耕文化传播整理发布。

【摘要】：油雾润滑是最近十几年发展起来的一种新型的稀油集中润滑方式，可以持续有效地将液体润滑油雾化为细小油雾颗粒的集中润滑系统。各行业中大型传动机构中的运动件一般都会采用油雾润滑。由于工况的多样性，所以需要不同浓度的油雾来进行润滑。然而大型传动件的运动腔室空间非常大，使得整个油雾浓度控制中存在变时滞。并且环境因素变化的影响都会对油雾浓度产生一定程度的影响。油雾浓度的精确控制是普遍存在的问题，，目前油雾润滑系统中普遍采用传统的PID控制，为了防止油雾浓度高而导致爆炸，往往将传感器的警戒浓度值设定得比较低。这样就造成了某些工况下油雾浓度偏低导致润滑不足，损坏工作表面，降低寿命，造成较大的经济损失。因此研究一种能快速精确控制油雾浓度的方法是十分必要的。 本文以大型柴油机内部润滑为例。首先对油雾润滑设备以及核心部件油雾发生器的结构和发生原理进行了说明。分析了实际工况中的各种环境因素的影响，从实际应用中获取了适宜范围的经验值，确定了油雾润滑设备适用的环境，确保了油雾润滑系统能正常工作。并且由此说明了在此工况中不适用传统PID控制。 然后，建立起了油雾润滑系统的T-S模糊模型。在T-S模糊模型的前后件辨识过程中，使用基于减法聚类的c-均值模糊聚类辨识模型的前件结构和前件参数，对于模型的后件使用最小二乘估计方法来辨识。并且将这些辨识方法应用于油雾润滑系统，仿真表明，油雾润滑系统的T-S模型具有较好的拟合精度和广泛意义。 最后，将油雾润滑系统的T-S模型和预测控制技术相结合。基于受控自回归积分滑动平均模型（CARIMA模型），推导了广义预测控制算法。接着，讨论了广义预测控制算法的参数选择原则，进行T-S模型和CARIMA模型的等价转换。与传统PID控制算法进行比较，由于设施有限通过仿真实验表明，基于T-S模型液面加压系统的模糊预测控制算法具有显著的优越性。
【关键词】：油雾浓度 T-S模糊模型 减法聚类 c-均值模糊聚类 广义预测控制
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH117.2
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-26
• 1.1 课题研究的背景和意义12-13
• 1.2 模糊建模的发展现状13-18
• 1.2.1 模糊模型14-15
• 1.2.2 模糊建模方法15-18
• 1.3 预测控制的发展现状18-24
• 1.3.1 预测控制的基本类型19-20
• 1.3.2 预测控制特点20
• 1.3.3 现代预测控制及研究方向20-24
• 1.4 本文主要研究内容24-26
• 第二章 油雾润滑系统的介绍26-36
• 2.1 油雾润滑系统的组成26-30
• 2.1.1 电控箱27
• 2.1.2 油雾发生装置27-28
• 2.1.3 油雾润滑系统管道28-29
• 2.1.4 分配器29
• 2.1.5 凝缩嘴29
• 2.1.6 集油盒29-30
• 2.2 油雾发生器工作原理30-34
• 2.2.1 超声雾化30
• 2.2.2 旋动射流雾化30-32
• 2.2.3 文氏管雾化32-34
• 2.3 油雾润滑对象34
• 2.4 本章小结34-36
• 第三章 影响润滑油雾浓度的因素36-45
• 3.1 影响油雾浓度的因素分析36-42
• 3.1.1 润滑油温度的影响37-38
• 3.1.2 空气温度的影响38-39
• 3.1.3 空气压力的影响39-40
• 3.1.4 空气流量的影响40-41
• 3.1.5 气液质量比的影响41
• 3.1.6 润滑油粘度的影响41-42
• 3.1.7 各种因素对油雾浓度控制的影响42
• 3.2 雾化效果的衡量指标42-44
• 3.2.1 油雾浓度的大小42-43
• 3.2.2 油雾颗粒度的大小及分布43-44
• 3.3 本章小结44-45
• 第四章 油雾润滑系统的 T-S 模型研究45-58
• 4.1 引言45-46
• 4.2 模糊系统模型46-48
• 4.2.1 模糊系统的标准模型46-48
• 4.2.2 T-S 模糊模型48
• 4.3 基于 C-均值聚类算法的 T-S 模型前件结构及参数辨识48-52
• 4.3.1 基于目标函数的模糊聚类48-50
• 4.3.2 基于减法聚类输入空间的初始划分50-51
• 4.3.3 基于减法聚类的模糊 c-均值算法步骤51-52
• 4.4 基于最小二乘法 T-S 模糊模型后件参数辨识52-53
• 4.5 油雾润滑系统的 T-S 模型的建立53-57
• 4.6 本章小结57-58
• 第五章 基于 T-S 模型的油雾润滑设备的广义预测控制器设计58-71
• 5.1 引言58-59
• 5.2 广义预测控制简述59-62
• 5.2.1 预测模型59
• 5.2.2 滚动优化59-62
• 5.3 广义预测控制算法的参数选择62-63
• 5.3.1 采样周期 T62
• 5.3.2 最小预测时域N05162
• 5.3.3 最大预测时域N15162
• 5.3.4 控制时域Nu62-63
• 5.3.5 控制加权系数λ63
• 5.3.6 柔化系数α63
• 5.4 油雾润滑系统的 T-S 模型与 CARIMA 模型等价转化63-65
• 5.5 广义预测控制器和 PID 控制器控制效果比较65-69
• 5.6 本章小结69-71
• 第六章 总结和展望71-73
• 参考文献73-77
• 致谢77-78
• 攻读硕士学位期间发表或录用的论文78

【参考文献】

中国期刊全文数据库 前10条

1 诸静，黄杭美;复杂系统的广义预测模糊控制[J];电工技术学报;1997年02期

2 田水;;油雾润滑系统结构与应用[J];化学工程与装备;2010年04期

3 徐立鸿,冯纯伯;多变量加权多步预报控制[J];控制理论与应用;1992年03期

4 李静如,李尚春;模糊预测控制及其应用研究[J];控制理论与应用;1992年03期

5 李人厚，张平安;关于模糊辨识的理论与应用实际问题[J];控制理论与应用;1995年02期

6 古钟璧;王祯学;王苇;;具有误差预测修正的预测控制算法[J];控制与决策;1992年06期

7 王宏伦,吕庆风,佟明安;基于遗传算法的自学习模糊逻辑系统[J];控制与决策;2000年06期

8 邢宗义,胡维礼,贾利民;基于T-S模型的模糊预测控制研究[J];控制与决策;2005年05期

9 李奇;寇子明;;文丘里管射流器的主要性能参数研究[J];煤矿安全;2009年06期

10 孟维柱;铝箔轧机的油雾润滑系统[J];轻合金加工技术;1992年06期

中国博士学位论文全文数据库 前1条

1 张云;复杂热工系统先进控制与优化研究[D];山东大学;2008年

中国硕士学位论文全文数据库 前4条

1 蒋胜;智能控制在张力控制中的研究与应用[D];武汉科技大学;2006年

2 周珂珂;神经网络预测控制及其在电厂中的应用[D];华北电力大学（河北）;2007年

3 步佼哲;顶燃式热风炉用燃烧器的试验研究与数值模拟[D];辽宁科技大学;2008年

4 张海龙;基于神经网络的智能预测控制理论研究[D];大庆石油学院;2008年

  本文关键词：油雾润滑系统的智能建模与控制，由笔耕文化传播整理发布。

本文编号：305618