基于BPNN的黄酒前酵温度控制模型与仿真

发布时间：2021-12-30 23:21

　　黄酒发酵过程十分复杂,且难以建立准确的数学模型,发酵温度自动控制一直是研究难点。传统PID控制器在前酵温度控制时,存在精度不高、响应缓慢和参数调节历时较长等问题,因此提出了基于BP神经网络的黄酒前酵温度控制策略,将BP神经网络应用于PID控制器的参数调节,改进了性能,并构建了动态仿真模型。仿真结果表明:设计的PID控制器控制精度更高、响应速度更快且有效改善了耦合干扰等问题。 

【文章来源】：浙江工业大学学报. 2020,48(06)北大核心

【文章页数】：7 页

【部分图文】：

前酵温控系统总体设计图

神经元网络通过各神经元之间的加权和形式输出,只要神经元数量足够多、网络结构足够复杂即可实现对任意变化规律的拟合[11]。并且利用BP神经网络作为非线性组合函数,可用于多模型的输出融合[12]。神经元作为神经网络的处理单元,是神经网络最基本的组成部分,其模型结构如图2所示。神经元j的状态uj由此神经元的状态函数g决定。以神经元当前输入netj和当前状态为自变量,按其状态函数就可产生神经元的下一个状态。

比例阈值函数输入—输出状态曲线

【参考文献】：
期刊论文
[1]基于模糊算法的2D伺服阀控制器的研究[J]. 李胜,董健,郭克,孙冲冲,姜志海.  浙江工业大学学报. 2019(04)
[2]基于AFSA-BPNN的MRVM模型非线性融合建模[J]. 夏陆岳,刘勇,潘海天.  浙江工业大学学报. 2017(03)
[3]SIMULINK模块库在计算机控制系统仿真设计中的应用[J]. 王雷,降华.  自动化与仪器仪表. 2016(06)
[4]基于BPR的寿生酒生产流程单元布局优化[J]. 蒋美仙,魏宗敬,诸葛进豪,金寿松,蒋方明.  浙江工业大学学报. 2014(03)
[5]基于PID神经网络的温度控制系统[J]. 郭秀才,舒怀林.  工矿自动化. 2008(03)
[6]啤酒发酵过程温度控制策略[J]. 杜锋,雷鸣.  酿酒. 2002(06)

博士论文
[1]黄酒发酵过程的建模与优化[D]. 刘登峰.江南大学 2014
[2]发酵过程混合建模及带动态补偿的非线性预测控制方法研究[D]. 冯絮影.北京化工大学 2010

硕士论文
[1]黄酒生产过程综合自动化技术若干关键问题研究[D]. 余祖应.浙江大学 2013
[2]智能温度控制系统在啤酒发酵中的应用研究[D]. 毕竞锴.郑州大学 2012
[3]智能控制在啤酒发酵温控中的应用研究[D]. 刘迪.昆明理工大学 2011



本文编号：3559162