论文部分内容阅读
石油闪点是石油产品在使用、存储和运输条件下表征安全性的一个重要指标,用于鉴定油品以及其它可燃性液体发生火灾的危险性。所测量的闪点值的准确度对石油产品的使用、存储和运输具有十分重要的安全性意义。由于石油产品开口闪点仪温度控制系统具有非线性、时变、大惯性和大滞后等特点,而且,目前市场上所销售的石油产品开口闪点检测仪大部分控制精度都不是很高,尤其在预设闪点前28°内,并没有达到国家标准的规定。 本文采用神经网络与模糊控制两种重要的智能控制技术,通过模拟人的智能行为,解决非线性、时变、复杂的自动化问题,并应用在石油闪点仪温度控制系统中。首先,简单介绍了课题的背景以及石油闪点仪的国内外发展现状,阐述了石油闪点仪温度控制系统的工作原理。其次,对神经网络与模糊控制进行了综合论述,分析比较了它们的特性、共性、适用范围以及相互结合的途径,并选择了两者结合的方式,然后针对一阶、大惯性滞后的被控对象,在Matlab/Simulink平台上设计了仿真模型,对Hopfield以及BP这两种神经网络算法进行对比研究。通过对比研究,得出Hopfield网络在本课题的控制系统中具有最佳的控制效果。最后,设计了石油闪点仪温度控制系统中各部分的硬件原理图,并购买相关元器件完成硬件的安装。