分布式控制系统主机与前端机群之间的主从式通信

分布式控制是当前工业控制最为流行的控制模式，代表了工业控制的发展趋势，而在分布式控制系统中，主机与前端机群之间的数据通信是整个系统的关键，本文基于RS485的串行通信模式，介绍了RS485通信子系统的硬件设计、通信协议以及软件控制程序流程图。     

近红外光谱LASSO特征选择方法及其聚类分析应用研究

近红外光谱技术是一种通过分析样本的特征光谱数据,实现定性或定量分析的无损检测方法,特征数据的完整性和代表性决定了所建模型的性能,而现有分析方法只能实现光谱子区间特征筛选,导致分析模型稳定性差、且难以再优化。为实现近红外光谱区间高维数特征提取,有效提高近红外光谱定性分析模型的精度和稳定性,提出一种基于最小绝对收缩和选择算法(LASSO)的光谱特征筛选方法,并以我国特色高值外贸产品云南松茸为分析对象进行聚类应用研究,讨论了该方法对于高维光谱特征筛选的有效性、分析对比了LASSO筛选特征变量及主元分析(PCA)降维算法所建松茸真伪甄别及食用菌分类模型的预测精度及稳定性。通过调研发现,云南产鲜松茸因其独特外形易于分辨,而片状的干松茸失去其独有的外形特征,导致国内干松茸掺假事件屡禁不止。选取云南产松茸、杏鲍菇、老人头、姬松茸四种干样共166样本数据进行分析,采用光谱范围为900～1 700 nm的NIRQuest512型近红外光谱仪获得166×512维原始光谱数据,剔除异常数据后采用标准正态变换对光谱数据进行预处理。在此基础上,利用LASSO筛选出全光谱区间的特征变量,再使用Kennard-Stone法并结合典型线性(KNN)和非线性建模(BP)算法,构建松茸真伪甄别模型和食用菌分类模型,对两种模型进行盲样测试,并分析了LASSO与PCA算法的不同点,最后使用蒙特卡罗方法检测两种模型的稳定性。实验结果表明基于LASSO光谱特征选择的松茸真伪甄别模型和食用菌分类模型预测精度和稳定性均高于PCA方法,其中基于原始光谱数据所建真伪甄别模型的预测准确率为69.57% (BP)和60.87% (KNN),食用菌分类模型准确率为67.39% (BP)和65.22% (KNN),基于LASSO特征筛选的真伪甄别模型预测准确率分别达到100% (BP)和78.26% (KNN),食用菌分类模型预测准确率分别达到89.13% (BP)和80.43% (KNN),对两种模型进行10次蒙特卡罗实验,其结果平均值分别为99.93%和97.22%,由此可知,与PCA等数据降维算法相比,LASSO可实现全光谱区间的光谱特征选择和数据降维,有效地提高了近红外定性分析模型的预测性能,为近红外分析提供了一种新的特征筛选方法。     

基于案例导学的PID控制技术课程教学

PID控制技术是自动控制课程群的核心算法,它依据系统的偏差,计算出合适的控制量,驱使被控对象工作在设定的范围,并且可以抑制外部干扰.然而,现有自动控制课程群多以MATLAB仿真为主,缺乏PID控制技术可行教学案例.该文以Mindstorms NXT套件为例,构建实验平台,介绍PID控制设计过程,及其参数调整方法,为自动...     

基于即时学习算法的软测量建模方法

针对工业过程中存在许多难以直接测量变量的问题,提出1种基于即时学习算法的软测量建模方法.提出k-矢量近邻方法建立系统的当前工况点的建模邻域,以提高即时学习算法的预测能力,利用递归最小二乘算法简化建模的在线计算量,通过PRESS估算得到算法的最优解,优化了算法,应用该算法对某一化工厂产品的酯化率进行测量建模,预测得到的最大相对误差为0.8742%,证明该方法的泛化性能良好,满足实际测量的精度要求,是1种便于理解,易于实现的软测量方法.     

圆木无卡旋切控制模型及控制系统的设计

介绍了圆木无卡旋切加工中存在的问题,主要体现在控制模型不准确和控制方法落后。针对这一问题建立两种圆木无卡旋切的数学模型:速度-旋切圈数模型和圆木直径-速度模型。并根据这两种数学模型设计出两种在不同场合下使用的圆木无卡旋切控制系统,实现在无卡旋切过程中对旋切板材厚度跳动的控制,使得旋切厚度范围在0.35～2.7mm,板材厚度公差小于±0.075mm,提高了木材的利用率。     

分布式控制系统主机与前端机群之间的主从式通信

分布式控制是当前工业控制中最为流行的控制模式 ,代表了工业控制的发展趋势 而在分布式控制系统中 ,主机与前端机群之间的数据通信是整个系统的关键 本文基于RS485的串行通信模式 ,介绍了RS485通信子系统的硬件设计、通信协议以及软件控制程序流程图