基于Simulink仿真的电子加速器控制方法研究

TL506; 电子加速器广泛用于材料改性、消毒灭菌和污水处理等领域.然而,在实际应用中束流强度的控制存在无法快速、准确调整的问题,大大降低了生产效率.为了解决电子加速器中束流变化的非线性、时变性和不稳定性问题,本文采用了 PID算法、模糊PID算法和模糊神经网络PID算法,并利用MATLAB中的Simulink构建了相应的控制系统仿真模型,对这3种算法的性能进行了比较.通过对比PID算法、模糊PID算法和模糊神经网络PID算法的仿真结果可知:模糊PID算法在稳定时间、超调量、加入扰动后稳定时间方面分别降低了 59.6％、48.9％、64.9％;模糊神经网络PID算法在稳定时间、超调量、加入扰动...

Full description

Saved in:
Bibliographic Details
Published in原子能科学技术 Vol. 59; no. 1; pp. 197 - 204
Main Authors 岳宏伟, 李中平, 周有为, 曹树春, 任洁茹, 张子民, 赵永涛
Format Journal Article
LanguageChinese
Published 中国科学院大学,北京 100049%中国科学院近代物理研究所,甘肃兰州 730000 2025
西安交通大学物理学院物质非平衡合成与调控教育部重点实验室,陕西西安 710049%中国科学院近代物理研究所,甘肃兰州 730000
Subjects
PID算法
PID algorithm
electronic accelerator
模糊神经网络PID算法
fuzzy PID algorithm
fuzzy neural network PID al-gorithm
Simulink
电子加速器
模糊PID算法
Online AccessGet full text
ISSN1000-6931
DOI10.7538/yzk.2024.youxian.0195

Cover

More Information
Summary:TL506; 电子加速器广泛用于材料改性、消毒灭菌和污水处理等领域.然而,在实际应用中束流强度的控制存在无法快速、准确调整的问题,大大降低了生产效率.为了解决电子加速器中束流变化的非线性、时变性和不稳定性问题,本文采用了 PID算法、模糊PID算法和模糊神经网络PID算法,并利用MATLAB中的Simulink构建了相应的控制系统仿真模型,对这3种算法的性能进行了比较.通过对比PID算法、模糊PID算法和模糊神经网络PID算法的仿真结果可知:模糊PID算法在稳定时间、超调量、加入扰动后稳定时间方面分别降低了 59.6％、48.9％、64.9％;模糊神经网络PID算法在稳定时间、超调量、加入扰动后稳定时间方面分别降低了 77.9％、79.6％、87.1％.模糊PID算法和模糊神经网络PID算法有望提高电子加速器束流控制的精度和效率.
ISSN:1000-6931
DOI:10.7538/yzk.2024.youxian.0195