盤式製動器控製係統的主要功能包括：在輸送機正常運轉時，為製動器鬆閘回路提供適當的油壓．在輸送機製動時，可通過電液比例閥調節油路壓力從而實現製動過程的精確控製。
1、控製係統結構
製動器液壓站工作原理如圖1所示．液壓回路由液壓泵、濾油器、單向閥、皮囊蓄能器、比例溢流閥及調壓部分組成，
製動過程的工作過程是：係統油壓通過調節溢流閥5手柄來確定，輸送機正常工作時，電磁閥1DT、3DT、4DT、5DT、6DT處於通電狀態，壓力油經A口和B口進入盤式製動器，使製動器處於開閘狀態，同時通過換向閥21向皮囊蓄能器22充液，當達到設定的調壓值後，控製器命令液壓泵停止運轉，此時由保壓回路（由皮囊蓄能器22、電磁換向閥2l、20、26組成）向製動器提供油液和壓力．當輸送機製動時，電磁鐵3DT、4Drr、5DT通電，電磁鐵6DT斷電，由電液比例溢流閥24調節壓力，實現壓力的閉環控製，使製動器平穩停車。
電控部分以Siemens CPU226作為主控器，通過模擬量混合單元EM235來實現係統壓力實時采集以及對電液比例閥的控製。
2、神經網絡PID控製
benxitongdezhuyaoshejimubiaoshitongguotiaojiedianyebilifadekaidushixianzhidongguochengdejingquekongzhi，youyuyeyaxitongcunzaifeixianxingtexing，qiezaigongzuoguochengzhonghuiyinweiyouwendebianhuayinqixitongcanshudebianhua，buyishiyongchangguiPID控製方式．本文針對上述情況提出了使用適應的特性，利用徑向基函數( Radial Basic Function，RBF)神經網絡實時整定PID控製器參數，以提高係統的可控性和穩定性。
RBF神經網絡是一種具有單隱層的三層前向網絡，其輸入輸出間的映射關係為非線性而隱含層與輸出空間的映射為線性關係．RBF神經網絡是一種局部逼近網絡，具有以任意精度逼近連續函數的能力，
3、係統仿真
利用Simulink進行仿真，與傳統PID控製方法進行比較．輸入為rint(t)=l.0 sgn(sin(27rt》，傳統PID控製的參數為：kF0.12、k1~0.08、kd=0.24；神經網絡控製係統初始參數為：數據中心矩陣初始值：30;擴展常數矢量初始值：40；輸出權值矢量初始值：10；網絡的學習速率：的學習速率：0.35．輸出仿真如圖4所示，其中圖(a)采用傳統PID控製、圖(b)采用RBF神經網絡控製，仿真結果表明，RBF神經網絡控製器具有很好的控製和跟蹤性能，控製精度高。
4、結論
RBF神經網絡控製器具有很好的全局搜索尋優特性，並且具有操作方便、跟蹤速度快，使用時不需要建立精確的數學模型的特點，采用RBF神經網絡算法實時優化PID控製參數，極大地改善了傳統PID控製器的性能，使係統的響應速度有了很大提高．仿真結果表明，基於RBF的PID控製克服了傳統PID控製算法的不足，提高了PID控製器的控製精度，具有較強的抗幹擾和自適應能力，有較高的適應能力，可以滿足製動器控製係統的控製要求。
相關輸送機產品：
1、皮帶輸送機
2、刮板輸送機
