回转窑煅烧带温度控制器的设计与仿真

针对传统的回转窑煅烧带温度PID控制系统存在温度稳定性差、无法在线调整PID参数等问题,文章提出了一种采用模糊自整定PID参数控制方式设计回转窑煅烧带温度控制器的方案,介绍了该控制器的结构、设计步骤及回转窑煅烧过程系统的建模等,并采用Matlab中的Simulink模糊工具箱对模糊自整定PID温度控制器进行了仿真。仿真结果表明,该控制方法无超调量、调节时间短,能够实现参数的在线自调整。实际应用也证明了该控制方法的优越性。     

回转窑模型与智能控制研究

针对水泥生产工艺,从某大型水泥厂实际生产过程中获得的整点数据中选取合适参数,建立了回转窑模型参数辨识进行数学模型。给出了新型干法水泥回转窑系统工艺流程,说明了回转窑主要参数的含义。以生料量和分解炉温度之间通过数据辨识出的模型为例,得到辨识模型拟合曲线,实现回转窑窑尾温度的模糊控制及模糊PID控制。建立模糊推理系统,得到模糊PID和模糊控制的仿真结果图。研究加入干扰信号后窑尾温度模糊控制器的控制效果。阐述了用M文件编写模糊PID控制程序的主要思想,给出了模糊PID控制及PID控制结果对比图。通过对比可以看出,模糊PID控制能快速克服扰动且超调量小,动态性能较好。     

基于Lbest PSO和NNs的电液伺服系统输出力PID控制研究

为了实现电液伺服系统输出力的稳定控制,结合局部最优粒子群优化算法和神经网络模型,提出一种PID控制器设计方法。该方法将神经网络模型(NNS)与PID控制器耦合,得到基于神经网络的PID控制器参数整定结构;再采用局部最优粒子群优化算法(Lbest PSO)确定神经网络的权重,从而得到基于局部最优粒子群优化算法和神经网络的PID控制算法;最后将提出的PID控制算法用于控制虚拟的电液伺服加载系统,以进行仿真实验。仿真结果表明,由该PID控制器控制的电液伺服系统的输出力平稳地收敛于给定力,从而提高了系统的稳定性。     

基于模糊神经网络的水泥回转窑PID复合温度系统的设计

水泥回转窑温度系统具有严重的非线性和较大的时间滞后性,很难建立精确的数学模型,本文采用模糊神经网络控制与PID控制结合的复合控制策略,对水泥回转窑预热器四级筒出口温度进行实时监控,现场运行结果表明,该控制系统具有控制精度高、速度快、稳定性强等优点,控制效果优于传统PID控制或模糊控制。     

水泥回转窑烧成带温度多参量控制方式应用研究

针对水泥生产线回转窑系统实际运行特点,结合温度及负压调节的工艺要求,在稳定旋风预热器出口风负压的基础上,利用预热器出口处含氧量作为回转窑烧成带温度自适应内模控制的前馈信号。通过自适应内模控制器输出控制量与该前馈信号叠加,在线实时控制变频生料给料机的投料量,确保回转窑系统的透气性,进而稳定回转窑烧成带的温度。仿真结果表明,该方法具有较好的控制效果,证实了所提出控制思想的正确性。     

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。     

神经网络在PID控制器参数优化中的研究

研究PID控制器参数优化问题.工业过程控制要求稳定性,跟踪特性均应实时快速.由于PID控制效果取决于比例、积分和微分3个参数取值,传统PID参数采用试凑方式进行优化,往往费时且难以满足实时控制效果,导致控制精度不高.为了提高PID控制精度,改善系统性能,提出一种神经网络的PID参数优化方法.方法将PID控制器输入作为神经网络输入,最优PID控制性能作为神经网络的输出,通过神经网络的联想记忆能力和自学习适应能力,在控制过程中动态调整PID参数(比例、积分、微分),从而实现PID控制器参数实时优化,获得最佳PID控制效果.仿真结果表明,应用神经网络的PID参数优化方法提高了PID控制精度和系统响应速度,具有较强的自适应性和鲁棒性.     

飞机空调车的模糊CMAC-PID温度控制器设计

关于飞机地面空调温度优化控制问题,飞机地面空调车温度控制系统具有参考模型不精确、非线性、时变、工作环境不稳定等特点。针对实际温度控制系统中应用到的传统PID温度控制器存在超调量大、响应速度慢、抗干扰能力弱等缺点,设计了一种新的响应速度快、稳定性高和抗干扰能力强的模糊CMAC-PID控制器。温度控制器利用小脑神经网络(CMAC)较强的自适应能力,与模糊PID控制器并行工作,能够迅速、精确、稳定的达到系统所要求的温度值。用Matlab软件进行实验,结果表明控制方式有效地改善了系统的动态性能、稳态精度和鲁棒性,具有较好的工程应用前景。     

基于蚁群神经网络的工业自动化PID参数优化

针对常规方法无法获得最优PID控制器参数的缺点,提出一种基于蚁群神经网络的PID控制器参数优化方法（ACO-RBFNN）。ACO-RBFNN将PID控制器的3个参数作为RBF神经网络的输入,系统输出为RBF神经网络期望输出,通过蚁群算法对RBF神经网络的参数进行优化,并通过RBF神经网络构造参数自学习的PID控制器,从而实现PID控制器参数在线优化。仿真实验结果表明,基于ACO-RBFNN的PID控制器可以得到令人满意的控制效果,可以应用于工业自动化控制系统的PID控制器参数优化。     

一种RBF神经网络自适应PID控制器在超临界温度系统的应用研究

将传统PID控制器参数优化和径向基函数（RBF）神经网络结合,提出了基于RBF神经网络的PID控制器。将该控制器用于某超临界电厂温度系统中,由RBF网络对温度控制系统进行在线辨识,建立其在线参考模型并为PID控制器提供信息,控制器通过在线的自学习不断进行适应性控制,从而实现参数在线自调整,优化误差性能指标。MATLAB仿真结果表明,控制器对超临界温度系统有较好的控制效果,不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好。     

基于神经网络的水泥回转窑控制系统研究

水泥回转窑的工作过程是水泥生产中的核心部分,它的生产过程是一个具有大惯性,纯滞后,非线性和强耦合的过程,建立精确的复杂模型非常困难,针对水泥回转窑工作过程中起关键作用的物料温度、窑转矩、含量,用ART-2和BP两种神经网络进行数据融合、分类,得到能较准确反映现场的工况信息,达到对回转窑电机的控制。     

基于双启发动态规划的预分解窑控制器设计

针对水泥预分解窑熟料煅烧过程多变量、多扰动、非线性,难以建立精确的数学模型,实际生产中对工人的生产经验依赖性较强等问题,提出采用误差反向传播(BP)神经网络建立烧成系统数学模型,设计预分解窑双启发动态规划(DHP)控制器。DHP评价网络输出代价函数J关于状态量的偏导数,获得最优或者次优的控制信号,然后由动作网络输出控制信号,使系统得到期望的控制轨迹。仿真结果表明控制器响应时间较快,各参量超调量均不大,有助于实际系统的稳定运行。     

Model predictive control of a rotary cement kiln

A first principles model of a cement kiln is used to control and optimize the burning of clinker in the cement production process. The model considers heat transfer between a gas and a feed state via convection and radiation. Furthermore, it contains effects such as chemical reactions, feed transport, energy losses and energy input. A model predictive controller is used to stabilize a temperature profile along the rotary kiln, guarantee good combustion conditions and maximize production. Moving horizon estimation was used for online estimation of selected model parameters and unmeasured states. Results from the pilot site are presented.     

神经网络PID在温度控制系统中的研究与仿真

本文提出一种基于BP神经网络的新型智能PID控制方法和一些BP神经网络的基本概念。同传统的PID控制相比较．神经网络智能PID控制有许多优点。把BP神经网络的PID控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。     

基于回声状态网络的回转窑工况识别方法

回转窑烧成带图像蕴含了丰富的温度场和熟料烧结信息,是回转窑烧结工况识别的重要依据。现有的基于静态图像的识别方法易受各种噪声影响,工况识别准确率较低。而视频图像序列蕴含了更多的烧结工况,具有区分性和不变性时空特征,在反映烧结工况变化方面信息更全面,更鲁棒。鉴于循环神经网络(RNN)和回声状态网络(ESN)适合处理时间序列方面的问题,分别根据两种神经网络构造动态分类器模型,提出了基于烧成带视频图像的回转窑熟料烧结工况识别方法,并且采用基准数据集时间序列做预测实验,通过设计实验考查两种神经网络处理分类和回归问题的能力。实验结果表明,针对回转窑工况识别问题,在不同数量样本条件下,ESN模型的识别率均略优于RNN-GRU,在MIMO时间序列预测问题上,ESN模型预测效果较好。     

A digital quality control system for an industrial dry process rotary cement kiln

A multivariate autoregressive moving average (ARMA) model for an industrial dry process rotary cement kiln is identified, from real process data, using the maximum likelihood method. The model obtained is then used in computing a controller for quality control of clinker production. It is shown that it is relevant to compute a minimum variance controller subject to restrictions both in the controller structure and the variances of the control signals. The resulting controller is finally implemented on the cement kiln process, together with a target adaptive controller for automatic adjustment of the clinker quality setpoint, in order to save energy.     

新型干法水泥生产控制系统中的参数优化

新型干法水泥回转窑生产技术正处于快速发展期,但是与之相配套的信息技术和控制技术却还有很多需要改进和优化的地方。本文介绍利用信息化技术对水泥熟料生产过程各种数据（DCS、生产、质量、设备、计量等）进行监控分析,在特定的生产线上运用数据挖掘技术实现的参数优化。     

水泥篦冷机出口熟料温度自适应辨识模型

为了优化控制系统,建立篦冷机温度熟料出口的识别模型,利用篦冷机内熟料换热机理,找出熟料冷却过程的关键影响因素;利用回声状态网络辨识篦冷机运行数据,基于递归最小二乘法推导网络的在线学习算法,实现权值自适应调整,从而建立了篦冷机出口熟料温度的自适应辨识模型.仿真实验可知,在系统发生变化时构建的模型能够自适应调整网络输出权值矩阵,使模型快速收敛.与其他离线方法相比,提出的熟料出口温度的自适应模型更加持久有效,可以作为辨识模型指导篦冷机的控制.