二氧化碳焊逆变电源的DSP控制系统

针对基于DSP的二氧化碳焊逆变电源的数字化控制系统进行了研究和设计,通过对于硬件系统和软件系统的分析,完全满足了弧焊逆变电源的使用要求.     

基于蚁群算法优化的再热汽温系统变参数预测PID控制

研究预测控制和PID控制在再热汽温系统控制中的应用.通过将神经网络作为预测模型,并用蚁群算法在线优化PID控制器参数.计算机仿真结果表明,基于蚁群算法的预测PID控制能够适应控制对象模型参数的时变,具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能.     

序贯优化化工动态问题的蚁群算法

针对化工动态优化问题,分析现有数值解法的不足,提出序贯执行蚁群寻优操作,逐步寻找最佳解的策略,构建序贯蚁群算法.算法首先对时间区间和控制变量搜索域实施离散化,以一组整数编码的蚁群路径表示可行控制策略,进而应用蚁群寻优操作寻找离散问题的最优控制策略.逐步收缩控制搜索域并反复上述步骤,不断改善寻优结果.序贯蚁群算法简便快捷,用于化工动态优化问题效果良好,计算结果体现了算法的稳健性.     

双螺杆挤出机温度控制系统的设计与优化

双螺杆挤出机运行稳定性、各参数的控制精确性对于其正常运行以及挤出产品产量和质量均有很大影响。采用不依赖调整规则的变论域方法与模糊比例积分微分(PID)控制相结合,对双螺杆挤出机温度控制系统进行设计和优化,提高温度控制系统的容错能力。通过建立一个通用的控制对象的数学模型,采用实验方法对数学模型的各参数进行确定。最后,将变论域模糊PID控制与常规PID控制和模糊PID控制进行对比,研究变论域模糊PID控制的性能。结果表明:与常规PID控制相比,使用模糊PID控制对温度控制效果明显增强,而使用变论域模糊PID控制的控制效果最优。     

基于支持向量机的精馏塔模糊预测控制算法研究

利用模糊预测控制,依据支持向量机对模糊预测控制方法中的预测模型进行训练,以精馏塔的塔顶回流控制为例,通过仿真研究了支持向量机作为预测模型训练方法在模糊预测控制中的应用,得到了较好的控制效果。利用支持向量机与模糊预测控制结合,进一步发挥了信息处理方法在过程控制中的应用。     

蚁群优化的改进型神经网络控制器设计

利用可调激活函数改进神经网络,提高神经网络的泛化能力,并推导出激活函数参数的调节公式;对蚁群算法加以改进,以加快算法收敛速度、避免局部最优解,利用改进的蚁群算法对神经网络参数加以优化,并用优化后的改进型神经网络在线整定控制器参数。仿真表明,对于较复杂的系统该方法比传统的神经网络PID控制有更好的控制效果。     

基于神经网络的热风炉的模糊控制

针对热风炉燃烧控制的特点,将模糊控制技术与神经网络技术相结合,提出了一种基于模糊神经网络的热风炉燃烧控制方法。该方法充分考虑了系统非线性、难以建模和具有强耦合性的特点,应用模糊神经网络对模糊规则进行快速提取,通过模糊学习,解决了模糊控制应用中规则难以获取的问题。     

锅炉汽包水位的变论域模糊PID控制

针对传统PID控制器参数不能动态调节和模糊控制比较粗糙的问题,在模糊PID控制的基础上,结合变论域设计了一种变论域模糊PID控制器。建立锅炉汽包水位的三冲量控制模型,并分别采用传统PID、模糊PID和变论域模糊PID对锅炉汽包水位进行仿真分析。结果表明:相比于其他两种控制方法,变论域模糊PID控制超调量小、响应速度快。     

智能自整定注塑机PID闭环控制系统

针对注塑机系统在注塑过程中控制精度不高、控制灵敏度不强的问题,提出利用群体智能算法蚁群算法优化注塑机在注塑过程中PID参数快速优化选取的问题,又利用混沌算法将蚁群算法中的部分参数进行变异,提高系统的鲁棒性、灵敏性。仿真实验表明:智能自整定PID控制器控制效果明显优于传统意义上的普通PID控制系统,能够获得更高的参数寻优效果,也在很大程度上实现了注塑机闭环注塑系统的有效优化。     

基于模糊控制的温湿度试验系统的研究

针对温湿度试验箱温湿度控制大滞后和强耦合特性,提出在传统PID控制的基础上,结合温湿度模糊自适应PID控制算法和模糊解耦算法来设计模糊温湿度控制器,并对其进行了仿真试验结果,结果表明该方法控制精度高、响应快,能够满足温湿度试验箱温湿度控制的要求。     

蚁群算法优化BP神经网络在主汽温控制中的应用

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计了一种基于蚁群算法、BP神经网络的智能PID串级控制系统.采用蚁群算法对BP神经网络的初始权值进行优化,再利用BP神经网络算法对PID参数进行在线调整,从而实现了对主蒸汽温度的动态控制.仿真结果表明：该系统在控制品质、鲁棒性方面都明显优于常规PID控制系统.     

基于蚁群算法的水电经济调度

蚁群算法是一种模拟自然界蚁群行为的生物进化算法,该算法具有分布计算的特点,鲁棒性强,搜索效果好。对水电经济调度问题进行了研究,利用蚁群算法,提出了解决水电经济调度问题的具体方法,并获得了较满意的仿真结果。     

基于遗传算法的模糊神经网络控制器的仿真

对遗传算法 (GA)和模糊神经网络控制器的结构进行了说明。为了克服反向传播算法 (BP)的缺点 ,通过遗传算法对模糊神经网络控制器的参数进行优化 ,亦即对模糊神经网络进行训练。用通过优化后的模糊神经网络控制器控制一个带有纯滞后的非线性对象 ,仿真结果证实了其性能较常规模糊控制器优越。     

基于模糊自适应PID的注塑机机筒温度实时控制

为了提高注塑机机筒温度控制的稳定性、提高机筒温度控制精度,提出了一种模糊自适应比例积分微分(PID)的注塑机温度实时控制方法。采用热电偶传感器对机筒温度信号进行采集,并将其传送到控制器中通过模糊自适应PID控制运算,将采集信号进行数模转换后,自动地对加热系统进行精确控制。最后,利用Matlab软件对模糊PID和传统PID控制系统进行了仿真对比,并对温度实时数据进行了分析。结果表明:模糊PID控制系统动态响应更快、稳态性能更好,实际温度控制精度更高。     

改进蚁群算法结合粗糙集原理用于入侵检测

提出一种基于蚁群-粗糙集原理的入侵检测方法。首先通过粗糙集对不确性数据进行筛选;再利用改进蚁群算法对数据进行约简,减少了计算时间;然后再根据设定的阀值,用蚁群-粗糙集导出规则得到检测结果。实验结果表明,改进蚁群算法数据约简速度高于利用遗传算法以及蚁群算法,该方法对DoS和Probe攻击具有很高的检测率和较低的误检率,并且对U2R和R2L攻击也有较好的检测率。     

基于模糊PID技术的注塑机温度控制研究

注塑机料筒温度控制是决定塑料产品质量的决定性因素,为了能够提高其料筒温度控制的精度和稳定性,将模糊PID控制技术应用于注塑机料筒温度控制中。首先,研究了模糊PID控制系统的基本原理;其次,设计了注塑机料筒温度的模糊PID控制系统,设置了模糊控制规则;最后,分别利用传统的PID控制系统和模糊PID控制系统对注塑机料筒温度进行控制仿真研究,仿真结果表明模糊PID控制技术能够获得更好的控制效果。     

应用在液化石油气换热系统中的模糊PID控制

通过利用参数整定PID模糊控制器对LPG换热系统中被加热介质丙烷的出口温度进行控制。根据其动态参数和相关经验制定模糊规则,利用模糊规则对PID三个参数Kp、Ki、Kd进行调整,以改善其控制性能,应用MATLAB软件对实际系统进行仿真。结果表明,该控制方法具有超调量小、过渡时间短、适应性强、抗干扰性强等优点。最后,对照实际运行结果验证了模糊PID控制的优越性。     

基于DSP Builder的直流力矩电机模糊PID控制

为弥补常规PID控制方式在控制直流力矩电机转速方面的不足,提出一种模糊PID控制技术。给出了模糊PID控制算法模型及其流程。运用DSP Builder库模块搭建了模糊PID控制器的系统模型,并进行了仿真分析和转速控制实验,结果表明:模糊PID控制器获得的主要控制品质参数均优于常规PID控制器,当被控对象参数和结构发生较大变化时,模糊PID控制器的响应曲线与各动态特性参数未发生较大变化,较好地保持了系统的稳定性,达到设计要求,且仿真与实验结果一致。     

基于自适应量子蚁群算法的石脑油裂解炉故障诊断

针对实际生产过程中缺乏故障数据,采用适合小样本问题的支持向量机对石脑油裂解炉进行故障诊断。为了消除高维数据及系统噪声对故障诊断的干扰,将量子编码引入蚁群算法,提出一种新的自适应量子蚁群算法进行故障特征选择以进一步提高诊断性能。数值仿真实验结果显示,提出的自适应量子蚁群算法具有更好的全局寻优性能;对石脑油裂解炉传感器故障的诊断结果表明自适应量子蚁群算法能快速、准确地搜索到关键故障特征,有效地提高了支持向量机故障诊断的正确率和鲁棒性。     

注塑机料筒温度的模糊神经网络控制研究

以精密注射成型中的料筒温度控制为研究对象,应用现代人工智能控制理论,将模糊控制和人工神经网络控制二者有机结合,创建了注塑机料筒温度模糊神经网络控制的基本结构及其算法模型;运用Matlab软件编写模糊神经网络代码,对3段料筒温度的模糊神经网络控制进行了仿真,获得了比较满意的控制效果。仿真表明,提出的新型控制策略,对于提高精密注塑机料筒的温度控制精度,具有重要的参考价值。