制粉系统球磨机的神经网络预测控制

通过对制粉系统球磨机这一非线性被控对象建立神经网络预测模型,提出了基于神经网络预测控制器的非线性预测控制方法。为了克服大多数非线性系统预测控制在线计算量大的问题,在预测控制性能指标约束下,采用非线性优化求解技术,得到当前工作点的最优预测控制量,用来训练神经网络预测控制器,最终实现非线性系统的神经网络直接预测控制。新的方法大大减少了在线计算量,仿真试验结果证实了所提方法的有效性。     

模糊神经网络在非线性电站制粉控制系统中的应用

火电厂制粉系统是一个相互关联强耦合的复杂多输入多输出控制对象,运行时具有存滞后、大惯性和非线性的特点,其动态特性非常复杂,数学模型难以建立,并且数学模型随煤质、外部环境等因素变化较大.因此,提出一种基于模糊神经网络的2级控制方案,第一级采用神经网络控制,第二级采用模糊控制.该方案很好地解决了在多变量模糊控制系统中的控制规则多、维数灾难问题,在理论上为多变量、高维数非线性模糊控制系统提出了一种新的控制方案.实验室测试结果表明,如果将其应用到中储式制粉系统中,将提高电站制粉系统的自动化水平及经济运行指标.与传统的手动及PID定值控制比较,该方法大大改善了电站制粉系统的控制性能,是一种很有实用价值的控制方法.     

基于单步预测的模型参考自适应逆控制

针对非线性系统,提出一种基于单步预测的模型参考自适应逆控制方案.该方案将预测思想引入自适应逆控制中,采用Elman网络作为模型辩识器,利用它建立非线性系统输出的预测模型;采用模糊神经网络作为自适应逆控制器,由预测误差进行参数的在线自适应寻优.仿真结果表明,该方案具有很好的跟踪效果和较强的鲁棒性.     

采用一种新型神经网络的动态系统辨识与控制

目的研究动态系统的神经网络辨识与控制问题.方法为了减小网络的固有逼近误差,提出一种新型的神经网络模型,利用动态误差反馈来修正网络输入.结果得到了由新型网络和稳定滤波器构成的神经网络辨识模型及基于该网络模型的自适应控制方案.结论理论和仿真结果都证明了该神经网络模型能够有效地应用于一类非线性系统的控制.     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.     

基于模糊神经网络的非线性系统预测函数控制研究

针对预测函数控制难以很好地实现非线性系统控制的问题,将模糊神经网络与预测函数控制相结合,设计一种基于模糊神经网络的非线性系统的预测函数控制器。用模糊神经网络辨识非线性系统的模型,辨识结果送到预测函数控制中,从而得到预测模型,最终得到最优的控制量。通过Matlab计算机仿真,可以看出此控制器对于非线性系统具有良好的控制效果和鲁棒性。     

基于神经网络MIMO非仿射系统自适应控制

针对一类多输入多输出非仿射非线性系统,基于神经网络设计了一种自适应控制方案。该系统隐含控制输入,利用隐函数定理和伪控制概念提出了控制运算法则,采用Lyapunov方法证明了系统的稳定性。该方案采用神经网络补偿系统中的非线性部分,设计了鲁棒项来增加系统的抗干扰能力。仿真结果充分证明了该方案的有效性和可行性。     

基于模型预测的神经网络非线性时滞系统的辨识和控制

大纯时延、媒种多变、蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因.本文提出了非线性延迟系统的延迟时间参数的神经网络辨识方法,即改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间.将神经网络大延迟系统的辨识与基于模型预测的神经网络控制策略相结合,可以用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制.仿真结果表明这种神经网络模型对非线性大纯时延系统的控制具有控制速度快,鲁棒性能好等优点.     

基于混沌机制的神经网络预测控制及仿真研究

为解决一大类未知、时滞、非线性系统的预测控制问题,提出了一种基于改进的El-man动态回归神经网络预测控制算法.首先,在一般的Elman动态回归神经网络算法中加入了混沌机制,利用混沌机制固有的全局游动有效地消除了Elman网络易陷入局部极值的缺点,提高了系统的辨识速度;然后,结合广义预测控制(GPC)的反馈校正、滚动优化来完成非线性系统的预测控制.仿真结果表明:将本算法应用于非线性系统预测控制,对未建模动态具有较强的鲁棒性和良好的控制跟踪能力.     

基于神经网络的滚动时域优化控制

将神经网络逆模型控制方法与滚动时域优化控制技术相结合,提出了具有预测能力的基于神经网络的滚动时域优化控制方案。给出了控制器的结构设计及实现算法,并将其用于非线性不确定系统的控制,仿真实验表明,该控制器具有良好的非线性控制性能。     

电—气比例/伺服控制系统的控制方法研究

本文在简要地回顾了电—气比例/伺服控制技术的发展历史后,研究了采用最小二次型性能指标设计并由实时优化系统进行实验优化的最优状态反馈控制系统。并针对这一系统所存在的问题,采用了鲁棒控制方法,提出对原不稳定系统的鲁棒控制器设计方法。此外,本文还深入地研究了自适应控制和鲁棒自适应控制方法。实验证明本文研究的控制方法均收到预期的效果。     

自适应控制与过程控制泛论

本文讨论自适应控制与过程控制之间的相互联系问题,自适应控制的思想确实应当用于过程控制系统的设计,但过程控制的复杂问题使得已经有很大发展的自适应控制理论仍显得力不从心。为追求理论的和实际的完善解,尚需发展更先进的理论和工程技术。     

基于CARMA模型的多变量远程预测自适应控制器

本文采用CARMA模型,建立多变量远程预测控制器,并采用状态空间法分析其闭环系统的稳定性。这种控制器以远程预测多步滚动优化取代最小方差和广义最小方差控制器中的一步预测优化,并引入控制时域的概念,从而可应用于非最小相位和开环不稳定系统;在自适应算法中,对模型验前知识要求少,不需要知道系统的交互矩阵,计算量小。数字仿真结果证实了控制算法的以上特性。     

跳汰机选煤生产过程智能控制

基于跳汰选煤的基理建立了以精煤灰分、精煤回收率为控制目标的跳汰机仿人智能控制系统 .智能控制系统由二层构成 .智能控制系统上层以跳汰机实时分选效率、入洗原煤性质和可选性为依据 ,应用专家系统技术 ,实时识别系统状态和趋势 ,实现智能控制系统底层各子控制系统间协调与优化控制 .智能控制系统的底层由一多环模糊控制器构成 ,解决跳汰机多变量控制 .多环模糊控制器分别实现跳汰机系统的给料、排矸石、排中煤、筛下顶水和总用风量模糊控制 .实际应用表明 ,此种跳汰机智能控制系统可以较好地解决跳汰选煤生产过程实际控制问题 ,取得较好经济效益     

结构抗震控制的研究与应用状况（下）—主动控制,混合控制及半主动控制

本文总结了近年来国内外主动控制、混合控制及半主动控制研究与工程应用的状况，介绍了作者在该领域的部分研究成果。并概述了其广泛的工程应用前景。     

一种新型的机械手PID鲁棒控制方案

为了满足机器人在恶劣工作环境下的高精度作业,需要把原有的PD控制改为PID控制。为此,本文采用一般的机械手非线性耦合模型,并仔细考虑构造了一个不同于Arimoto所用的新的李亚普诺夫函数。通过应用李亚普诺夫函数的稳定性分析方法,作者不仅严格证明了所提PID控制方案的鲁棒性和渐近稳定性;而且给出了一个确定PID反馈阵所必循的规律。该PID鲁棒控制方案具有结构简单、可靠性高的特点。PUMA-600机械手的模似仿真也给出了令人满意的结果。     

基于专家、模糊和PID复合控制的设计

根据专家（ECR），模糊（FLCR）和PID控制理论，深入研究了把ECR，FLCR和PID控制策略相结合的问题，采用分层递阶智能控制结构把多种控制策略相结合，并把分层递阶智能控制思想引入到交流伺服系统中，构成了多级式智能复合控制的交流伺服系统。     

常规PID控制模糊控制与神经元PID控制

讨论了常规ＰＩＤ控制器，Ｆｕｚｚｙ控制器与单个神经元ＰＩＤ控制器的算法与作用     

一种耦合松紧可调的两级计算机过程控制系统

本文介绍了一种级间耦合松紧可调的小型分级计算机控制系统的设计思想和具体实现方案。在讨论了硬件和程序的结构后给出了两个具体应用实例,以展现该系统广泛应用的一个侧面。     

自寻优模糊控制器的研究与应用

通过对模糊控制器系统性能指标的测量，调整参数寻求系统的最佳控制来提高模糊控制器的性能。本文提出了一种对比例因子的在线自寻优，从而优化模糊控制规则的设计方法，使系统的性能指标满足要求，并且使模糊控制器具有自适应性。