Fuzzy-Smith控制器在烧结制粒湿度控制中的研究

针对烧结制粒湿度控制系统具有纯滞后、模型参数时变的特性,在常规史密斯控制的基础上,结合模糊控制理论,设计了Fuzzy-Smith控制器.该算法利用Smith预估控制克服系统纯滞后的影响,利用模糊控制对模型参数要求的不精确性和不适应性.仿真结构表明,该控制算法具有较强的鲁棒性、有效地抑制了大纯滞后、时变的影响,对参数变化具有很强的适应性,对烧结制粒湿度控制能取得良好的控制效果.     

Smith-模糊PID在过程控制中的应用

针对过程控制中被控对象数学模型难以建立,以及经常存在滞后、时变等现象,提出了将传统的Smith预估器与模糊PID控制相结合的方法。把Smith补偿原理与模糊控制结合起来,利用Smith预估器对模糊控制进行有效补偿,从而达到二者的优势互补。仿真实验表明：Smith-模糊PID控制器较单纯的PID控制和Smith-PID控制在控制跟踪曲线、鲁棒性方面有很大改善。     

基于数字Smith预估补偿的温度控制仿真

工业控制过程中存在许多具有纯滞后特性的被控对象,Smith预估控制是克服纯滞后影响的有效方法之一,对设定值的改变响应比较快,跟踪效果好,但是其克服扰动的能力比较差.为提高Smith预估控制的鲁棒性,提出一种数字smith预估器进行补偿控制.仿真结果表明:在被控对象模型不确定性的情况下,增大或减少控制模型的参数,数字smith预估补偿都具有较好的鲁棒性.     

非线性系统中自调整模糊神经网络控制方法的应用研究

针对难以解决的纯滞后非线性系统控制,提出一种基于自调整模糊神经网络控制的辨识Smith预估方法,采用模糊神经网络与PID控制动态复合,保持了模糊控制较强的鲁棒性和神经网络可以任意逼近非线性系统的能力以及PID调解器消除静态误差的优点.同时利用神经网络进行参数在线辨识以构成Smith预估器,适应了被控对象的实时变化.在热连轧中的仿真结果证明了该方法的有效性.     

基于数字Smith预估补偿的温度控制仿真

工业控制过程中存在许多具有纯滞后特性的被控对象，Smith预估控制是克服纯滞后影响的有效方法之一，对设定值的改变响应比较快，跟踪效果好，但是其克服扰动的能力比较差。为提高Smith预估控制的鲁棒性，提出一种数字Smith预估器进行补偿控制。仿真结果表明：在被控对象模型不确定性的情况下，增大或减少控制模型的参数，数字Smith预估补偿都具有较好的鲁棒性。     

时滞系统Fuzzy—Smith控制的仿真研究

针对时滞对象,把Smith预估控制原理和模糊控制器结合起来,即在Smith预估控制系统中控制器采用模糊控制器.仿真结果表明,所采用的方法能有效克服普通模糊控制算法不适应时滞系统控制和常规Smith预估控制算法过分依赖模型精度的缺陷,提高普通模糊控制器对时滞系统的控制能力,同时该算法具有很强的鲁棒性和良好的控制品质.     

纯滞后系统的模糊复合控制方法

针对具有纯时间滞后的系统,分析了PID算法、Smith预估算法以及模糊控制的不足,由此提出了一种新的模糊复合型控制器,该控制器是基于Smith预估的模糊-PID控制器,利用Smith预估算法克服纯滞后,利用模糊控制来提高系统的鲁棒性,而在稳态阶段则切换为PID控制来提高控制精度.在模型匹配和失配情况下进行了仿真研究,结果表明该复合型控制器既具有模糊控制较强的鲁棒性,又具有PID控制精度高的特点,尤其是在模型失配时表现出良好的稳定性和鲁棒性,对于大时间滞后系统是一种实用而简便的控制方法.     

Smith自适应辨识控制系统设计与仿真

以具有时滞特性的暖通空调为被控对象,将Smith预估控制算法与自适应算法结合,以李雅普诺夫稳定性理论为基础推导自适应律,设计出Smith自适应辨识器,从而实现控制器参数的自整定,并解决了控制过程中的参数时变问题,控制效果得以优化。实验仿真结果表明,Smith自适应辨识器控制算法优于常规Smith预估控制算法。     

基于Smith预估补偿的时滞系统Fuzy-PI控制器的研究

将Fuzzy-PI复合控制与Smith预估控制相结合,并引入适当的滤波器,简化了控制器的设计,提高了对纯滞后对象的控制能力.仿真表明采用这种控制结构控制纯滞后对象获得了比传统Smith预估控制更优越的鲁棒性和抗干扰性能,为大时滞系统的控制提出了一种有效、实用的控制手段.     

基于神经网络的时变大滞后系统的Smith预估控制

针对大滞后不确定系统提出了一种基于人工神经网络的改进型 smith 预估控制方案,设计了一个基于神经网络的补偿器来克服不确定的大延迟对控制性能的不利影响,解决了传统 Smith 预估控制鲁棒性差及需要预先知道受控对象精确数学模型的问题.数字仿真结果表明,此方案可以在被控对象数学模型未知的情况下对时滞对象进行控制,特别是当时滞对象的特性发生变化时,具有较好的适应性,控制效果远远优于普通 Smith 预估控制.     

无自衡大时滞过程Smith预估鲁棒控制方法

以不确定的无自衡大时滞过程为研究对象，对常规Smith预估控制系统进行变形，由模型不确定性得到一个时滞相对小的广义被控对象，通过对该时滞相对小的广义被控对象设计控制器来实现对无自衡大时滞过程的鲁棒性控制。理论分析和仿真结果表明，这种新型控制方法不仅能消除大时滞带来的不良影响，且鲁棒性强，能够有效抑制干扰和模型不确定性。对无自衡大时滞过程的有效控制提供了新的思路。     

时滞大惯性对象随动性能的改善

以时滞大惯性加热炉为被控对象,通过试验建模得到对象模型参数,应用Siemenss7-300自整定调节器和结构控制语言SCL构建Smith预估控制系统。研究常规单回路系统、常规Smith预估系统以及增益自适应Smith预估系统在时滞大惯性时象情况下的随动响应性能。实际运行表明,增益自适应Smith预估系统控制质量明显提高,尤其在对象参数与预估器参数失配后,能够有效地改善系统的随动响应和鲁棒性。     

基于两级Smith预估的纯滞后系统串级模糊控制仿真

在工业过程中,纯滞后系统普遍存在.针对副回路中含有纯滞后的串级控制系统,对典型的PID串级控制系统加以改进,提出基于主副回路Smith预估补偿的串级模糊控制方法,在主副回路分别加入Smith预估器,并利用模糊控制器为主调节器.仿真结果表明,该种控制方法相比传统的PID串级控制方法具有更优的动态特性和鲁棒性.     

网络控制系统的Smith预估时滞补偿方法

针对网络控制系统中存在网络延时、非线性系统本身滞后以及延时对系统控制的影响,建立了时滞被控对象的网络控制系统模型,并分别从被控对象已知和控制器已知两个方面为出发点,提出了改进的Smith预估时滞补偿方法,无需对网络时延进行在线测量、辨识,并将系统前向通道中的时延因子移到了系统的闭环回路之外.最后,通过仿真实验对比了无时延和有时延两种情况下同一系统的稳定性情况,通过仿真结果验证文中提出的Smith预估补偿方法是可行的,具有实际应用的指导作用.     

基于Smith预估补偿的时滞系统Fuzzy-PI控制器的研究

将Fuzzy-PI复合控制与Smith预估控制相结合,并引入适当的滤波器。简化了控制器的设计,提高了对纯滞后对象的控制能力。仿真表明：采用这种控制结构控制纯滞后对象获得了比传统Smith预估控制更优越的鲁棒性和抗干扰性能,为大时滞系统的控制提出了一种有效、实用的控制手段。     

火电厂水质调节系统的模糊免疫自适应Smith-PID控制

火电厂水质调节加药系统为大时滞时变被控对象.模糊免疫自适应PID控制和常规Smith控制难以取得令人满意的控制品质.借鉴生物免疫反馈响应过程的调节作用和模糊推理的自适应性,以及Smith预估器可以解决系统时滞性的特点,提出了将模糊免疫自适应PID控制器和Smith预估器组合成复合控制器的控制策略.用模糊免疫P调节器实时整定P1D控制器的比例增益,用模糊控制器在线整定PID控制器的积分时间常数和微分时间常数.仿真研究表明,该控制算法具有调节时间短,系统稳定性强,抗干扰能力强等优点,取得了令人满意的控制效果.     

基于Smith预估的纯滞后系统的控制

针对具有纯时间滞后的系统,分析了PID算法、Dahlin算法和Smith预估算法的特点,指出只要对Smith预估控制器进行适当的设计,就能等效于Dahlin算法.提出了利用Smith预估器补偿时间滞后,按Dahlin算法原理设计控制器的Dahlin～Smith算法和将Smith预估系统结构变换为内模控制器(IMC)结构,再按内模控制原理进行控制器设计的IMC-Smith算法.在模型匹配和失配情况下进行了仿真研究,结果表明,所提出的新控制算法在系统模型不精确的情况下,具有更好的稳定性和鲁棒性,对于大时间滞后系统是一种比较实用的控制方法.     

针对大滞后系统的滞后时间削弱自抗扰控制方法

针对工业中较难控制的大滞后系统,提出了一种滞后时间削弱的自抗扰控制方法,该方法首先将大滞后对象转化为小滞后对象,然后结合自抗扰控制思想对简化后的小滞后对象进行控制。本文方法解决了传统Smith预估控制等方法在被控对象模型预估不准确的情况下很难取得较好的控制效果的问题,并改善了自抗扰控制器在滞后时间较大的情况下稳定时间较长的缺点。最后将该方法与传统的PID结合Smith预估控制及自抗扰控制的控制效果进行对比。仿真结果表明,本文控制方法可以有效地改善大滞后对象的控制效果,提高了系统的动态性能和鲁棒性。     

无辨识自适应算法的大滞后对象的控制方法

在实际工业生产中 ,由于对象纯滞后的存在 ,降低了控制系统的稳定性 ,使控制品质下降 ,对控制系统极为不利。对大滞后对象 ,Smith预估控制是一种重要方法 ,但常规Smith预估控制对模型的误差 (包括时间延迟的估计误差 )十分敏感 ,不适用于具有时变时延参数的系统。因此 ,常规Smith预估控制策略难以广泛用于工业控制 ,但该方法仍然得到了控制界的广泛认可。无辨识自适应控制是Marsik和Strejc提出的一种无需辨识系统参数的自适应控制算法 ,该算法简单、鲁棒性强 ,只需在线检测过程的实际输出及期望输出便可形成具有较好动态性能指标的自适应控制系统 ,但是该方法不能解决大滞后问题。借鉴无辨识自适应控制的思想和神经网络强的函数逼近能力 ,首先用一个神经网络来构成被控对象的Smith预估模型 ,然后利用无辨识自适应控制算法设计了一种适用于大滞后对象的控制器 ,两者结合 ,提出了一种简单、实用、鲁棒性强的大滞后对象控制的新方法     

基于神经网络的时变大滞后系统的Smith预估控制

针对大滞后不确定系统提出了一种基于人工神经网络的改进型smith预估控制方案，设计了一个基于神经网络的补偿器来克服不确定的大延迟对控制性能的不利影响，解决了传统smith预估控制鲁棒性差及需要预先知道受控对象精确数学模型的问题。数字仿真结果表明，此方案可以在被控对象数学模型未知的情况下对时滞对象进行控制，特别是当时滞对象的特性发生变化时，具有较好的适应性，控制效果远远优于普通Smith预估控制。