基于近似模型的电弧炉解耦控制器

针对电弧炉电极调节系统,提出了基于近似模型的解耦控制策略.首先,选取弧长为状态变量,推导电极调节系统的状态方程,由Taylor展开技术,得到系统的近似模型.由近似模型直接推导近似逆控制律,实现三相之间的解耦,并避免了在线辨识逆模型计算量过大的问题.由于状态不能直接测量,利用扩展卡尔曼状态估计方法得到系统状态.另外,在内模结构中引入非线性补偿,保证了系统的鲁棒性.系统的稳定性通过Lyapunov方法进行了分析,最后的仿真结果验证了控制器的有效性.     

电弧炉电极调节系统的鲁棒模型参考自适应控制

研究了电弧炉电极调节系统的鲁棒模型参考自适应控制问题.把三相耦合造成的对系统的影响转化为系统的不确定扰动问题.理论分析和仿真结果表明这种控制方法对于电孤炉电极调节系统这类非线性不确定系统是适用的.     

电弧炉的反步自适应模糊控制

电弧炉是具有三相强耦合、高度非线性和不确定性的复杂被控对象,并且目前对电弧炉的控制要求越来越严格,为此将反步控制与自适应模糊控制相结合,应用于电弧炉电极调节系统中.给出了反步自适应模糊控制系统的详细设计过程.用递推法设计反步控制量,用自适应模糊控制逼近反步控制量中的不确定项,设计出自适应模糊控制律.通过李亚普诺夫函数推导了模糊规则参数调整的自适应律.最后引入监督控制以减少模糊逼近误差.仿真结果表明:所提出的控制算法能有效地抑制弧长的扰动,具有较强的鲁棒性,从而使电弧炉电极调节系统拥有较好的动静态性能.     

神经网络在感应电动机调速系统中的应用研究

研究感应电动机凋速系统解耦控制问题.感应电动机调速系统是一个非线性、多变量和强耦合控制对象,传统的线性方法无法找到合适的描述模型,导致解耦控制性能相当的差.在体现适应性、实时性和鲁棒性的问题上,为了提高感应电动机调速系统解耦控制性能,将逆系统方法与神经网络相结合,提出了一种基于神经网络逆系统的感应电动机调速解耦控制方法.首先根据感应电动机调速系统的特点,建立合适的数学模型,并进行伪线性系统构造;然后采用神经网络对逆系统模型进行辨识,通过神经网络自学习实现高性能解耦控制;最后在matlab平台下进行了仿真和对比实验.实验结果表明,方法能很好实现解耦控制,使传统解耦控制方法的缺陷得到克服,具有较强适应性和鲁棒性.     

BP神经网络用于三相电弧炉弧流控制

针对电极升降式控制的三相电弧炉弧流之间具有强耦合的特点,提出了采用神经网络控制器,在电流超过允许偏差时并行计算出三相电极的调节量,达到减少调节过程和调节机构动作次数的目的.并提出了离线训练方法和仿真模型.     

基于最近邻聚类支持向量机辨识的电弧炉电极逆控制

基于核函数的支持向量机(support-vector-machines, SVM)与三层神经网络等价关系, 构造基于SVM的多变量阶时延逆系统实现对原系统的伪线性化解耦, 提出最近邻聚类的SVM模型辨识算法, 设计了一种带前馈的参数自适应PD调节器和SVM逆控制相结合的控制策略. 通过对典型的MIMO离散非线性可逆系统和电弧炉电极系统的仿真研究, 表明该控制策略对于数学模型未知的不确定系统, 只需要一定量的输入输出数据作为样本学习, 就可实现对系统逆模型的高精度逼近, 控制系统具有良好的动态响应和跟踪精度. 当模型严重不确定、参数摄动、有外界干扰时, 系统具有很好的抗干扰能力和鲁棒性.     

多变量非线性厚度-活套系统的鲁棒逆控制

针对典型的多变量、强耦合、不确定厚度-活套非线性系统.提出了一种基于逆系统理论的非线性解耦鲁棒控制策略.建市了厚度-活套非线性系统动态模型,应用该策略实现了厚度-活套系统的反馈线性化解耦,并针对伪线性系统的未建模动态和外界干扰推导了保证厚度系统鲁棒稳定性和鲁棒性能的约束条件,设计出抗干扰、鲁棒性强的反馈控制器.仿真效果表明鲁棒逆系统策略对厚度-活套多变量强耦合非线性系统控制的有效性.     

电弧炉智能电极控制器的研究

将神经网络智能控制理论应用于电弧炉电极控制系统,建立了电孤炉电极控制模型.运用BP神经网络,对所建立的控制模型进行了仿真研究.仿真结果表明,采用神经网络智能控制方法,可以对电弧炉电极进行有效地控制,并提高了系统的适应性和鲁棒性,具有重要应用价值.     

基于T-S逆模型的航空发动机解耦控制

为了解决发动机控制系统中存在的耦合现象,以自适应逆控制原理为基础,提出了一种基于T-S逆模型的解耦控制器;该方法利用模糊T-S模型来辨识发动机的逆模型,从而得到实现解耦效果的伪线性化模型,再运用神经网络PID控制器的在线整定功能提高系统的动态性能和鲁棒性,使系统综合性能最优;仿真结果表明,该控制器具有理想的解耦效果,在发动机工作包线范围内具有良好的自适应能力.     

基于RBFN逆控制策略的多变量非线性系统的解耦控制

基于逆动力学控制的思想,提出一种带前馈的RBFN逆模型控制策略,并将该控制策略对多变量非线性系统进行了在线解耦与控制;采用3个RBF神经网络分别对被控对象的3个输入进行逆辨识,每相神经网络逆辨识模型反向作为逆控制器模型与每相串联,从而构成3个已解耦的独立的伪线性对象,进而针对3个独立的伪线性对象进行线性控制,从而实现了对三相耦合系统的精确控制;经过实验室模拟调试的实测三相电流波形表明,在电流设定值为2100A时,升温速率为5.3℃/min,电流波动范围≤±10%.     

电熔镁砂熔炼过程带输出补偿的PID控制

电熔镁砂熔炼过程是以三相电机转动方向与频率为输入,以三相电极电流为输出的强非线性工业过程,其模型参数埋弧电阻率、熔池电阻率和熔池高度随熔炼过程和原矿颗粒长度及杂质成分的变化而变化.本文采用线性模型和未知高阶非线性项来描述电熔镁砂熔炼过程,其中未知高阶非线性项用已知的前一时刻高阶非线性项和其变化率来描述,采用线性模型设计PID控制器,并设计消除前一时刻高阶非线性项的补偿器和消除其变化率的补偿器,提出了带输出补偿的PID控制器,同时采用一步最优前馈控制律和一步最优调节律设计控制器参数.通过仿真实验和电熔镁炉的工业应用,表明当该过程的动态特性发生未知随机变化时,本文所提方法在所有运行时间内可以将电流跟踪误差控制在目标值范围内.     

A constructive approach for an optimal control applied to a class of nonlinear time delay systems

In this contribution, we obtain a nonlinear controller for a class of nonlinear time delay systems, by using the inverse optimality approach. We avoid the solution of the Hamilton Jacobi Bellman type equation and the determination of the Bellman's functional by extending the inverse optimality approach for delay free nonlinear systems to time delay nonlinear systems. This is achieved by combining the Control Lyapunov Function framework and Lyapunov-Krasovskii functionals of complete type. Explicit formulas for an optimal control are obtained. The efficiency of the proposed method is illustrated via experimental results applied to a dehydration process whose model includes a delayed state linear part and a delayed nonlinear part. To give evidence of the good performance of the proposed control law, experimental comparison against an industrial Proportional Integral Derivative controller and optimal linear controller. Additionally experimental robustness tests are presented.     

基于支持向量机的非线性内模解耦控制

针对非线性内模控制在应用于多变量系统时逆模型难以建立的问题, 提出了支持向量机α阶逆系统的内模解耦控制方法. 该方法利用支持向量机辨识非线性系统的逆模型, 并将其串连在原系统之前, 运用逆系统方法的思想, 将一个多变量、非线性、强耦合的复杂系统通过反馈线性化解耦成多个相互独立的单输入单输出的伪线性复合子系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真试验表明该方法不需要系统精确的数学模型, 较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决多变量非线性系统控制的一种可行的理论方法.     

基于多模型和SVM逆系统单元机组解耦控制

火力单元机组协调控制系统是一个多变量、强耦合的控制系统,具有非线性、耦合和延迟等特性,其性能直接影响单元机组运行的安全性和经济性.为了有效解决火力单元机组协调控制系统的耦合特性和动态非线性,设计了基于多模型和支持向量机(SVM)逆系统的解耦控制方法,并进行了相应实验研究.针对一个300 MW单元机组的试验仿真模型,得到单元机组在5个典型工作点的线性化模型,然后对每个线性化模型分别设计SVM逆模型及其动态PID控制器,进而用模型线性组合成多模型全局控制系统.通过加权多项式选取合成的多模型控制方法,可以解决负荷大范围变化引起的非线性问题;支持向量机与逆系统的结合能很好地解决非线性系统的强耦合问题.仿真研究证明了这种控制算法设计的有效性和优越性.     

A novel neural approximate inverse control for unknown nonlinear discrete dynamical systems.

A novel neural approximate inverse control is proposed for general unknown single-input-single-output (SISO) and multi-input-multi-output (MIMO) nonlinear discrete dynamical systems. Based on an innovative input/output (I/O) approximation of neural network nonlinear models, the neural inverse control law can be derived directly and its implementation for an unknown process is straightforward. Only a general identification technique is involved in both model development and control design without extra training (online or offline) for the neural nonlinear inverse controller. With less approximation made on controller development, the control will be more robust to large variations in the operating region. The robustness of the stability and the performance of a closed-loop system can be rigorously established even if the nonlinear plant is of not well defined relative degree. Extensive simulations demonstrate the performance of the proposed neural inverse control.     

电弧炉电气系统谐波分析的仿真研究

交流电弧炉是一种不平衡、非线性、时变负载,在炼钢过程中其电流会产生非正弦畸变和各次谐波,使得电网电能质量变差,通过对电弧炉电气系统的谐波分析,有利于采取合适的谐波抑制措施,改善电网电能的质量.本文采取在MATLAB 6.5/Simulink环境下搭建交流电弧炉系统仿真模型的方法,通过仿真对电弧炉电气系统进行谐波分析.仿真结果表明,电弧炉的谐波电流成份主要为2～7次,与实际系统频谱分析仪实测的结果定性性质一样.     

永磁同步电机高效非线性模型预测控制

永磁电机控制器要求电机有很强的转速跟踪能力,并且要保证系统参数变化及负荷扰动下系统的鲁棒性. 永磁电机包含很多不确定因素,是强耦合的非线性系统,传统的线性控制器很难对其进行控制. 针对永磁电机的转速控制构造非线性模型预测控制方法. 非线性永磁电机模型通过输入-输出反馈线性化策略解耦成为新的线性系统. 为保证可行解的收敛性,提出一种迭代二次规划方法来处理由输入-输出反馈线性化导致的非线性约束. 仿真结果表明,控制器能有效降低计算负担,具有很好的动态控制性能,能抑制转矩脉动,并保证在参数变化和负荷扰动下控制系统的鲁棒性.