基于PSO-BP网络的板形智能控制器

为了解决传统的板形识别与控制中的识别精度低,控制速度慢等问题,将粒子群优化(particle swarm optimization,PSO)算法和误差反传递(back propagation,BP)算法混合训练的PSO-BP网络引入到板形的识别与控制中.首先根据板形轧制的历史数据,建立预测板形的神经网络,得到反映板形控制手段对板形特征参数影响的效应矩阵,同时根据理论数据建立对板形进行模式识别的神经网络.这些都是离线进行的,而且对一批板材只需训练一次神经网络,在线轧制过程中只需要根据识别网络的识别结果和效应矩阵,便可以很快的得到需要的控制量.这种方法可以简化板形控制过程,提高控制速度,最后的仿真实验进一步说明了这种方法的有效性.     

ANFIS的板形控制动态影响矩阵方法

针对板形控制系统的非线性和强耦合性,以及传统效应函数法和板形静态影响矩阵法的不足,通过对大量生产实测数据的计算和分析,提出了板形控制的动态影响矩阵法.通过基于减法聚类的ANFIS(自适应神经模糊推理系统)的板形动态矩阵预测模型,在线求得不断变化的影响矩阵,兼顾了板带生产的实时性与复杂性,仿真实验验证了其有效性.     

基于NARX神经网络的油品性质软测量建模

软测量技术是石化生产过程中在线监测油品难测性质的重要手段。本文提出了一种基于NARX神经网络的软测量仪表用于原油蒸馏装置中油品关键性质的在线预测。首先,利用流程模拟软件建立了原油蒸馏过程的动态模型。然后,基于动态模型的阶跃实验数据,建立了以装置操作变量为输入、油品关键性质为输出的NARX神经网络预测模型,并提出能有效减少模型预测误差的修正方法。仿真实验结果表明,所提出的误差修正方法可明显减少预测结果中的"大误差点",降低根均方误差,因此,所建立的软测量仪表可用于油品关键性质的在线预测。     

Ｓｔｅｗａｒｔ主动隔振平台的神经网络自适应控制

针对Stewart主动隔振平台,提出一种基于径向基函数(RBF)神经网络的多输入多输出自适应隔振控制方法.考虑外界振动对Stewart主动隔振平台动态特性的影响,建立了隔振平台在工作空间中的动力学模型.推导出RBF神经网络的权值矩阵、高斯基函数中心和宽度的在线自适应调节律,以使神经网络快速逼近系统的非线性动态函数.应用Lyapunov稳定性理论,证明了在扰动力和神经网络逼近误差有界的条件下,闭环控制系统滤波误差和RBF神经网络各调节参数估计误差的一致最终有界.仿真结果表明,该控制方法能有效地抑制不同方向的低频有界振动.     

RBF神经网络的板形预测控制

由于板带轧制的环境十分复杂,如温度的变化是无法避免的干扰,以及HC轧机液压弯辊系统的非线性和不确定性,使得按传统理论建立的模型和控制方法都难以达到理想的效果.针对这一问题,提出了一种基于径向基函数(RBF)神经网络的模型预测控制方案应用于带材控制中,以提高带材的成材率,充分发挥液压弯辊力对板形的调整作用,改善轧机系统的动态特性.仿真结果表明了该控制系统的性能良好,有较强的抗干扰能力和较好的鲁棒性和快速性.     

基于IGA的板形板厚神经网络分散解耦PID控制

针对板带材轧制是一个复杂的非线性过程，板形控制(AFC)和板厚控制(AGC)又是相互耦合的一个综合系统等特点．该文首先采用神经网络分散解耦方法，对此板形板厚多变量耦合系统进行解耦，而后再应用基于免疫遗传算法的PID控制对解耦后的已近似成为两个独立的SISO系统的广义对象进行控制。从而建立了基于免疫遗传算法的板形板厚神经网络分散解耦PID控制系统。仿真结果证明了此AFC—AGC控制系统具有良好的自适应跟随和抗扰性能，其控制效果优于传统的解耦PID控制。     

板形模式软测量方法的研究

针对传统的基于最小二乘法板形模式识别方法抗干扰能力差、精度低,神经网络方法在实际应用中效果不佳的板形识别问题,根据实际生产中带钢板形控制的要求,以勒让德正交多项式作为表述板形缺陷的基本模型,将模糊分类理论与混沌优化算法相结合,建立一种新型的板形模式软测量方法,该方法简单、实用、识别精度较高,效果较稳定。实际应用结果表明,该方法能够满足高精度的板形控制对板形缺陷模式识别的精度和速度的要求。     

预测控制器设定值柔化因子的在线调整

预测控制中,对控制量/控制增量加权因子λ和设定值柔化因子α的调节影响到控制系统的性能.调整预测控制器中控制量/控制增量加权因子λ对调节系统上升时间和超调量的作用是相反的.而且λ影响系统矩阵的条件数,存在模型失配时,对系统鲁棒性有很大的影响.设定值柔化因子α对于系统的动态响应也有很大的影响,调整λ和α对于系统的动态响应有类似的效果.因此,为了使闭环系统具有更好的控制性能,将参数λ设计成满足系统矩阵条件数的要求,并通过在线调整α以获得满意的动态性能.仿真结果表明了该方法的有效性.     

随机延迟网络控制系统中的分段时戳动态矩阵控制

针对网络控制系统中小于一个采样周期的随机延迟,引入了分段时戳动态矩阵控制算法.通过时戳方法测量网络延迟,在线校正系统的阶跃响应系数向量和控制系数向量,并采用分段算法来减少所需的在线计算量.给出了算法的推导过程和程序实现方法,并基于实时控制系统仿真平台TrueTime进行仿真研究.应用该算法对共享以太网中直流电机进行控制,取得了比标准动态矩阵控制算法更好的控制品质.     

基于动态矩阵的随机时延丢包网络控制系统

针对网络控制系统(NCS)中存在的时延可能大于一个采样周期,以及网络传输存在丢包可能的情况,提出了改进的动态矩阵控制(DMC)算法,通过在线纠正系统的阶跃响应系数来处理时延造成的系统误差,并通过建立缓存器,当数据传输过程中出现丢包时利用动态矩阵算法计算控制量及未来输出预测值的冗余信息来替代丢失的实时信息,减少丢包对系统性能的影响.最后通过基于TrueTime的实时仿真系统研究,对比了不同时延及丢包率情况下改进算法与传统动态矩阵控制算法的效果,表明随着时延和丢包率的增大,改进动态矩阵算法的优势明显,从而验证了该方法的有效性.