多目标粒子群优化的非线性预测解耦策略北大核心CSCD

针对非线性预测控制中,系统建模和目标函数求解的问题,提出了一种基于粒子群优化的非线性预测控制策略(PSO-NPC)。首先,将时间因素引入到即时学习算法中,提高了基于即时算法的最小二乘支持向量机(LS-SVM)对非线性系统的建模精度。其次,针对单目标优化的常规PSO-NPC算法不足之处,将系统的第一步预测和最后一步预测输出作为主要优化目标,提出了多目标粒子群优化的非线性预测算法。最后,将目标函数中的误差权重作为粒子群优化的目标,根据系统耦合程度自适应调整误差权重,消除了系统回路之间耦合。仿真结果验证了改进算法的可行性和有效性。     

基于耦合概率密度方法的河渠突发水污染溯源

以水动力计算为基础,依据正向浓度概率密度与逆向位置概率密度的耦合关系,构建了以污染源位置和释放时间为参数的相关性优化模型,并利用微分进化算法实现了模型的求解。在此基础上,根据污染物正向浓度概率密度函数构建优化模型确定了污染物强度。耦合概率密度方法将突发水污染溯源问题转换为两个最小值优化问题,原理简单,求解方便,实现了污染源参数的解耦。在求解优化模型时,将梯度概念引入到微分进化算法中,提高了搜索效率。将所提出的溯源方法运用于仿真实验案例以及南水北调中线应急示范工程实例,结果表明,模型溯源效果好、模拟精度高,溯源结果对于河渠突发水污染事件应急处置具有一定指导意义。     

基于BP神经网络PID的控制系统研究

该文选取在工业上具有广泛应用的电加热炉为对象。电加热炉系统是一个双输入双输出系统,有耦合,相互影响,相互干扰。针对控制对象强耦合的特点,设计了基于BP神经网络的参数PID控制算法,采用前馈补偿方法实现解耦,通过仿真研究,结果表明该方案控制系统的调节品质比传统的PID控制水平有了明显的提高。     

模糊解耦控制在集散控制中的应用

该文结合循环流化床锅炉的特点,采用了霍尼韦尔公司的EPKS控制系统对锅炉进行控制,设计了硬件的配置,主要设计了控制策略,将模糊解耦控制应用在控制策略中,进行了实验仿真,实验结果表明模糊解耦控制具有良好的解耦效果。     

用于不对称补偿的STATCOM的解耦控制策略

大容量冲击性负荷对电网造成电能质量危害,使电网电压和电流产生谐波和不对称,危及用户安全,电网中的负序电压还会使常规STATVOM产生过流.论文提出了一种适用于对称或非对称补偿时STATCOM的解耦控制策略,给出了一种对变流链中各直流电容电压实施平衡控制的方法,并通过STATCOM的批量工程应用验证了所提出的控制策略的有效性和实用性.     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化PID神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的PID神经网络控制器具有逼近控制目标更快、响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

基于CAN的FCS型智能温室系统的设计与实现

设计实现了一个以CAN总线通信架构为基础的智能温室控制系统.系统应用模糊解耦技术消除了温室温湿度控制回路的耦合,嵌入一个精简专家控制器补偿修正其它环境因子间的耦合作用,针对复杂工况设计了灵活多样的专家控制策略.控制系统在温室现场的加热、通风实际效果图表明;该控制系统通信可靠,控制精度高,稳定性好,较好地满足了温室生产控制的要求.     

基于智能切换的多变量复合控制的仿真研究

对于相互间存在耦合作用的非线性多变量系统,运用具有智能开关的模糊-PID复合控制器对多变量系统进行摔制,并利用Matlab／Simulirlk进行仿真。结果表明,该方法较好地实现了模糊控制器和PID控制器之间的软切换并且消除了系统的耦合作用,消除了常规多变量系统切换点的衰减振荡。     

基于INA方法的旋转导弹解耦研究

在双通道控制旋转导弹进行解耦研究中,为解决系统的准确跟踪问题,采用INA(逆奈奎斯特阵列)方法,对双通道控制旋转导弹进行仿真建模和耦合性分析,推导出了准弹体系下传递函数的准确表达式.对逆传递函数矩阵的奈奎斯特图进行了耦合性分析,设计出了预补偿器,反馈矩阵以及比例积分控制器.通过仿真验证了双通道的交连情况和解耦算法的有效性,为双通道控制旋转导弹控制系统分析与设计提供了新的思路.     

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.