基于神经网络模型参考-PID的电阻炉控制系统的应用

以电阻炉为控制对象,针对其所具有的时滞性、非线性、模型结构难以确定等特点,利用神经网络控制技术和常规PID控制方法,将传统控制理论与智能控制理论相结合应用于温度控制的实际工程中。充分利用了神经网络所具有的自学习、自适应和全局逼近的能力特点,构建电阻炉的神经网络参考模型,组成神经网络参考模型PID控制器。运用Matlab软件中的Simulink建立电阻炉温度控制系统的仿真模型,并通过与常规PID控制系统的对比来观测基于神经网络参考模型-PID的电阻炉温控系统的控制效果。仿真结果表明,方案具有满意的动静态特性。     

基于模糊预测的电站锅炉燃烧控制系统的优化设计

针对燃煤锅炉实际运行工况,建立了锅炉燃烧系统的受控自回归积分滑动平均(CARIMA)模型,并针对该模型设计了模糊预测控制器,充分利用广义预测控制的自校正多步预测和反馈校正等特点,将模糊控制作为广义预测控制的校正调节,并利用解耦的自治原理将锅炉燃烧系统的多变量控制问题转变为单回路控制系统的设计问题.仿真结果表明该控制系统对具有非线性、大延迟、强耦合等特性的电站锅炉燃烧系统具有很好的调节与跟踪特性.