球磨机混合优化前向神经网络PID解耦控制系统

针对球磨机制粉系统的多变量、强耦合、非线性和时变性等特点,提出球磨机的混沌PSO与BP混合优化前向神经网络PID解耦控制系统.在这种控制器中,PID控制器的控制参数采用神经网络进行自适应整定,神经网络的权值采用混合优化算法进行调整.仿真结果表明该控制方法跟踪快、鲁棒性强、解耦好,控制品质优于传统PID解耦控制方法,较好地解决了球磨机的时变性、耦合性等问题.     

钢球磨煤机制粉系统自抗扰解耦控制

针对钢球磨煤机(球磨机)制粉系统控制过程中存在的多变量、强耦合、非线性和时变性等特性,提出了自抗扰控制器(ADRC)解耦控制方案,将多变量球磨机制粉系统作为多个单变量回路系统,对每个单变量回路系统设计自抗扰控制器,建立ADRC球磨机制粉控制系统;将各变量间的耦合作为各单变量回路系统的外部扰动,由扩张状态观测器(ESO)进行估计,并在前馈通道中进行补偿,以对各耦合变量进行解耦.仿真试验结果表明,与常规球磨机PID解耦控制相比,球磨机自抗扰解耦控制系统具有适应性、抗扰性和解耦能力强的良好控制品质.     

基于对角递归网络的时变系统解耦控制

提出一种基于DRNN在线辨识的PID解耦控制方案,给出了网络的结构和算法,并对真空炉时变耦合系统进行了仿真。仿真结果表明,DRNN神经网络对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性。     

火电厂钢球磨煤机专家模糊PID解耦控制方法研究

针对钢球磨煤机(球磨机)制粉系统多变量、强耦合、非线性、大滞后的复杂控制对象难以建立准确的数学模型,以及常规PID解耦控制算法控制效果不理想等,提出了专家模糊PID解耦控制方法,该控制方法能够对PID参数进行实时整定,可适应球磨机制粉系统在不同工况下的控制要求。以略阳电厂球磨机制粉系统为对象,对球磨机专家模糊PID解耦控制系统进行了仿真验证。结果表明,该控制系统控制品质较好,能够适应球磨机制粉系统在不同工况下PID参数的实时调整,具有较好的控制效果,控制性能和鲁棒性均优于常规PID解耦控制。     

PID神经网络解耦控制注塑机料筒多段温度系统

本文根据注塑机料筒温度控制的要求，利用PID神经网络构成多变量解耦控制系统。注塑机料筒温度是一类多变量、强耦合、大惯性控制对象，文中分析了注塑机温度控制的特点，给出了PID神经网络的结构和算法，对多段温度系统进行了实时仿真，显示了PID神经网络对注塑机料筒温度控制的良好解耦性能和自学习控制特性。     

单神经元PID在单元机组协调控制系统中的应用

基于神经网络PID控制和协调系统强耦合的特点,应用一种针对多输人、多输出解耦系统的单神经元PID解耦控制算法和结构,并在算法中增加了自适应学习速率,更好地实现对单元机组的解耦控制。仿真结果表明,这种单神经元PID解耦控制算法实现的控制与常规的PID控制比较,不仅具有较好的动态性能和稳态性能,而且还具有很强的自学习功能和自适应解耦能力。     

球磨机多模型PID型神经元网络控制系统

针对球磨机制粉系统的多变量、强耦合、非线性、时变性等特点,提出了采用基于PID型神经元网络的多模型控制方法,在不同工况下系统的时变特性采用多个模型进行描述,而每个模型的控制器则采用PID型神经元网络进行解耦控制。通过在线计算模型匹配程度,选择相应的模型和控制器,组成闭环系统,切换算法实现多模型间无扰切换,同一工况慢时变采用控制器参数自调整来提高鲁棒性。PID型神经元网络是一种特殊的3层前向神经网络,其隐层单元分别为比例(P)、积分(I)和微分单元(D),各层神经元个数、连接方式、连接权值的初值按PID控制规律确定。仿真结果表明,文中提出的控制方法相比传统控制方法有更好的控制品质,跟踪快、鲁棒性强、解耦好,较好地解决了球磨机系统的时变性、耦合性等问题。     

流化床燃烧系统模糊-神经元PID解耦补偿控制

依据神经元控制和解耦补偿的思想,引入了一种自适应神经元解耦补偿器,给出了神经元权系数的在线学习方法。在此基础上,通过将模糊控制技术和神经元自适应PID控制技术相结合,提出了一种不依赖于被控对象精确数学模型的多变量解耦控制方案。将该种方法应用于流化床燃烧系统控制,对耦合强烈的流化床锅炉床温、主汽压力、烟气含氧量三维传递函数矩阵进行解耦控制。仿真研究表明,该方案解耦效果良好,并且可以有效克服流化床燃烧对象的大滞后和非线性,获得良好的控制品质。     

钢球磨煤机的改进型单神经元PID自适应解耦控制系统

针对钢球磨煤机(球磨机)制粉系统的多变量、强耦合、非线性和时变性等特点,提出了改进型单神经元PID自适应解耦球磨机控制系统.在单神经元控制器中,单神经元的权值采用有监督的Hebb学习规则在线训练,单神经元的比例增益和学习速率采用在线调整;神经元的结构采用积分分离PID方法进行结构变化.Matlab/Simulink仿真结果表明,该控制方法比传统PID控制方法有更好的控制品质,其具有跟踪快、鲁棒性强、解耦好等优点.较好地解决了球磨机系统的时变性、耦合性等问题.     

基于PSO算法的多变量PID型神经元网络在球磨机控制上应用

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,基于PID控制的简单结构和良好性能优势以及神经元网络的自调节和自适应的特长,设计了具有PID结构的多变量自适应的PID型神经元网络控制器。给出了这种控制系统的结构和算式,其为一种3层前向神经网络,其隐层单元分别为比例(P)、积分(I)和微分单元(D),各层神经元个数、连接方式、连接权值的初值是按PID控制规律确定的。神经元网络参数采用了粒子群优化(PSO)学习算法,并给出了相关算式。分析了球磨机制粉控制系统的特点,并应用提出的控制方法对其进行了仿真研究,比较了文中控制方法与传统的PID控制方法的控制效果。仿真结果表明了所提方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。