模糊神经网络在解耦控制中的研究

在工业生产过程中,针时纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法.这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性.     

专家控制在球磨机中的应用

中储式球磨机制粉系统是一个大迟延、强耦合的多变量非线性时变系统。针对强耦合多变量的特性,提出一种新的解耦方法——利用专家控制器代替前馈补偿器进行补偿解耦。介绍了专家控制器的制定过程,并应用于球磨机制粉系统中。仿真结果表明：该方法具有较好的解耦能力,动静态特性及鲁棒性。     

基于解耦的球磨机系统动态矩阵控制

针对制粉系统球磨机的多变量强耦合特性,提出基于逆向解耦的动态矩阵控制设计方法,先将球磨机系统分解为三个单输入单输出系统,然后利用基于对象阶跃响应的动态矩阵控制算法,对解耦后的广义系统进行了仿真研究.结果表明,逆向解耦能有效地解除变量间的强耦合和大时延问题,并且动态矩阵预测控制算法控制效果明显,优于传统的PID控制,具有实时性强、计算速度快和抗干扰能力好等优点.     

磨煤机制粉系统解耦内模控制器的设计及仿真

本文针对工业过程中常见的多变量时滞耦合输入输出系统,基于内模控制结构提出了一种多变量解耦内模控制设计的方法,该方法设计的内模控制器同时具有解耦器和控制器的作用。其优点是能够实现标称系统输出响应之间的近似或完全解耦,并且改善了系统的大迟延的特性。并与PID对角矩阵解耦设计方法相对比,结果表明：解耦内模控制器设计方法有更好的鲁棒性。     

基于改进的PSO算法的球磨机PID神经网络控制系统

球磨机制粉系统是一个复杂的多变量系统,具有强耦合、非线性、大迟延、慢时变等特点,很难建立精确的数学模型,采用常规的控制策略难以获得满意的控制效果。针对上述问题,在对球磨机制粉系统动态特性进行分析的基础上,提出了一种不依赖于被控对象数学模型的多变量PID神经网络解耦控制策略;为进一步提高控制器性能,利用一种改进的PSO算法对PID神经网络的权值初值进行离线优化训练,然后采用BP算法对权值进行在线调整,避免网络陷入局部极小值,保证了系统不会出现大的超调和震荡。仿真结果表明,该策略可以保证球磨机控制系统有大范围的鲁棒性和适应性,能较好地解决球磨机制粉系统的耦合性、时变性等问题,具有优良的解耦机制和控制品质。     

循环流化床锅炉双模糊解耦控制的研究

针对循环流化床锅炉多参数、非线性、时变、强耦合的特点,引入了一种新型的模糊解耦算法,依据解耦补偿原理和模糊控制思想,提出了以模糊控制器作为解耦补偿器,以模糊PID作为系统控制器的双模糊解耦控制方法。以耦合最严重的燃烧系统为研究对象,通过相对增益确定多变量的耦合程度,并配对合适的输入输出变量。利用模糊控制器不要求被控对象精确的数学模型,适合于强耦合、大滞后等优点,有效地减少了系统动态响应时间,提高了实时性和控制精度。仿真结果表明,本文提出的控制策略简单可行、效果良好。     

基于神经网络的机电耦合系统的解耦控制研究

本文以典型的机电耦合系统--数控伺服进给系统为分析研究对象,针对数控伺服进给系统的多输入多输出不确定非线性和强机电耦合性,探索机电耦合模型的解耦控制方法,提出了基于神经网络的解耦控制,经仿真验证能得到较好的解耦控制效果,且算法原理简单,易于实现。     

多变量强耦合时变系统的PID神经网络控制

介绍了一种新的神经网络———PID神经网络及其多变量强耦合时变控制系统。文中给出了网络的结构和算法,分析了时变对象的特点,对一组二变量强耦合时变系统进行了实时仿真。仿真结果显示:PID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。     

近空间无尾飞行器解耦与控制分配方法研究

关于飞行器稳定性优化控制问题,由于近空间无尾飞行器具有典型的通道间强耦合且多个操纵面介入单个通道控制,执行机构的复杂化和非线性导致控制系统设计实时性和响应性差,精度达不到要求。为提高姿态控制器控制精度,减小力矩分配误差,提出通过解耦控制系统和控制分配逻辑来分别解决对象的耦合和多操纵面的力矩分配问题。通过将动态逆设计方法与变结构控制理论相结合,设计了一种强鲁棒性的解耦控制律,并在加权伪逆算法的基础上,提出采用舵面偏角修正操纵面的效率矩阵,从而实现了强耦合非线性对象的高精度控制。仿真结果表明,控制器解耦效果良好且具有较强鲁棒性,控制分配算法减小了80%力矩分配误差,满足了飞行器的控制需求。     

一类冷热氦气混合过程的双变量解耦控制

为保证安全性与快速性,大型超导磁体预冷过程中需要通过冷热氦气混合来严格控制温差与压降.大型氦低温系统中这一冷热氦气混合过程具有双变量强耦合、非线性以及迟延等难控特性.为实现其自动控制,通过过程的动态特性、系统关联以及控制逻辑分析,设计了分阶段的解耦控制方案.根据相对增益计算,得出弱耦合阶段的变量匹配控制方案;强耦合阶段采用非线性乘法解耦器、不同频率的采样调节器、带有死区的非线性PID控制算法及增益调度进行解耦控制.该方案在DCS中易于实现,可用于超导磁体的降温与回温控制.实际运行结果表明,解耦后系统有较好的稳定性与鲁棒性,温差控制及时且超调量小,在确保冷却装置安全的同时又保证了降温速率,很好地满足了降温实验需求.     

单元机组协调控制系统控制策略研究

针对单元机组协调控制系统多变量、强耦合、时变、滞后大的特点,提出一种采用串联后补偿单向解耦后加入PID控制器自整定的控制策略.该控制策略首先对系统进行串联后补偿实现完全解耦,并通过单向解耦对解耦系统进行简化,然后把多变量的控制问题转化为多个单变量,再对各个单变量加入PID控制器进行自整定.通过对125 MW单元机组协调控制系统的仿真分析可知,这种方法有效消除了输入与输出之间的强耦合带来的不利影响,使系统输出稳定,控制效果好.     

循环流化床锅炉汽温系统的多模型自适应预测控制

在分析循环流化床的锅炉汽温系统动态特性的基础上，针对其动态特性的时变大迟延等特点，采用多模型DMC前馈-反馈白适应解耦控制方案，有效地克服了单一模型难以适应的工况变化和系统时变大迟延的影响，消除了给水流量变化对汽温的耦合。仿真实例表明新的控制方法能使汽温系统具有较好的控制品质、较强的鲁棒性和自适应能力。     

球磨机制粉系统的解耦PID控制

中储式钢球磨煤机制粉系统具有多变量、强耦合、大惯性等特点,使用常规的PID控制回路进行控制无法取得理想效果。针对这种情况,本文提出了一种解耦PID控制策略。该方案在PID回路中加入解耦补偿器,以实现对多变量的解耦控制。仿真试验表明,该策略有效地解决了多变量的耦合问题,取得了较好的控制效果。     

注塑机料筒多段温度PID神经网络解耦控制系统

注塑机料筒温度是一类多变量、强耦合、大惯性控制对象，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。文中分析了注塑机温度控制的特点，给出了网络的结构和算法，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。     

球磨机制粉系统参数自整定PID解耦控制器

针对球团厂钢球磨煤制粉系统具有多变量强耦合、时滞、非线性以及生产工况变化大的复杂性,已有的控制方法难以满足其控制要求的现状,以磨煤机的数学模型为依据,提出了一种新型的多变量PID解耦控制策略.该控制系统由比例因子模糊自整定单元、PID控制器和基于对角矩阵法的解耦补偿器组成;PID控制器参数由粒子群算法进行优化.仿真结果表明,所建模型和所提控制方法的有效性.该方法可在大范围内解决系统的非线性和强耦合问题,具有较强的鲁棒性和运行工况适应性.     

多变量解耦控制系统设计与仿真

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

多变量解耦控制系统设计与仿真北大核心CSCD

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

基于Hammerstein模型的多变量动态矩阵解耦控制研究

许多工业过程都具有强耦合、非线性等复杂过程特性;针对具有变量间强耦合和执行机构非线性的一类典型过程对象,提出基于Hammerstein模型的多变量动态矩阵解耦控制算法;并针对实验室电加热锅炉与强制对流换热器组成的广义对象,采用s7—300可编程序控制器,将控制策略应用于该对象,实现了对锅炉内胆水温及强制对流换热器出口水温的控制;实验结果表明,采用基于Hammerstein模型的多变量动态矩阵解耦控制策略,在解耦效果、设定值跟踪及抗干扰响应等方面,都能取得满意的结果,能够解决一类多变量非线性系统的控制问题。     

电厂锅炉除氧器系统的解耦广义预测控制研究

由于除氧器具有非线性、大迟延、强耦合和模型时变的特性,传统的PID调节器难以使除氧控制系统达到理想的控制效果。为了使除氧器水位和冷凝泵出口压力的控制取得满意的效果,采用解耦广义预测控制方法。该算法首先利用预测模型得到系统未来时刻的输出,然后将设定输出值和预测值间的预测误差变化率作为自适应控制器的输入,控制器利用最小二乘算法推理得到控制输出,并在系统中增加一个相互耦合项,来调整原有的自适应控制规律,获取未知参数信息并有效地抑制强耦合造成的控制量波动。通过仿真表明,该算法计算简单、鲁棒性较强、控制品质较高,运用此算法的该除氧系统比常规系统具有更优越的性能。     

基于ESO的动态解耦方法及其应用仿真*

针对多变量系统控制中的耦合问题,提出了一种基于扩张状态观测器（ESO）的动态解耦方法。该方法将系统输入变量间的耦合作用、被控对象参数时变和外界干扰视为一个总的扰动,用ESO估计该总扰动并反馈到控制器进行补偿,从而实现动态解耦;对解耦后的每个子系统,分别设计出了基于误差最小二乘指标的神经元自适应PID（NAPID）控制器。该方法简化了解耦过程,放松了对系统模型的要求,计算量小、鲁棒性强。最后用该法对蒸馏塔进行控制仿真,仿真时使用混沌优化方法对ESO的参数进行了离线优化,并给出了与模糊PID解耦控制方法对比的