多变量动态解耦预测PI在精馏塔中的应用

精馏塔是一个多输入多输出的高阶系统,其内在机理复杂,具有强耦合、强干扰、大滞后等特性。精馏塔精馏工艺对控制器要求较高,常规的PID控制过程中存在震荡和超调现象,会导致产品品质不佳,而一般的智能控制鲁棒性较差,参数不易整定,无法满足实际需求。针对该问题,提出了多变量动态解耦预测PI控制算法。该算法使用对角动态解耦器解除变量间的耦合特性,对由解耦器和过程对象组成的广义过程对象进行模型降阶,并对每一个相互独立的降阶模型运用预测PI算法进行控制研究。仿真结果表明,多变量动态解耦预测PI控制算法具有良好的稳定性和鲁棒性,且抗干扰能力强、响应速度快、参数易整定,具有一定的实际应用价值。     

基于预测PI的大棚温湿度先进控制

在温室大棚温湿度控制系统中存在大量的干扰,并且其中的过程对象温度与湿度均为强耦合和大滞后过程.简单的单输入单输出控制策略以及传统的PID控制算法在控制智能温室大棚控制系统中的大滞后过程时常常会有振荡和超调等现象,并且鲁棒性不佳.将传统的解耦控制系统加以改进,并将预测PI算法结合到此控制策略中进行理论研究和在线仿真,得到的良好仿真结果表明基于预测PI的解耦控制策略具有良好的稳定性和鲁棒性且抗干扰能力强,具有一定的实际应用价值.     

FGC多变量预测解耦控制仿真

该文提出一种基于线性化模型冷连轧机动态变规格(FGC)解耦控制器。该控制器采用预测控制算法,将解耦和控制器的设计融为一体,设计过程相对简单。仿真结果证明系统有很好的动态响应,很大程度上弥补了线性化模型的不足。     

基于PSO滚动优化的LS-SVM预测控制*

针对非线性时延系统、传统预测控制算法难以建立精确模型、控制精度不高的现状,提出一种基于最小二乘支持向量机（LS-SVM）的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习,建立其预测模型;然后运用粒子群(PSO)算法完成非线性预测控制的滚动优化。仿真结果表明,基于该方法的非线性系统预测控制具有较好的控制效果。     

广义预测控制隐式算法在温控系统中的应用

温控对象普遍具有大时滞、非线性和时变性等特点,使用传统的PID控制器难以取得理想的控制效果.广义预测控制(GPC)是基于参数模型的一种预测控制,在优化中引入了多步预测的思想,并且能用最小二乘法在线辨识参数,因此适用于温度控制.GPC隐式算法减少了计算量,提高了实时性.Matlab仿真和实验结果证明,GPC隐式算法具有处理大时滞和时变等问题的能力.     

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L S-SVM 的非线性预测控制技术

探讨了利用最小二乘支持向量机(LS—SVM)进行非线性系统辨识的方法，LS—SVM用等式约束代替传统支持向量机中不等式约束，求解过程从解QP问题变成解一组等式方程，将得到的LS—SVM模型应用到非线性预测控制，提出了基于LS—SVM模型的非线性预测控制算法，通过CSTR过程仿真表明，最小二乘支持向量机学习速度快，在小样本情况下具有良好的非线性建模和泛化能力，基于LS—SVM的预测控制算法具有很好的控制性能。     

基于TSA的多变量模糊预测控制

针对多输入多输出的非线性系统,提出了一种基于树和种子算法(tree and seed algorithm,TSA)的多变量模糊预测控制算法.该算法首先将非线性系统的过程模型建模为Takagi-Sugeno(T-S)模型,并将其作为预测模型.在此基础上,利用该模型和反馈校正方法,递推得到校正的输出预测值.然后,给定相应的...     

基于多次阶跃法的多变量阶跃模型辨识

针对传统的一次阶跃测试的缺点和多变量系统 的特点,提出了一种基于最小二乘的多次阶跃测试的多变量系统阶跃响应模型辨识方法．该 方法可以在装置正常工作的条件下,进行多次阶跃测试,因而在工程上是比较实用的．仿真 结果证明了其可行性．     

锅炉燃烧系统的模糊预测控制

将模糊控制和预测控制相结合,提出了一种新型的模糊预测控制方案,应用于非线性、大延迟、强耦合的锅炉燃烧系统中,并运用风/煤比模糊自寻优控制方法来提高锅炉燃烧的效率。通过仿真实验,结果表明该方案的适应性和鲁棒性都很强,具有很大的工程实用价值。     

神经网络广义预测控制在锅炉燃烧系统中的应用

针对锅炉燃烧系统的非线性、大延迟、时变、干扰频繁等特点,以煤粉浓度为中间被调量,将神经网络、广义预测控制、串级控制相结合,设计了基于神经网络模型的广义预测串级控制系统.该控制方法克服了单纯PID控制对大惯性大延迟对象调节品质差、抗干扰性弱的缺点,神经网络预测器有效地补偿了传统预测控制基于线性模型的局限性.将该控制算法用于燃烧系统中主汽压力对象的控制,仿真结果表明该方法具有较强的跟踪性能和抗干扰能力及良好的动静态性能指标.     

模糊预测控制在热电厂锅炉燃烧系统中的应用

本文将模糊控制和预测控制结合起来,设计了一种适用于蒸汽压力调节的模糊预测控制器,并运用风/煤比模糊自寻优控制器来提高热电厂锅炉燃烧的效率。通过仿真研究,验证了此控制器的适应性和鲁棒性。     

单通道设计方法在工业锅炉多变量燃烧控制系统中的应用

介绍了采用单通道设计（ＩＣＤ）方法进行了工业锅炉多变量燃烧控制系统的设计,并对控制系统进行了仿真研究。结果表明,采用单通道（ＩＣＤ）方法设计的工业锅炉多变量燃烧控制系统具有良好的控制品质,同时,系统独立是个非线性且易于工程帝现。     

多变量广义预测控制在DCS系统中的应用

文章介绍和分析了多变量广义预测控制算法,基于JX-300X集散控制系统(DCS),搭建了锅炉液位和温度控制系统,根据被控对象的特点,将多变量广义预测控制应用于该对象的控制,进行了设定值跟踪、及抗干扰实验研究.实验结果表明了广义预测控制算法的有效性,为其应用于工业现场控制奠定了基础.     

基于RBF神经网络的改进多变量预测控制

针对一类多输入多输出非线性被控对象,提出一种基于单神经网络的预测控制算法,应用RBF神经网络对非线性系统进行辨识,并计算被控系统多步预测输出值.该方法通过对传统预测目标函数加以改进,给出一种带微分项的多步预测目标函数,通过迭代寻优实时给出优化控制量.该方法实时性好,简化了传统预测控制算法,加快了滚动寻优的速度,有效地抑制了系统惯性和输入时滞所带来的超调,减小了模型误差、干扰及不确定性对控制器的影响.仿真及应用结果表明了该方法的有效性.     

先进PID在锅炉汽包水位控制中的应用研究

锅炉是化工、炼油、发电等工业生产过程中不可或缺的重要动力设备。针对锅炉汽包水位的反向特性,采用一种预测PID控制方法并应用于锅炉汽包水位的三冲量控制系统,即内环采用PID控制快速消除控制通道的给水扰动,外环采用预测PI控制用以克服蒸汽流量变化产生的扰动。仿真结果表明了所获得的理想控制效果以及控制系统的鲁棒性。     

基于isPSO的锅炉燃烧系统PIDNN解耦控制

针对传统的解耦方法对实际工业生产过程中的多变量、非线性、强耦合系统解耦效果不理想的问题,提出了改进的简化粒子群(isPSO)算法与PID神经网络(PIDNN)相结合的方法。PIDNN训练用于消除回路间的耦合,其连接权值由简化粒子群算法学习优化。该isPSO算法能克服PIDNN易陷入局部收敛的缺点,而且与基本PSO算法相比,搜索到最优值的概率更高。采用的小步长线性递减惯性权重和增加的极值扰动算子,则加速了对PIDNN权值的优化。通过对强耦合对象火电厂锅炉燃烧系统的仿真表明,该方法具有更好的控制品质:鲁棒性强、跟踪快、解耦效果好,为实际应用中强耦合系统的改进提供了理论依据。     

火电机组多变量预测控制系统的开发与应用

针对目前我国火电机组对于先进控制软件的迫切需求,结合子空间模型辨识和预测控制技术开发出一种基于状态空间模型的火电机组多变量预测控制系统;该系统采用子空间辨识方法离线辨识状态空间模型,利用多模型切换适应火电机组部分控制回路的非线性特征,最后使用预测控制器完成对象的在线控制;在电厂协调控制回路的实际应用中,负荷升降速率4%,压力偏差小于0.18MPa。所以该系统能够有效提高控制回路的响应速度和稳定性,具有一定的实用性和推广价值。