基于改进型Smith预估器的同步施工网络控制系统

根据同步施工网络控制系统的控制原理,分析了时变、随机和不确定的网络时延对同步误差控制所产生的影响。针对传统Smith预估器用于多被控对象同步控制时存在的缺陷与不足进行了分析,提出了一种改进型Smith预估器,实现了对网络时延、被控对象纯滞后因子以及同步误差控制器的多重Smith预估补偿,将其从内部反馈回路中彻底消除,预估模型无需预估与在线测量其大小与变化规律。通过基于控制器局域网络(controller area network,简称CAN)的盾构管片拼装机同步网络控制系统,对常规比例积分微分(proportion integral derivative,简称PID)同步网络控制和基于改进型Smith预估器的PID同步网络控制性能进行了仿真对比分析,并通过实验进行了验证。结果表明,常规PID网络控制同步误差为-3～3mm,基于改进型Smith预估器的PID网络控制同步误差为-1.5～1.5mm,后者可显著提高同步施工网络控制系统的同步控制性能与精度。     

Smith预估器在通风机组中的应用

针对通风机组的纯滞后特性,采用Smith预估器对系统进行补偿。根据通风机组的结构和特性,建立以改进型数字PID控制算法和纯滞后补偿技术为核心的温度控制模型。通过可编程控制器（programma—blelogiccontroller,PLC）,实现了温度控制模型在通风机组中的工程应用。实践表明,温度控制系统可以消除系统的静态误差,减少超调,缩短调节时间,提高控制精度,使系统运行平稳。     

冷带轧机液压AGC系统的时滞控制研究

在冷带轧机液压AGC(Automatic Gauge Control)系统中,直接测厚式反馈AGC应用最为广泛,其对成品带钢的精度起着至关重要的作用.但是,直接测厚式反馈AGC存在时间滞后,会使得系统变得不稳定,并影响控制精度.采用Smith预测控制与自适应控制相结合的控制算法,解决了Smith预测控制器对被控对象数学模型依赖较高的问题,同时采用了遗忘因子随机梯度算法在线修正被控对象数学模型.并在冷带轧机液压AGC系统中进行了时滞控制的试验研究,试验结果证明该策略控制效果良好,有效地解决了时滞对板厚精度带来的影响.     

基于神经网络的板形信号模式识别方法的研究

为了提高带材板形识别的精度，应用神经网络和最优化方法，构建了一种新的板形信号模式识别方法。该方法克服了现有板形识别方法的不足，具有较强的抗干扰能力，有效提高了识别的精度和速度，可以满足板带轧机高精度板形控制的要求，易于在实际板形控制系统中实现。     

一种改进Smith预估绞吸挖泥船产量控制方法研究

以绞吸挖泥船模型实验台为研究对象,改进传统Smith预估器,提出一种参数辨识的模糊Smith预估控制方法,改进后的Smith方法能使预估器的参数迅速跟踪并收敛于实际对象参数。仿真结果表明,该方案增强了系统的鲁棒性和适应性,克服了传统Smith预估器的缺点,对绞吸挖泥船横移自动化研究具有参考价值。     

Application of PID Controller Based on BP Neural Network in Export Steam's Temperature Control System

By combining the Back-Propagation(BP)neural network with conventional proportional Integral Derivative(PID)controller,a new temperature control strategy of the export steam in supercritical electric power plant is put forward.This scheme can effectively overcome the large time delay,inertia of the export steam and the influence of object in varying operational parameters.Thus excellent control quality is obtained.The present paper describes the development and application of neural network based controller to control the temperature of the boiler’s export steam.Through simulation in various situations,it validates that the control quality of this control system is apparently superior to the conventional PID control system.     

基于神经网络的张力控制系统

在纤维,造纸,塑料及金属镀膜工业中,对线状,带状及面状弹性材料卷取张力的控制的是关系其产品质量的关键技术,介绍了一种带有反向传播训练算法的人工神经网络,该方法克服了传统PI控制方法的缺点,有效地减弱了张力控制系统中速度和张力之间的耦合作用,仿真结果表明该种控制议程有良好效果。     

基于形状谱的平面四杆机构神经网络轨迹设计法

提出用图像形态学与神经网络相结合的方法进行平面四杆轨迹机构的优化设计。利用数学形态学结合图像处理，提取平面连杆曲线的形状谱特征参数，并构建曲线形态的识别、比较方法；再在曲线识别比较的基础上，提出了平面四杆轨迹机构的神经网络综合法，并用实例验证了方法的有效性。     

Smith预估器控制蒸发器过热度的仿真

针对蒸发器过热度控制系统的大时滞问题,提出采用预估器控制蒸发器过热度,该办法能克服大纯滞后,增强控制系统稳定性。仿真表明,其控制效果优于常规控制,而且当过热度的环境和采样时间发生变化和控制参数没有改变时,具有更好的稳定性和鲁棒性,对于大时间滞后系统是一种比较实用的控制方法。     

混合模糊神经网络在质量控制中的应用

传统的SPC控制图,在实际制订中需要大样本,在新的制造环境中出现很多困难和局限性。应用神经网络,引入模糊理论可对不确定分类问题具有更多优势。试验表明,在大多数情况下,它比其它统计过程控制图表现出更快的探测性和更准确的诊断性。     

基于神经网络的机翼振动主动控制

根据DARMA模型提出了简单易用的神经网络控制方案,该方法采用线性人工神经网络对系统动态特性进行在线辨识,并利用辨识得到的信息,采用BP神经网络对系统进行控制,将该算法应用于飞机机翼振动主动控制数值仿真。仿真结果表明,该方法能减少算法的计算量,压缩计算时间,便于提高系统采样频率,使得自由振动和调频振动的抑制成为可能。     

基于RBF神经网络的非线性系统智能控制

针对工业控制领域中复杂非线性时变系统，采用传统的控制方法不能达到满意的控制效果，提出了基于神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，从而实现系统的智能控制。仿真结果表明该方法对于复杂非线性系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

基于神经网络的半主动悬架自适应模糊控制研究

在建立了五自由度车辆半主动悬架系统模型的基础上，将神经网络与模糊控制结合起来，提出一种基于神经网络的自适应模糊控制半主动悬架系统，其控制器由模糊神经网络控制器和模糊网络组成，采用快速的变斜率梯度下降算法学习，具有自适应学习功能。仿真计算表明，与被动悬架相比，神经网络自适应模糊控制性能明显优于一般的Fuzzy控制，半主动悬架系统在减小振动，提高车辆平顺性方面优于被动悬架，且车轮动载荷和悬架动挠度也得到明显改善。台架试验同样表明了半主动悬架的优良减振性能。     

Enhancing the performance of parallel cascade control using Smith predictor

Parallel cascade controllers are used in chemical processing industries to improve the dynamic performance of a control system in the presence of disturbances. In the present work, a delay compensator has been incorporated in the primary loop of the parallel cascade control system. The secondary controller is designed using the internal model control (IMC) method. The primary controller is designed based on a direct synthesis method for the delay-free system. Design of controllers for slow (when the secondary loop dynamics is slow i.e. process contains poles sufficiently slower than the desired closed loop response) as well as fast dynamics (when the inner loop dynamics is fast i.e. process contains poles sufficiently faster than the desired closed loop response) of the secondary process is considered. The method provides robust control performances. Significant improvement in the closed loop performances are obtained with the delay compensator over that of a conventional parallel cascade control system. Several case studies are considered to show the advantage of the proposed method when compared to other recently reported methods.     

人工神经网络在产品质量控制中的应用研究

提出了利用有监督线性特征映射 (SL FM)网络构造产品质量参数预测模型的方法 ,研究了网络参数的合理选择 ,并提供了该预测模型在车削尺寸预测中的应用 ,研究表明该方法具有较高的预测精度 ,对加工过程具有一定的跟踪能力 ,在此基础上提出了加工过程智能质量控制的构想     

基于模糊神经网络的电梯群控系统

针对电梯群控系统和智能控制的特点，考虑电梯运行的综合评价函数，结合人工神经网络和模糊控制各自的优点，设计了一种电梯群控调度算法。并通过仿真实现了此群控系统的可行性。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

浅谈神经网络在加热炉温度控制中的应用

根据加热炉的特点和温度控制要求,设计了基于RBFNN(RBF Neural Network)辨识的PID控制器,仿真结果与PID控制和基于BPNN(BP Neural Network)的PID控制相比较,显示出本文设计的控制器具有良好的控制性能。     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

加工过程中基于信息熵的神经网络控制方法研究

不确定性信息的处理是目前控制器设计的关键和难点 ,变切削深度加工过程有大量的不确定性信息 ,本文以其为实验对象 ,研究神经网络控制效果 ,虽然网络学习率已根据实际需要作了修改 ,但系统响应速度较慢。据此 ,提出基于信息熵的神经网络优化控制算法 ,对熵函数中的概率分别采用均匀分布规则和根据最大熵原理求取两种策略。比较发现 ,前者比最初神经网络控制更能显著提高系统响应速度 ,后者能在此基础上将震荡次数减少 2 / 3。实验证明 ,基于信息熵测度的控制对处理不确定性系统具有很好的效果。