网络调度与保性能控制的协同设计

为了分析NCS中调度对控制性能的影响,研究了控制与调度协同设计时的保性能控制.首先,建立了输入、反馈端都具有通信约束的NCS调度模型,并利用通信序列来表示调度情况,将NCS中的不确定离散系统转化为不确定离散切换系统.在静态调度下,利用切换系统中的多Lyapunov函数方法,对系统的状态反馈保性能控制展开分析,并以LMI形式给出系统保性能控制律存在的充分条件.仿真表明,该方法可以用于分析不同调度情况对NCS保性能控制的影响.     

基于NetCon的网络化控制系统快速实现

为解决网络化控制系统(NCS)实现中的难题,并促进其研究与应用,通过IP网络(以太网/无线网/因特网)连接技术,将控制系统快速原型开发和网络化控制无缝集成在一起,研发了一套NCS仿真和实现平台--NetCon系统.详细介绍NetCon各组成部分的设计机理,并以直流电机为被控对象,利用此系统为其设计了基于无线局域网的NCS.实际应用表明:NetCon系统提供了一个完整的NCS快速开发和实时控制解决方案,可以快速建立被控对象模型,进行控制系统的设计、仿真、实现以及组态、监控、调试等工作.     

CAN网络下实时控制系统的调度研究

在CAN网络的基础上,分析了静态调度算法的可调度条件、优缺点及其对系统性能的影响。通过搭建一个包含4个控制回路的网络控制系统模型,利用TrueTime工具箱进行仿真,比较两种算法的仿真结果,验证了在网络负载较重且资源不充足的情况下,动态调度算法对系统性能的改善,提高了网络的利用率。     

多回路网络控制系统的模糊动态调度

本文首先阐述了采样周期对于网络控制系统性能的影响,然后针对多回路网络控制系统中,回路之间争抢网络资源,导致系统性能恶化的情况,在原有EDF调度算法的基础上,提出含有模糊调度器的多回路模糊动态调度算法。该算法根据系统中各回路的误差和误差变化率,利用模糊控制的方法实时调整各回路的优先级,从而实现对网络控制系统的调度。最后,利用TrueTime工具箱建立了包含模糊动态调度器的网络控制系统仿真模型,并将其与无调度器的网络控制系统进行对比。仿真结果表明,本文所设计的多回路模糊动态调度算法能够合理地安排各回路使用网络的先后顺序,具有较好的控制性能。     

基于资源——任务网络的生产调度优化

生产调度能为企业带来明显的经济效益,基于资源-任务网络生产调度优化,是理论和应用研究的一个热点问题。文章将基于——资源任务网络的离散时间生产调度优化模型应用于单台变负荷空分生产流程中。求解优化模型可知优化结果优于人工调度。     

一种递推式变采样周期网络控制系统调度算法

针对采样周期的变化对网络控制性能的影响,综合考虑了网络的传输误差以及传输时延等因素,对网络控制系统进行了数学建模分析,提出一种递推式变采样周期在线动态调度算法.以误差泛函积分评价指标IAE来衡量控制回路的QoC.运用Matlab/Simulink中True-time工具箱构建网络控制系统仿真平台并进行仿真,结果表明该调...     

基于复杂网络控制理论的换热网络旁路位置确定

换热网络的旁路控制是增加自由度和提升系统控制性能的有效手段。为了保证控制的有效性和经济性,本文基于复杂网络理论,结合“下游路径”理论中换热网络的干扰传递规律,构建出换热网络的有向加权的复杂网络模型,然后把换热网络旁路抽象为复杂网络驱动节点集,权衡可控性与经济性两方面因素,给出两种旁路位置确定方法。在可控性要求较高时,基于复杂网络结构可控性理论,提出了换热网络全局可控的旁路位置确定法,该算法不仅通过设置最少的旁路实现了换热网络的全局可控,还实现了对换热网络控制性能的优化;当旁路数目受限时,基于复杂网络目标控制理论,提出了重要节点可控的旁路位置确定法,在保证其重要节点可控的同时,减少旁路数量从而节省投资费用。最后,以大型原油换热网络为例分别求解全局可控和重要节点可控的换热网络旁路位置,验证了该方法的可行性。     

基于证据网络的多变量MPC经济性能评估

MPC控制系统作为先进控制策略,已经被广泛地应用于工业生产中。但在实际工业中,MPC控制系统的变量的软约束往往设定得比较保守,使系统无法达到最优经济性能。针对有约束的MPC控制系统,采用二次型经济性能指标函数来评价系统的经济性能,将最优工作点的求解问题转化为一个典型的有约束的线性规划问题。进而根据历史数据和二次型经济性能指标函数所得最优运行结果建立多变量MPC的证据网络模型,通过证据网络的反向推理和决策,得到造成MPC控制系统性能下降的可能原因,并提出改善控制系统性能的策略。最后通过仿真实验,验证了基于证据网络的经济性能评估的有效性。     

基于改进回声状态网络的游离氧化钙预测控制

在非线性时延水泥烧成系统中,针对传统预测控制方法调节时间长、控制精度不高的问题,提出一种改进的在线型回声状态网络预测控制模型。首先将带有L1范数约束项的递归最小二乘法与回声状态网络相结合构建在线型预测模型,解决传统预测控制模型辨识精度较低、无法进行实时预测的问题;然后基于改进的回声状态网络预测模型,构建预测控制模型结构,并采用具有全局优化能力的粒子群算法进行滚动优化,保证实际输出量快速、准确、平稳地跟随被控量的设定值;最后利用改进的预测控制模型对水泥烧成系统中的游离氧化钙含量进行预测控制仿真实验,结果表明改进的预测控制模型具有良好的性能和应用前景。     

基于动态RBF网络的预测控制在中速磨煤机优化控制的应用

针对大型火电厂直吹式制粉系统的时滞和非线性特点,将基于动态RBF网络模型的预测控制应用于MPS中速磨煤机的优化控制中。通过对M-RAN算法的改进,加快了对非线性系统的辨识速度。建模仿真证明了改进M-RAN算法的有效性和实时性,并结合预测控制解决了系统的时滞问题;应用结果也表明该方法具有良好的动态响应和较强的鲁棒性。     

网络控制系统中基于PID的死区反馈调度方法

在网络控制系统中,网络负载的加重会使网络资源稀缺,并导致各个子系统控制性能变差．为了改善整个系统的控制品质（QoC）,提出了基于PID死区反馈调度方法,在该方法中,各节点优先级和死区节点是根据每个节点的当前控制品质动态分配和选择的,死区节点上死区范围大小采用PID调节,使得时限错过率稳定在优化的范围之内。仿真结果表明,在网络资源紧缺时,该方法能提高整个系统的控制品质。此外,该算法耗时较少,能满足实际应用中实时性和简便性的要求。     

模糊非线性内模控制算法及其在pH值控制中的应用

pH值控制过程具有较强的非线性,历来是过程控制研究的一大热点,本文针对pH值控制系统提出了一种基于模糊推理网的非线性内模控制算法（FNIMC）。模糊推理网用于辨识对象的模糊模型;FNIMC由一个逆模控制器和具有一个可调参数的鲁棒滤波器组成。仿真结果表明该算法优于非线性PID调节器,且计算效率高。     

基于模糊神经网络PID控制的污水处理应用研究

针对活性污泥污水处理系统具有复杂的非线性和时变性,传统的控制方法存在着精度不高,自适应能力差等缺点,提出一种模糊神经网络PID控制方法,将模糊神经网络与PID相结合,既发挥了PID控制的优势,又增加了模糊神经网络自学习和处理定量数据的能力,并且其中采用了动态递归神经网络对污水处理系统进行模型辨识。该控制方法能够快速、有效地使曝气池中溶解氧浓度达到期望值,并且具有较好的控制效果与控制精度。仿真结果验证了该控制方法的有效性和正确性。     

碱回收炉炉膛负压的小波神经网络控制

为了保持炉膛负压的稳定,将小波神经网络PID控制运用到炉膛负压的控制中,建立了三层神经网络模型。将引起炉膛负压变化的干扰因素：送风量、炉膛负荷和炉膛负压的实际值、期望值作为网络的输入量,网络的输出层单元分别表示PID控制器的3个参数。根据炉膛负压实际输出与期望输出之间的偏差以及干扰量来实时在线调整PID参数。用MATLAB对该控制系统进行了仿真研究,结果表明本控制系统能较好地克服时变、时滞、非线性、参数不确定及干扰等对炉膛负压的影响,保持了炉膛负压的稳定,提高了炉膛负压的控制速度和控制精度。     

Nonlinear internal model control strategy for neural network models

A nonlinear internal model control (NIMC) strategy based on neural network models is proposed for SISO processes. The neural network model is identified from input—output data using a three-layer feedforward network trained with a conjugate gradient algorithm. The NIMC controller consists of a model inverse controller and a robustness filter with a single tuning parameter. The proposed strategy includes time delay compensation in the form of a Smith predictor and ensures offset-free performance. Extensions for measured disturbances are also presented. The NIMC approach is currently restricted to processes with stable inverses. Two alternative implementations of the control law are discussed and simulations results for a continuous stirred tank reactor and pH neutralization process are presented. The results for these two highly-nonlinear processes demonstrate the ability of the new strategy to outperform conventional PID control.     

Monitoring and retuning of low-level PID control loops

In this work, we focus on the problem of monitoring and retuning of low-level proportional-integral-derivative (PID) control loops used to regulate control actuators to the values computed by advanced model-based control systems like model predictive control (MPC). We consider the case where the real-time measurement of the actuation level is unavailable, and thus PID controller monitoring has to be achieved on the basis of process state measurements. A fault detection and isolation (FDI) method involving process models and real-time process measurements is used to monitor the PID control loops and compute appropriate residuals. Once poor tuning is detected and isolated, a PID tuning method based on the estimated transfer function of the control actuator is applied to the isolated, poorly functioning PID controller. An example of a non-linear reactor–separator process operating under MPC with low-level PID controllers regulating the control actuators is used to demonstrate the approach.     

A one-step tuning method for PID controllers with robustness specification using plant step-response data

This paper presents a novel method for proportional-integral-derivative (PID) controller tuning directly using the step response data of the process without resorting to a process model. The required process data are collected from a one-shot step test that can be conducted under either closed-loop or open-loop conditions. The proposed method derives the PID parameters so that the resulting control system behaves as closely as possible to the prescribed reference model. Two structures of the reference model are considered for general design and improved disturbance rejection, respectively. A simple one-dimensional optimization problem is formulated to determine an appropriate reference model for the controlled process. Moreover, the proposed PID tuning method includes a robustness specification based on the maximum peak of sensitivity function that enables the user to explicitly address the trade-off between performance and robustness. Simulation examples are provided to illustrate the superiority of the proposed method over existing (model-based) tuning methods.     

基于免疫遗传算法-BP神经网络的主汽温控制

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计一种基于免疫遗传算法、BP神经网络和RBF神经网络的智能PID控制系统.利用免疫遗传算法的全局搜索寻优能力和较好的收敛性优化神经网络的权值,同时利用BP网络对PID参数进行在线调整.仿真结果表明,该系统在控制品质、鲁棒性方面都明显优于常规PID控制系...     

Multi-model predictive control of SCR flue gas denitrification system in coal-fired power plant based on kernel fuzzy c-means clustering and integrated model

A multi-model predictive control strategy based on kernel fuzzy c-means (KFCM) clustering and integrated model is proposed for the complex problem of rapid and accurate control of ammonia injection in selective catalytic reduction (SCR) denitrification systems of coal-fired power plants under a wide range of variable load conditions. First, the SCR data samples are clustered using the KFCM clustering algorithm, and the number of clusters is determined by introducing the Xie-Beni index. Second, the prediction model of the SCR denitrification system is established by an integrated modelling approach, and the sub-learners of the integrated model are the genetic algorithm optimized back propagation (GA-BP) neural network model and the least squares support vector machine (LSSVM) model. Third, a multi-model prediction controller based on the particle swarm optimization (PSO) algorithm and the integrated model is designed and developed. To ensure the stability of the system, a model-switching strategy based on the minimum Euclidean distance is proposed. Finally, simulation verification and industrial field application verification are fulfilled by comparing with proportion integral differential (PID) control and single model predictive control (MPC). The results show that the multi-model predictive control method proposed in this paper can obtain higher control accuracy and better control stability and meet the control requirements for the long-term operation of the SCR denitrification system.