球磨机单神经元自适应PID解耦控制系统仿真

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,提出了球磨机自适应神经元PID解耦的控制方法.将静态解耦逆矩阵与球磨机对象串接,以解除球磨机多变量之间的耦合,再采用两个单神经元自适应PID控制器对解耦后的两变量对象进行闭环控制.仿真结果表明,该控制法相比常规的PID解耦控制法有更好的控制品质,跟踪快、鲁棒性强、解耦好,可较好地解决球磨机系统的时变性、耦合性等问题.     

球磨机制粉系统的多变量解耦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,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.     

基于模糊PID解耦的球磨机控制系统仿真研究

提出了一种基于模糊PID解耦的球磨机控制系统.在该种控制系统中,先采用两个模糊PID进行动态解耦,再用两个PID控制器对解耦后的对象进行闭环控制.Matlab语言仿真表明,该解耦控制系统具有良好的解耦性能、控制特性和鲁棒适应性.     

球磨机制粉系统的多变量解耦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,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。     

多变量解耦双自由度PID控制系统设计

为了解决多变量时滞过程解耦器结构复杂且不能解析设计、控制器不易兼顾控制性能和鲁棒性的问题,提出一种新的解耦双自由度PID控制系统设计方法.针对时滞过程改进了Cai所提出的正则化解耦方法:从能量功率谱的角度重新解释并构造结构简单的解耦矩阵;将系统解耦成单回路后,采用双自由度PID结构设计各回路控制器.典型工业过程实例验证了设计的简单性和性能的有效性.采用该方法,解耦传递函数矩阵可以解析求解,双自由度PID控制器能够有效改善各回路高频段的解耦性能,获得良好的设定值跟踪性能和扰动抑制能力,并且可以方便地应用于控制现场.     

基于CMAC和PID的非线性耦合系统解耦控制研究

为了实现多变量非线性耦合系统的解耦控制,提出了一种基于CMAC与PID的复杂关联自适应解耦控制策略,并给出了详细算法。该控制策略采用PID控制器和CMAC控制器共同构成一个复合控制器,多个复合控制器通过多输入多输出线性神经网络,实施对复杂非线性耦合对象的控制作用。由于神经网络的自适应特性,可使得耦合系统逼近参考模型,实现解耦控制。仿真结果表明,该控制策略实现了耦合系统的解耦控制,并且具有较强的抗干扰能力和鲁棒性。因此采用此控制策略能够实现多变量非线性耦合系统的解耦控制。     

基于GA-CGA优化神经网络解耦方法的应用研究

为了克服神经网络存在的收敛速度慢、易于陷入局部极值等不足,采用一种混合学习算法优化神经网络,即将改进遗传算法(GA)和共轭梯度算法(CGA)的混合学习算法用于对神经网络权值的修改,针对流浆箱的总压和浆位之间存在耦合问题,提出一种基于GA-CGA混合优化算法的神经网络PID解耦方法,成功地实现了总压、浆位之间的解耦.仿真结果表明该系统比神经网络PID解耦具有更好的控制效果和抗干扰能力.     

基于改进单神经元的PET吹瓶机温度解耦控制系统研究

将神经网络应用到PID控制器的参数整定过程中,提出一种基于改进单神经元PID的控制算法,通过在吹瓶机温度解耦控制系统中的应用,得出了仿真结果及结论.仿真结果表明:该控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的控制效果,因而可以广泛地应用于多变量系统的解耦控制中.     

焦炉集气管压力系统的非线性PID控制

对于多变量耦合且存在时变性的焦炉集气管压力系统,提出了一种非线性PID的控制方法。采用对角阵解耦方法来进行解耦控制,对于解耦后的单输入单输出系统采用非线性PID控制算法,设置不同的PID调节参数,来应对不同的操作工况,使系统快速脱离高压或低压等不稳定状态。仿真结果表明,该控制策略不仅解决了焦炉集气管压力系统之间的耦合问题,也提高了系统对复杂多变的工况的适应性和鲁棒性,可以保证焦炉集气管压力稳定在现场工艺要求的范围内。     

倒立摆系统的分类解耦控制研究

通过建立倒立摆系统数学模型,分析其状态空间,并采用一种分类解耦的线性化方法,简化了该系统设计的复杂程度.将模糊控制与PID整定算法结合在一起,设计了一种基于分类解耦的新型控制器.由仿真结果证明了该系统良好的动态性能和稳态性能.     

DRNN神经网络的电加热炉解耦控制

基于DRNN神经网络参数自学习的PID原理对电加热炉进行解耦控制。给出了网络的结构和算法,分析了时变对象的特点,并对电加热炉时变系统进行了仿真。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。     

基于神经网络的除氧器水位解耦控制

基于神经网络的PID控制,针对电厂除氧器被控对象的耦合特性,提出了一种比例、积分和微分参数在线自整定的神经网络PID控制算法,结合神经元补偿解耦网络,用来消除除氧器水位与凝泵出口压力之间的耦合影响,实现对除氧器水位系统的解耦控制。仿真结果表明控制系统基本消除了耦合变量之间的耦合作用,消除了系统输出的稳态误差,大大改善了系统的调节品质。     

多输入多输出系统的神经网络PID解耦控制器

基于神经网络的ＰＩＤ控制,提出了一种可用于有耦合的多输入多输出系统的比例、积分和微分参数在线自整定的神经网络ＰＩＤ解耦控制器,可以实现对多变量系统的角耦控制,仿真结果表明系统具有很好的动态及稳态性能。     

船用核动力装置二回路PID神经网络解耦控制研究

直流蒸发器的船用核动力装置是一个非线性、时变及多变量强耦合的被控对象.针对该被控对象设计了改进型PID神经网络控制系统,用于船用核动力装置多变量解耦控制,该神经网络控制器不需要对系统进行辨识,在调整权值的学习过程中使控制系统具有良好的解耦控制性能.仿真结果表明,直流蒸发器压力和汽轮机转速控制之间协调性好,并具有响应速度快、鲁棒性好等特点.     

火电机组过热汽温神经网络控制的研究

研究了单神经元PID控制器和BP神经网络PID控制器在火电机组过热汽温的应用．实验结果表明,神经网络PID控制结构简单,有较强的鲁棒性,取得了较好的控制效果．     

基于动态径向基函数神经网络的多变量解耦控制

为提高工业控制领域中多变量、非线性、强耦合系统的解耦能力和动态特性，基于聚类结合算法和神经网络原理，提出了一种改进的基于动态径向基函数（RBF）神经网络的多变量解耦控制方法.采用聚类结合算法优化动态RBF神经网络，更好地描述了控制对象的动态行为，获得了PID参数在线调整信息，实现了多变量非线性系统的解耦控制.仿真结果表明，与基于常规RBF神经网络的PID控制方法相比，该方法具有更高的控制精度、更快的系统响应以及更好的适应性和鲁棒性，是解决多变量、非线性和强耦合问题的一种简便、有效的控制算法.     

基于PID神经网络的UPFC潮流控制方法研究

建立了UPFC的数学模型,将PID神经网络控制方法应用于UPFC的潮流控制,提出了PID神经网络控制器的设计方案,仿真结果表明,UPFC采用PID神经网络控制方法以后,响应时间更快,对有功功率和无功功率的变化具有很好的追踪能力,鲁棒性良好.     

基于神经网络的主汽温控制系统

针对火电厂主汽温被控对象的大迟延、模型不确定性,设计了基于神经网络的主汽温控制系统。系统结构为串级系统。内回路采用常规比例调节器,外回路采用带辨识器的单神经元ＰＩＤ控制器。辨识器为３层ＢＰ网络结构,以广义δ规则为学习规则。控制器学习算法为有监督的Ｈｅｂｂ算法,教师信号由系统定值和辨识器输出构成。对系统在多种工况下的仿真结果表明,所设计的系统在控制品质、鲁棒性方面明显优于主汽温常规ＰＩＤ控制系统。     

电厂过热汽温神经PID控制系统的仿真研究

针对火电厂主汽温被控对象的大迟延、模型不确定性，设计了基于RBF神经网络的神经PID汽温控制系统，并对控制系统进行仿真试验，其仿真结果表明了设计的控制器具有良好的位置跟随性、抗干扰性和鲁棒性．