基于RBFNN的内模控制在气垫式流浆箱中的应用

针对气垫式流浆箱常规控制中总压和浆位之间存在严重耦合的问题,在分析传统解耦控制方案的基础上,提出了一种基于RBF（径向基）神经网络的内模控制系统（IMC）,采用径向基神经网络控制器（RBFNNC）在流浆箱控制中既充当对象模型,又充当控制器,实现了总压和浆位的解耦控制。仿真结果表明,该控制方法具有实现简单、控制效果好的优点。     

基于粒子群算法优化PIDNN的流浆箱解耦控制

针对气垫式流浆箱的总压和浆位之间存在严重耦合的情况,探讨使用粒子群算法优化的PID神经元网络对其进行解耦控制。建立一个双输入双输出PID神经元网络控制系统,用粒子群算法优化网络的初始权重后,再采用误差反向传播算法进行修正,最终实现完全解耦。仿真结果表明,经粒子群算法优化后的神经元网络能够有效地消除总压与浆位之间的耦合,大大缩短调试时间,具有更高的控制精度,能够用于气垫式流浆箱的控制。     

基于模糊神经网络PID控制的粉体包装计量控制系统

针对粉体包装计量控制系统由于传感器、螺杆的旋转惯性、零点漂移,下料冲击力等因素的影响而造成的系统延迟、非线性等问题,提出一种基于模糊神经网络PID控制粉体包装计量控制系统。利用模糊神经网络良好的动态控制特性和自学习能力来调整PID控制比例、积分、微分3个调整参数。借助MATLAB simulink仿真软件进行系统的模拟仿真。结果表明,该模糊神经网络PID控制系统稳定时间能缩短约45%,超调量约减少16%。由此可得模糊神经网络PID控制系统优于传统的PID控制系统。     

基于DRNN的纸机定量水分解耦控制仿真分析

针对抄纸过程中具有的强耦合、大时滞特点,提出了一种自适应的PID解耦控制方法,利用对角凹归神经网络(DRNN)来辨识系统模型,通过对PID控制器参数进行调整,实现多变量解耦控制.对纸机定量、水分控制系统的仿真研究结果表明:该方法具有较快的系统响应和抗干扰能力,较好地解决了定量和水分之间的耦合作用.     

VB与S7-200 PLC在单网流浆箱控制系统中的应用

介绍了在气垫式流浆箱控制系统中应用西门子PLC S7-200和VB作控制系统的软件编程和组态工具,并且阐述了总压和浆位的解耦控制算法,介绍了上位机与S7-200的自由通讯程序,系统在实际应用中得到检验,运行良好.     

自适应解耦控制在凹印机张力控制系统中的应用

凹版印刷机张力控制系统是一个非线性、强耦合、时变性的复杂系统,用普通的PID难以达到理想的控制效果.本研究通过建立凹印机张力控制模型和驱动电机模型,设计了一种基于解耦控制原理的自适应解耦控制算法,根据偏差和偏差变化率来实时自适应追踪调整PID控制器参数,有效提高了张力控制系统性能和速度,是一种简单易行的控制算法.     

置换蒸煮锅温度测量方法的改进及锅内温差控制

针对置换蒸煮锅温差难以消除这一难题,在传统蒸煮锅温度测量的基础上,提出一种新的温度测量方法,并将神经网络控制、PID串级控制和解耦控制有机地结合起来,提出一种神经网络PID串级解耦控制系统。解决了蒸煮锅温度控制时滞性、时变性和非线性等问题,应用Matlab仿真比较表明,该控制系统具有更好的动态性能和鲁棒性,其控制效果明显优于常规PID串级控制系统。     

纸张多变量控制系统的分析与设计

针对纸张定量、水分和灰分系统的强耦合、时滞特点,运用基于对角递归神经网络的多变量自整定PID控制方法,实时调整PID控制器的参数,实现系统的解耦功能.实验仿真结果表明,该控制方法系统适应能力较强、响应速度快、抗干扰能力强.     

基于RBF神经网络的纸张定量水分解耦控制系统设计

抄纸过程中纸机系统具有大滞后、非线性、时变等特点,纸张定量与水分之间存在强耦合效应,针对这些问题,设计了一种基于RBF神经网络的PID解耦控制方法.利用RBF神经网络辨识定量与水分的数学模型,实时调整PID控制器的参数,实现系统的解耦功能.仿真结果表明,该方法具有良好的静态、动态性能和很强的自适应性,能有效解决纸张定量和水分之间的耦合作用.     

基于模糊神经网络的PID张力控制系统

由于卷绕张力控制系统是一个复杂、联动、时变、非线性系统,采用传统PID控制不能解决系统的非线性时变和PID参数的在线整定难等问题,为此提出一种控制算法——模糊神经网络PID复合控制方式,可根据系统的偏差及其变化率实时对PID的3个参数进行优化,达到具有最佳组合的PID控制,从而实现PID控制的自适应和智能化性能。通过MatLab软件,进行传统PID控制与模糊神经网络PID控制动态性能的仿真比较,结果表明系统采用模糊神经网络PID控制具有更好的动、静态特性和自适应性。     

蒸煮锅内温差DMC-PID串级解耦控制

在置换蒸煮制浆过程中,蒸煮锅内温差过大会产生不均匀蒸煮现象,影响最终的蒸煮质量。针对蒸煮锅顶层流量与底层流量存在强耦合关系、蒸煮锅内温差大时滞特点、温差控制要求实时性,设计了DMC-PID串级解耦控制系统,通过流量-温差串级控制系统来实现对温差的控制。通过Matlab仿真表明,DMC-PID串级解耦控制系统具有更好的动态性能和鲁棒性,其控制效果明显优于单回路控制系统。     

基于PID神经网络的纸浆浓度控制

本文将一种不同于用神经网络调整PID参数的新的融合算法—PID神经网络(PIDNN)应用于纸浆浓度控制。经过对纸浆浓度控制系统的仿真研究表明,PIDNN既具有常规PID控制器结构简单的优点,又具有神经网络自学习、自适应之能力,大大改善了纸浆浓度控制系统的性能。     

流浆箱神经网络解耦控制系统的设计

利用BP神经网络原理结合流浆箱控制系统实际情况设计了神经网络解耦控制器,根据事先采集的大量实验数据训练出网络参数,得到与系统相匹配的静态解耦控制器,然后通过编程实现神经网络控制器输入输出的拓扑关系.该控制器既解除了气垫式流浆箱压力和液位的耦合关系,又具有实现简单的特点.     

基于神经网络逆模型的残碱控制系统

讨论了一个比较复杂的纸浆洗涤过程的数学模型，经过多次搜寻，可用五层串并联叠层BP神经网络来模拟这种多输入单输出高价模型，给出了该生产过程的神经网络逆模型结构及其主要内部特征，以及用该神经网络逆模型进行了仿真的情况，并运用此神经网络逆模型，设计出一套基于神经网络逆模型的残碱开环控制系统，再附加一个残碱串级反馈控制作为主控系统的辅助监督控制，或主控故障时的备用控制。     

神经网络分数阶PID控制器在纸浆浓度控制中的应用

分数阶PID控制器继承了常规PID控制器的优点,并且具有更高的控制精度和更强的鲁棒性。针对常规PID控制器在纸浆浓度控制过程中存在的问题,设计了一种基于神经网络的分数阶PID控制器。用分数阶PID控制器代替常规PID控制器,并通过神经网络调节分数阶PID控制器的5个控制参数,实现一种参数自整定的PID控制器。仿真实验结果表明,神经网络分数阶PID控制器比常规PID控制器的控制精度高,对纸浆浓度的控制更稳定;采用神经网络分数阶PID控制器控制纸浆浓度是切实可行的,具有很好的推广应用前景。     

基于RBF的纸浆连续蒸煮智能控制

针对纸浆连续蒸煮常规仪表控制中所存在的缺点,提出了用RBF网络来建立连续蒸煮过程的控制模型。通过改变蒸煮压力来克服用碱量及其浓度的波动对纸浆硬度的影响,从而达到稳定纸浆硬度的目的。仿真结果和实际应用都表明,用这种方法设计的控制器有很高的精度,很好的鲁棒性。