抄纸过程免疫单神经元控制研究与应用

针对单神经元PID控制器调节时间较长,不利于改善控制系统快速性的问题,提出了免疫单神经元PID（ISNPID）控制器。该控制器把免疫原理与单神经元PID相结合,提高了单神经元PID控制器的学习速度,减小了系统的过渡过程时间,改善了控制器的性能。对于多变量耦合系统,ISNPID通过对控制器增益的在线自调整还可以实现局部解耦。仿真表明ISNPID控制器对多变量耦合系统具有较强的自适应性、解耦和鲁棒性,实际应用证明了控制器的有效性和实用性。     

一类多变量系统的自抗扰非线性动态解耦控制

针对一类多变量系统控制中的耦合问题,提出了一种基于自抗扰技术的非线性动态解耦控制(ADRC)方法。该方法不依赖于系统的精确数学模型,分别在控制器耦合矩阵部分已知和未知的情形下,在局部静态解耦的基础上,将各子系统的模型摄动、外扰和包括输入变量相互作用在内的动态耦合视为各通道上的扰动总和,通过引入虚拟控制和状态量,设计扩张状态观测器(ESO)估计总扰动并进行反馈补偿,进而再对各解耦子对象分别设计非线性单输入单输出ADRC以保证闭环系统稳定。最后以蒸馏塔模型的过程控制仿真验证了该方法具有良好的动态解耦效果,对模型不确定性和外部扰动具有较好的鲁棒性和适应能力。     

双容液位系统的动态解耦控制

建立了双容液位系统的计算机监控实验系统的硬件和软件,并通过机理分析方法建立了系统的模型。针对系统的耦合特性,应用对角解耦方法完成模型的动态解耦,并将解耦器在上位机中通过编程实现,从而完成系统的解耦控制。将解耦控制效果分别和常规PID控制、RMPCT控制进行比较。实验结果表明,在这种存在耦合的简单的两入两出系统中,解耦控制的效果较常规PID控制有大幅提高,并且与RMPCT的控制效果相比差别也并不明显,已经可以满足控制的需要,但其成本低廉,与先进控制相比具有巨大的优势。     

Smith模糊PID控制器在抄纸定量水分系统中的应用

造纸过程是一个复杂的多变量过程。变量与变量之间相互关联,相互强耦合。同时造纸过程又存在较大的时滞。对此,采用对角线解耦的方法,将多变量系统变成单变量系统。提出一种基于Smith预估结构的自适应模糊PID控制方法,有效地克服了滞后对控制系统稳定性和质量控制的影响。仿真和实际应用结果表明该方法对于造纸过程中定量水分的控制具有非常好的效果。     

化工过程多回路PID控制系统模式切换参数自整定

化工过程一般为多变量系统,但其主要控制方案为分散多回路PID常规控制。由于多变量系统内部存在不同程度的耦合作用,各控制回路之间存在相互影响,当其他回路进行手动/自动模式切换时,本回路等效被控对象将会发生突变,导致本回路的原有控制参数不能适应等效被控对象的变化,造成控制性能下降,甚至闭环系统不稳定。为避免这种情况的发生,从整个系统的角度研究控制回路模式切换时的稳定性,采用多变量频域Nyquist阵列设计法。基于对角优势下正Nyquist稳定性判据,从Gershgorin圆边界点的角度定量分析各个控制回路在模式切换前后的稳定性变化程度,从而确定各回路控制器增益的调整方向及程度,实现各回路的控制器参数在控制回路模式切换瞬间的自动整定,尽可能抵消控制回路模式切换对整个系统的扰动,保证整个系统的闭环稳定性。以Shell公司重油分馏塔的多回路PID控制系统为例,将3个PID控制回路依次投用时,根据Gershgorin圆边界点进行控制参数的自整定,闭环系统仍能保持一定的控制性能,否则闭环系统将不稳定。     

基于BP网络的流浆箱双变量PID解耦控制

针对造纸工业中的气垫式流浆箱总压与浆位的非线性、强耦合特性,在分析与总结BP神经网络、PID控制等优点的基础上,设计了一种基于BP神经网络的双变量PID解耦控制器。该控制器可利用神经网络所具有的任意非线性表达能力,根据系统现场的运行状态,按照人为设定的性能指标,通过自学习和权值调整来整定PID控制的比例(kp)、积分(ki)、微分(kd)三个参数,最终实现具有最佳组合的PID控制,进而实现了气垫式流浆箱总压与浆位的解耦控制。同时,还针对气垫式流浆箱的线性模型和非线性模型进行了仿真,仿真结果表明:该解耦控制器具有实现简单、动态响应快、控制精度高等特点,有较高的实用价值。     

基于粒子群优化算法的球磨机制粉系统PID-ANN解耦控制器

球团厂钢球磨煤制粉系统是多变量强耦合、时滞、非线性以及生产工况变化大的复杂对象,其自动控制问题一直是控制界关注的热点。基于粒子群算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。PID神经网络解耦控制方法被用来消除回路之间的耦合,神经网络连接权值由粒子群算法进行学习优化。仿真研究表明所建模型和所提控制方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有很高的工程实用价值。     

多变量解耦自抗扰控制在气体流量装置中的应用

针对气体流量装置实验管路流量、压力耦合系统,通过机理法和阶跃响应法建立了其数学模型,并利用自抗扰解耦控制算法实现其解耦控制,以保证气体流量计性能测试过程的稳定性和控制快速性。对于气体流量装置多变量系统,自抗扰控制算法将耦合以及所有的内部不确定性和外部扰动都归结到总扰动中,通过扩张状态观测器和控制律对总扰动进行估计和补偿,使原系统被解耦成两个单输入单输出的子系统并利用PD控制器完成控制。自抗扰控制算法使系统在实现解耦的同时既减弱算法对于模型的依赖,又提高了系统的鲁棒性。仿真和实验结果表明,与PID控制算法相比,自抗扰控制算法调节时间更快,解耦效果更好,对扰动的抑制效果更优,性能鲁棒性更强。     

一种面向控制系统解耦的序列决策PID参数整定方法

传统的解耦控制方法由于其过于依赖模型辨识等问题难以被实际应用,且存在成熟系统不宜进行控制器再设计等问题,此外,回路解耦控制的专家经验难以提取与传承。因此以等效传函理论为研究基础,提出了一种面向解耦问题的基于序列决策的PID参数整定方法,提取历史数据中经验丰富的操作人员的控制序列。在解决回路之间存在耦合而使控制效果不佳的问题的同时,使工程人员的PID参数整定经验数字化得以传承,辅助初级人员进行操作。最后将所提方法应用于Matlab和Aspen两个仿真平台的耦合回路系统,获得满意结果,并验证所提方法的有效性和正确性。     

基于PID对角优势补偿阵的过程多变量控制系统设计

化工过程一般为多变量系统,输入输出变量之间往往存在耦合作用,常规分散PID控制系统难以保证控制质量。为了削弱多变量系统的耦合作用,基于对角优势的设计准则,通过在若干频率点加权优化,设计PID动态预补偿阵。然后利用正Nyquist阵列设计法对补偿后的系统设计控制器,基于对角优势系统的Nyquist稳定判据,通过绘制优势度曲线和Gershgorin带判断系统的优势程度,初步确定反馈矩阵的稳定参数范围,再按照单输入单输出系统设计动态补偿器,使得系统满足动态控制品质要求。最后通过示例说明,该方法设计的集中控制系统与分散控制相比,控制性能具有一定的优势,且方法简便,容易实现。     

Identification of models for control of wet granulation

The modeling work in this paper provides insight on improved control and design (including measurement selection) of a granulation process. Two different control strategies (MPC and PID) are evaluated on an experimentally validated granulation model. This model is based on earlier work done at The University of Sheffield, UK and Organon, The Netherlands [C.F.W. Sanders, W. Oostra, A.D. Salman, M.J. Hounslow, Development of a predictive high-shear granulation model; experimental and modeling results, 7th World Congress of Chemical Engineering, Glasgow (2005), C11-002]. The granulation kinetics were measured in a 10 liter batch granulator with an experimental design that included four process variables. The aggregation rates were extracted with a Discretized Population Balance (DPB) model. Knowledge of the process kinetics was used to model a continuous (well mixed) granulator. The controller model for the Model Predictive Controller is a linearized state space model, derived from the nonlinear DPB model. It has the four process variables from the experimental design and a feed ratio as input variables. Since the DPB model describes the whole Granule Size Distribution (GSD), candidate sets of lumped output variables were evaluated. When measuring controller performance based on the full granule size distribution, it is shown that a PID controller can actually produce results that fluctuate more than the open-loop response. An MPC controller improves stability on both process outputs and the full granule size distribution. The work shows that measuring and controlling specific number based lumped outputs result in a more stable process than when mass based lumped outputs are used. The paper describes a general strategy of using lab scale batch experiments to design and control (small or large scale) continuous granulators. The continuous experiments in this paper are based on simulation, therefore future experimental validation will elucidate further the link between batch and continuous granulation.     

基于偏最小二乘隐变量空间的控制器设计方法

基于偏最小二乘（PLS）隐变量空间的控制利用PLS算法内部关系主元独立的结构，可以实现自动解耦多变量之间的严重相关性，且自动实现隐变量变量配对，从而使得MIMO控制简化为SISO控制。由于PLS为稳态算法，要进行动态PLS算法才能与控制要求相符。但是因为PLS隐变量之间并不能完全消除相关性，因此如果采用PID控制器，在整定时回路之间将相互影响且控制器参数不稳定，由此进行了基于动态PLS隐变量空间模型的最优化控制。同时就加压网前箱和一个蒸馏器给出了该控制方法的仿真应用，显示了该方法的特性。     

基于递归神经网络的多变量非线性PID解耦控制

A nonlinear proportional-integral-derivative (PID) controller is constructed based on recurrent neural networks. In the control process of nonlinear multivariable systems, several nonlinear PID controllers have been adopted in parallel. Under the decoupling cost function, a decoupling control strategy is proposed. Then the stability condition of the controller is presented based on the Lyapunov theory. Simulation examples are given to show effectiveness of the proposed decoupling control.     

Multivariable Nonlinear Proportional-Integral-Derivative Decoupling Control Based on Recurrent Neural Networks

A nonlinear proportional-integral-derivative (PID) controller is constructed based on recurrent neural networks. In the control process of nonlinear multivariable systems, several nonlinear PID controllers have been adopted in parallel. Under the decoupling cost function, a decoupling control strategy is proposed. Then the stability condition of the controller is presented based on the Lyapunov theory. Simulation examples are given to show effectiveness of the proposed decoupling control.     

基于神经网络和多模型的非线性自适应PID控制及应用

针对一类未知的单输入单输出离散非线性系统,提出了基于神经网络和多模型的非线性自适应PID控制方法。该方法由线性自适应PID控制器、神经网络非线性自适应PID控制器以及切换机构组成。采用线性自适应PID控制器可保证闭环系统所有信号有界;采用神经网络非线性自适应PID控制器可改善系统性能;通过引入合理的切换机制,能够在保证闭环系统稳定的同时,提高系统性能。理论分析表明,该方法能够保证闭环系统所有信号有界,如果适当地选择神经网络的结构和参数,系统的跟踪误差将收敛于任意给定的紧集。将所提出的方法应用于连续搅拌反应釜,仿真结果验证了所提出方法的有效性。由于该方法基于增量式数字PID控制器,在工业过程中有着广阔的应用前景。