基于FNN的水泥回转窑分解炉温度控制

在水泥工业中,窑尾分解炉温度是一个重要的工艺参数,它的稳定对整条水泥生产线的稳产、高产和节能具有重大影响.用建立对象模型的传统控制方法实现对分解炉温度的控制非常困难,因此提出了一种基于模糊神经网络的温度控制方法,将模糊控制技术与神经网络技术相结合,用神经网络表示模糊控制规则,采用神经网络来实现模糊推理,利用神经网络的学习能力来达到模糊隶属函数和模糊规则的目的.Matlab仿真试验结果表明,模糊神经网络用于回转窑分解炉温度控制可以取得比较好的控制效果.这一点在水泥厂实际生产应用中也得到了验证.     

基于T—S模型的聚丙烯优化控制

针对模糊控制表达能力强,但学习能力、适应性差的特点,提出在聚合反应过程的温度控制系统中使用模糊控制与神经网络相结合的控制方案,控制方案给出了基于Takagi-Sugeno模型的神经模糊网络结构以及优化模糊规则和隶属函数的学习算法;仿真研究表明,神经模糊网络可以根据输入数据的分布情况,自动修改模糊规则的加权系数和隶属函数,克服了单纯的模糊控制其控制规则和隶属函数一经得到就固定不变的缺陷,具有较强的适应能力和学习能力,较单纯的模糊控制有更高的控制精度.     

燃料电池发动机的模糊神经网络温度控制研究

燃料电池发动机的温度控制是整个系统控制的重要环节,其控制效果对系统输出性能影响重大;针对发动机温度控制惯性大和超调量大的特点,研究了质子交换膜燃料电池发动机的发电原理及其循环水温度控制系统的结构;结合电加热、风冷与水冷的温度控制方案,提出了利用模糊神经网络控制算法对燃料电池发动机进行温度控制的方法;实验结果表明使用了该算法进行温度控制的燃料电池发动机系统温度响应速度快且超调量小,其动态性能得到了较大的改善。     

基于模糊神经网络的淬火炉温度控制

本文建立了淬火炉的模糊神经网络智能温度控制系统,用遗传算法和BP算法结合,自动调节模糊神经网络各层的权值,改变隶属函数的参数和推理规则数,实现对隶属函数和推理规则的优化。实验结果表明,温度上升段,超调量小于4℃,保温阶段,温度控制在保温温度的±2℃内,满足淬火炉对升温速度和恒温过程的精度要求。     

飞机空调车的模糊CMAC-PID温度控制器设计

关于飞机地面空调温度优化控制问题,飞机地面空调车温度控制系统具有参考模型不精确、非线性、时变、工作环境不稳定等特点。针对实际温度控制系统中应用到的传统PID温度控制器存在超调量大、响应速度慢、抗干扰能力弱等缺点,设计了一种新的响应速度快、稳定性高和抗干扰能力强的模糊CMAC-PID控制器。温度控制器利用小脑神经网络(CMAC)较强的自适应能力,与模糊PID控制器并行工作,能够迅速、精确、稳定的达到系统所要求的温度值。用Matlab软件进行实验,结果表明控制方式有效地改善了系统的动态性能、稳态精度和鲁棒性,具有较好的工程应用前景。     

基于PLC的中央空调模糊PID监控系统研究

本文介绍了组态王的基本功能,详细阐述了如何设计用于中央空调温度控制的模糊PID控制器和如何利用组态王6.53对中央空调系统那个进行组态监控。通过组态王6.53和S7-200之间的通信,采用模糊PID控制算法实时调节P、I、D参数,实现了对房间温度的控制。     

农业温室温度的智能辨识控制

农业温室温度控制过程中,温度的精准控制是一个非线性、滞后的问题,实验表明,现有的PID控制很难实现对农业温度的辨识控制,控制过程的准确率,收敛速度慢等问题。提出建立农业温度控制模型,通过采用LI-RBF神经网络辨识器对农业温度控制系统进行辨识,以及LI-RBF神经网络与PID控制相结合,构成LI-RBF-PID控制策略。通过系统跟踪辨识结果比较,以及LI-RBF-PID控制器控制参数在线自整定的农业温度控制曲线表明,该方法优于PID控制,实现了农业温室温度智能辨识控制。     

线控转向汽车传动比智能控制策略的研究

以线控转向汽车的传动比控制为重点进行研究,提出了传动比智能控制策略,旨在进一步改善系统的转向性能。针对转向系统的不确定性、非线性的特点,在原有基于模型控制方法的基础上,研究了模糊控制和模糊神经网络在传动比控制中的应用;首先利用模糊控制技术设计传动比控制器,然后研究了模糊神经网络的结构和算法,利用模糊神经网络对理想传动比控制进行改进,实现了输入变量隶属函数中心值和宽度的在线调节,进而对传动比进行优化;从仿真结果可以看出基于模糊神经网络的控制方法比单模糊控制扩大了传动比变化的车速范围,更加符合理想传动比的要求,表明基于模糊神经网络控制方法更具有可行性和有效性。     

基于Vague集理论的数字控温器设计

针对模糊变量隶属度函数难以确定,描述信息包含不够准确、全面这一问题,利用Vague集理论知识,设计一种新型的温度模糊控制器。控制器对温度的控制根据温差设置为12级控制模式,利用Vague集的相似度量推理方法,匹配最佳控制模式。控制器输出的控制量为数字量。实验结果表明,整个系统设计过程简单,模糊隶属度区间值容易确定,控制过程效果较好,有很好的应用价值。     

具有学习功能的多值模糊神经网络控制系统

对于具有非线性、大时滞、不确定性等特性的难以用精确数学模型描述的多变量复杂系统,靠传统控制理论难以获得理想的控制效果。基于模糊神经网络控制技术不依赖于被控对象精确的数学模型,且能根据被控对象参数的变化自适应调节控制规则和隶属函数参数的特性,进行了采用模糊神经网络控制器实现其控制的应用研究。采用典型的前向型模糊神经网络模型,给出了具有学习功能的多值模糊神经网络控制系统的一种设计方法。仿真实验证明,该系统能够获得较理想的控制效果。     

基于Agent的精确诊断策略的研究

针对信号设备故障的复杂性,设计了面向A g e n t的模糊算法和神经网络混合诊断策略。初步诊断采用模糊算法获得故障隶属度大的故障,精确诊断采用神经网络算法对初步诊断得到的故障计算严重程度,通过采用混合诊断方法能有效的提高诊断系统的精度。     

基于模糊神经网络的温度控制系统研究

在硬件系统不变的情况下提出一种新型温度控制方案,结合自适应模糊控制和神经网络,用神经网络的学习能力计算出隶属度函数参数及相应的模糊规则,达到更高的控制精度。并运用Matlab中自适应神经网络模糊推理系统ANFIS对系统进行了仿真,研究表明系统具有极强的适应能力和稳定性。     

步进梁加热炉神经网络模型预测控制

针对步进梁式连续加热炉燃烧过程控制的温度分布非线性和滞后性,提出了一种基于非线性优化技术的神经网络模型预测控制算法。神经网络具有强大的自学习和非线性映射能力,把神经网络预测模型和非线性优化器整合为一个温度控制器,通过神经网络预测模型描述温度控制对象的动态行为,根据加热炉当前温度和出钢温度预测未来时刻的温度输出值,实现加热炉温度控制。实验结果表明,通过对网络模型进行大样本训练和对模型预测控制参数的优化,加热炉温度控制系统能快速达到控制要求,具有良好的抗干扰能力和温度跟随性能。     

深度确定性策略梯度与模糊PID的协同温度控制

针对现有温度控制系统控温时间长、误差大的问题, 本文提出了一种基于深度确定性策略梯度(DDPG)和模糊自整定PID的协同温度控制. 首先, 模糊PID在控制大滞后系统时, 控制器不能立刻对产生的干扰起抑制作用, 且无法保证大滞后系统的稳定性等问题, 本文建立了模糊PID和DDPG算法相结合的温度控制模型, 该模型将模糊PID作为主控制器, DDPG算法作为辅助控制, 利用双控制器模型实现温度协同控制. 接着, 利用遗传算法对模糊PID的隶属函数和模糊规则进行寻优, 获得模型参数最优解. 最后, 在仿真实验中验证所提方法的有效性. 仿真实验结果表明, 本文提出的算法可有效减少噪声干扰, 减小控制系统的响应时间、误差和超调量.     

基于AFSA-BP算法的模糊PID控制器在DMF回收系统中的应用

针对DMF(N,N-二甲基甲酰胺)回收系统存在时滞性、难以确定温度控制的数学模型等问题,提出了用人工鱼群算法(AFSA)优化BP神经网络,设计了基于AFSA-BP算法的模糊PID控制器。对模糊BP神经网络各层之间的连接权值以及隶属函数相关参数进行训练,克服了反向传播过程中最速下降法易陷入局部最优解的缺点,能够得到PID参数的最优解。研究结果表明,采用AFSA-BP算法的迭代次数少并且能接近给定值,在DMF回收系统中应用相关的PID参数,精馏塔的温度保持稳定,液位高度保持动态稳定且误差更小。     

改进PID在反应釜温度控制系统中的应用研究

反应釜炉温控制是化工生产过程中主要的控制系统之一,其温度控制具有大滞后、时变、非线性等特点.针对常规PID控制效果不佳的缺点,提出一种改进的模糊RBF神经网络智能控制方法.将系统的输入误差及误差变化率进行模糊化,并利用RBF神经网络算法对PID控制参数进行在线学习、运算和整定.在RBF神经网络控制算法中,设定初始权值在一定范围内服从高斯分布和均匀分布,对权值不断优化,使得反应釜温度达到良好的控制效果.经Matlab仿真验证,结果表明和常规PID相比,该方法提高了系统的控制精度并具有较强的鲁棒性.     

SBR系统中的模糊神经网络控制器设计

将模糊控制与神经网络相结合,设计4层模糊神经网络控制器,分析其结构及算法。利用神经网络的自学习能力,在线动态调整模糊变量的隶属函数,优化控制规则,并对曝气池中溶解氧浓度与活性污泥浓度进行控制。通过Matlab对溶解氧的控制进行数字仿真实验,结果表明,具有学习能力的模糊神经网络控制可在污水处理系统的应用中获得更优的性能。     

半导体泵浦固体激光器智能温控策略与算法研究

针对半导体泵浦固体激光器温度控制过程中存在的非线性、大滞后特性,提出一种基于仿人智能策略的前馈组合控制器。前馈控制部分通过在线优化滞后参数估计值以获得被控对象的静态逆模型,逆模型辨识与直接逆控制由两个神经网络分别实现,可以在线调整网络权值。基本模糊控制器可在模糊PID和模糊PD控制算法之间进行转换,适用于控制系统的各工作状态。仿人智能控制策略根据输出误差变化的不同阶段调整所使用的控制组合,并具有自寻优功能。仿真表明,该方法可取得较好的控制效果。     

基于群智能优化算法与MATLAB仿真的高温炉模糊PID温度控制系统设计

针对高炉燃烧器温度控制问题,提出一种PSO-模糊PID的温度控制方法。首先,对模糊PID控制方法进行了研究与探讨;然后,在模糊PID控制方法的基础上,引入粒子群优化算法对PID参数进行优化;最后通过对比实验验证提出方法的有效性与可行性。测试结果表明：粒子群优化算法能够对模糊PID控制系统进行优化,且经过粒子群优化算法优化后的模糊PID控制系统进入稳态所需的时间大大减少,超调幅度达到最低,且在整个控制过程中没有出现震荡情况。可知设计温度控制方法具有可行性和有效性,且响应速度快、稳定性高,能够实现提高温度控制系统自适应能力的目的,继而实现对高炉燃烧器温度进行调节与控制。     

一种自组织双模糊神经网络控制算法

针对传统模糊神经网络设计复杂、控制实时性滞后的问题,提出自组织双模糊神经网络算法。将样本数据进行聚类划分,形成原始的模糊隶属函数集;在神经网络的离线训练过程中,完善并优化模糊隶属函数和规则;采用双神经网络结构,在线工作时,一个神经网络完成在线学习任务,另一个神经网络完成工业控制任务;经过一定的系统周期,同步系统中两组神经网络的参数;提取完成控制任务的神经网络的输出作为算法的输出。应用于火箭发动机试验台控制系统中,表明算法能够提升控制系统中针对输入参数越界的鲁棒性,提高控制实时性,简化了模糊神经网络的设计复杂度。