基于VRFT的IMC-PID方法及其在水厂浊度控制中的仿真研究

针对城市供水出水浊度过程的大惯性、大时滞、非线性以及时变等特点,将虚拟参考反馈整定数据驱动方法引入到IMC-PID控制器的整定中来,提出了一种不基于模型参数的VRFT-IMC参数整定方法.该方法集合了内模控制鲁棒性强和数据驱动控制的自适应性两方面的优点,仿真表明其控制性能优于普通IMC-PID控制器,可望用于出水浊度等...     

基于改进VRFT算法的PID控制器参数整定

分析虚拟参考反馈参数整定（VRFT）设计方法和内模控制（IMC）方法的内在关系,提出一种改进的VRFT—PID参数整定方法。该方法的基本思想是将运行一段时间的过程输入输出数据添加到原始数据序列中,用来更新传统VRFT设计方法中的离线数据。然后利用VRFT使性能指标最小时的参数即为控制器参数的设计思想来整定PID控制器。仿真结果表明,改进的VRFT-PID整定方法优于传统的VRFT-PID方法。     

一种新的无模型自适应控制模型参数整定方法

无模型自适应控制（MFAC）有四个模型参数,现有研究认为其无关联,且全程守恒。通过虚拟系统在初始时刻的状态,基于第一时刻输出值应与期望值接近的原则,采用遗传算法找到了参数关联,从而将四参数问题转化成单参数问题;并在控制过程中,依系统输出与期望差异自动改变步长因子取值,将其动态化,不但加速了初期计算,还避免了收敛时可能出现的超调或振荡;由此以参数关联和动态化为切入,改进了现有紧格式动态线性化MFAC方法,使其更为简捷和准确。某炼油单元3参数调优案例表明新方法可行,较老方法实现系统最大增益的参数调整次数由33次减少到14次,最大增益由413.4万元/年提高到542.9万元/年。     

玻璃窑炉的无模型自适应控制

介绍了玻璃窑炉控制过程的特性和参数特点,对玻璃窑炉的传统控制方式(PID控制)的缺点进行了分析。提出了一个基于无模型自适应控制器(MAF)的玻璃窑炉过程控制方案。通过对MFA控制技术的介绍和MAF技术在玻璃窑炉这样一个连续、非线性、多变量的工业过程中的应用,说明玻璃窑炉过程控制能在新技术的帮助下,获得满意的控制结果。     

一种约束一般模型控制新方法

在引入近似预测模型的基础上 ,应用基于二次规划的滚动优化算法 ,处理被控量、操作量及其变化速率的线性约束 .将此优化算法与经典的一般模型控制 (GMC)方法相结合 ,给出了一种基于二次规划的约束一般模型控制新方法 .     

无模型自适应控制器在自来水厂加药凝絮过程的控制研究

针对净水工艺中混凝投药控制存在的实际问题,以待滤水浊度为被控对象,采用无模型自适应控制技术（MFA）并设计前馈一反馈复合控制系统来实施控制。该控制系统克服了混凝投药过程的大时滞、大惯性,具有较好的稳定性和鲁棒性。广东省佛山沙口水厂中试基地的控制试验研究表明,该解决方案可行,控制效果良好,有较明显的应用价值。     

无模型自适应控制技术在玻璃窑炉温度控制中的应用研究

针对玻璃窑炉温度控制的特点和现有控制方式的缺陷,探讨将无模型自适应控制技术(Model Free Adaptive Control)应用于玻璃窑炉温度控制的实现方案。根据玻璃窑炉系统具有连续、非线性、多变量、大时滞的特点,无法准确构造其数学模型,传统控制方法难以获得理想的控制效果,而MFAC控制技术具备的无需事先确定模型、具备自学习功能的特点,使得MFAC技术在玻璃窑炉控制中能够获得满意的结果。     

自适应广义一般模型控制

针对一般模型控制的缺点,提出了两种改进的自适应广义一般模型控制方法.它们把传统的一般模型控制推广到相对阶大于1 同时又具有时变参数的复杂非线性过程.第1种控制策略主要利用强跟踪滤波器直接在线估计时变参数,来修正过程模型;另一种方法是将所有干扰因素归结为输入等价干扰,通过估计它来实现对过程的前馈控制.仿真实验结果验证了所提出方法的有效性.     

风力发电机组恒功率无模型自适应变桨距控制

风力发电系统是一个非线性、强耦合的系统,其风速的扰动性极强。无模型控制基于系统特性值动态估计,优化内部参数可使系统克服时变和非线性,具有比PID更好的抗干扰能力,且更适用于非线性、强耦合系统。最后,对比了在阶跃和随机风速下无模型与PID控制器的控制效果,并进行仿真研究,结果表明无模型控制能更好地保持发电机功率恒定。     

基于自适应模糊神经网络的非线性系统模型预测控制

针对非线性动态系统的控制问题,提出了一种基于自适应模糊神经网络(adaptive fuzzy neural network,AFNN)的模型预测控制(model predictive control, MPC)方法。首先,在离线建模阶段,AFNN采用规则自分裂技术产生初始模糊规则,采用改进的自适应LM学习算法优化网络参数;然后,在实时控制过程,AFNN根据系统输出和预测输出之间的误差调整网络参数,从而为MPC提供一个精确的预测模型;进一步,AFNN-MPC利用带有自适应学习率的梯度下降寻优算法求解优化问题,在线获取非线性控制量,并将其作用到动态系统实施控制。此外,给出了AFNN-MPC的收敛性和稳定性证明,以保证其在实际工程中的成功应用。最后,利用数值仿真和双CSTR过程进行实验验证。结果表明,AFNN-MPC能够取得优越的控制性能。     

基于动态补偿逆的非线性RBF内模控制及其应用

针对非线性不确定系统和传统的非线性内模控制在控制上存在的不足,提出一种基于动态补偿逆的非线性不确定系统RBF内模控制,在引入RBF建立逆模型的同时,将无模型自适应控制方法作为附加控制器,用于模型偏离被控对象时在线修正逆模型。仿真结果表明,本文提出的方法不仅对系统的常量摄动具有较好的鲁棒性,对时变不确定性仍然保持较好的跟踪效果,具有较好的实时性、鲁棒性和在线校正功能。     

基于C-R模型的非线性系统模糊内模控制算法研究

针对大多数非线性系统的内模控制难以建立精确的对象模型和逆模型的问题,引入了基于C-R模型的非线性系统建模方法,并在此基础上研究基于C-R模型的非线性系统的模糊内模控制设计。由C-R模型的辨识递推算法获得对象模型和逆模型,并建立模糊内模控制算法。通过对连续搅拌反应釜控制系统的仿真表明,该控制方法有效、可行,具有良好的控制品质。     

基于阶跃模型的非线性模糊PID控制算法研究

针对大多数非线性系统建模和控制较困难的问题,引入了基于C-R模糊阶跃模型的非线性系统建模方法,该模型中的参数ai*是时变的,能够表征系统的非线性特征。根据C-R模糊阶跃模型的结构特点,与PID控制算法结合,将ai*表示出PID控制算法的参数,提出了非线性模糊PID控制算法CR-PID,克服了常规PID控制的参数难以较好地表征非线性的问题。通过对连续搅拌反应釜控制系统的仿真结果表明了该方法的有效性。     

变增益的非线性预测控制算法

采用变增益策略,用输入与稳态输出的映射表示系统的静态非线性,用一个增益为1的ARX模型表示系统的动态模型,代替多数文献中常用的分段线性多模型方法进行非线性系统的预测控制.文中通过对连续搅拌釜反应器(CSTR)的仿真,验证了本算法的有效性.     

化工过程强非线性系统的变模型自适应预测控制

提出一种变模型自适应预测控制算法 ;基于非线性状态空间模型 ,通过每步在当前工作点 (非平衡点 )线性化获得线性化子模型 ,以此进行状态反馈预测控制 ,线性化子模型随工作点变化 ,且不限于平衡点。通过pH值控制的对比仿真实验 ,证明其对强非线性过程的控制效果优于传统的多模型预测控制。最后分析讨论了该控制算法存在的几个重要问题 ,并指出与之相关的未来研究方向     

基于稳态模型的自适应预测控制策略及其应用

针对丙烯精馏塔,结合模型预测控制器的设计,提出基于系统稳态模型的自适应模型预测控制策略,利用稳态模型在不同操作点上被控变量对操纵变量及扰动变量的相对变化率的变化,来刷新调整预测模型各通道的增益,以有效提高对丙烯塔塔顶、塔底温度控制的性能.现场应用表明:采用该模型自适应调整方法,其控制温度的波动性降低了一个数量级,有利于产品质量的稳定.     

基于BP网络逆模型的轧辊偏心自适应逆控制

针对冷轧带钢生产中的轧辊偏心控制问题,将神经网络与自适应逆控制相结合,提出一种基于BP网络逆模型的自适应逆控制方法。将系统的动态特性控制和对象的噪声控制分成两个独立的过程,当动态性能达到最优时,对象扰动的影响也减到最小。将该方法应用到350 mm四辊可逆液压轧机上,仿真结果表明,系统具有良好的动态和稳态特性。