锦纶聚合釜温度模糊自适应PID控制系统研究与仿真

锦纶聚合釜温度具有非线性、大滞后等特点,使用传统PID控制器的控制效果不够理想。在建立聚合釜温度数学模型的基础上,采用模糊算法与PID控制相结合的模糊自适应PID控制算法,实现PID参数自整定,提高控制精度。基于MATLAB平台构建釜温控制系统模型,仿真结果表明所提模糊自适应PID控制算法效果优于传统PID控制。     

甲醇精馏塔温控系统滑模变结构控制仿真

针对甲醇精馏塔具有非线性、大时滞,数学模型难以准确描述的特点,设计了一种滑模变结构控制算法的温度控制系统。该系统通过对不断测量的实际温度值与目标温度值进行比较,利用滑模变结构控制算法对实际温度进行控制调节。采用Matlab软件中的Simulink平台实现温度控制系统的仿真。并且利用GUI界面设计,通过设定不同温度值进行比较。实验结果表明:在误差允许范围内,滑模变结构实时温度控制明显优于传统PID控制。     

广义预测控制算法在电镀废水处理中的应用

针对电镀废水处理系统存在的问题,运用西门子S7-400型PLC与组态软件WinCC,结合广义预测控制算法,设计了一套电镀废水综合处理控制系统。在分析了传统电镀废水处理系统工艺、技术原理和控制方案后,研究了运用广义预测控制算法实现系统软件设计的可行性。将该方案投入实际工程中,整合并取代了原有废水处理系统及相应的分布式智能测控装置,实现了设备升级与改造。系统运行结果验证了该方案的可靠性与经济性。     

基于LabVIEW的锅炉温度过程控制系统仿真

以经典PID控制算法为理论基础,Lab VIEW为开发平台,实现了锅炉温度控制系统的动态仿真,重点说明了增量式PID控制算法的具体实现方法。该系统能取代传统仪器用于验证PID控制规律的控制特点,完成锅炉温度控制系统的参数整定与调试,节省了硬件投资,具有推广应用价值。     

基于模糊自适应PID的回转炉温度控制系统

针对回转炉温度控制的滞后性、强耦合性等特点,设计基于模糊自适应PID控制算法的回转炉温度控制系统。给出系统的结构、工作原理、网络结构与控制器设计方法。Matlab仿真实验结果证明:与传统PID控制相比,基于模糊自适应PID的回转炉温度控制系统具有更好的动态调节性能,满足控制需求。     

基于RBF神经网络塑料成型生产线温度控制系统研究

基于RBF神经网络的生产线控制方案,采用Matlab搭建实验仿真平台对温度控制系统进行实验设计,并对控制系统进行验证分析。仿真结果表明:基于RBF神经网络塑料成型生产线温度控制系统具有较好的抗干扰性、稳定性,控制系统能够有效满足于控制需求,在塑料成型生产线温度控制中,恒定性和鲁棒性控制效果良好。基于RBF神经网络塑料成型生产线温度控制系统能更大程度上提高系统智能化水平与温度控制精度,提升产品质量。     

基于梯度格型联合处理滤波器的注射机注射速度控制方法

基于梯度格型联合处理滤波器(GALJP)对注射机的注射速度设计了自适应控制方法,GALJP滤波器采用正交算法,反射系数通过伯格公式推导,权值系数通过归一化LMS算法更新。通过Simulink平台进行仿真控制实验。仿真实验表明:基于GALJP滤波器的控制算法能够对注射速度实现高精度控制。     

PTA集散控制系统UPS及其供电系统改造

通过对PTA一线装置集散控制系统UPS工作原理、供电系统结构的分析,总结了该系统存在的问题,提出了UPS及其供电系统的改造方案,并基于改造方案对该系统进行更新改造,实现了PTA一线装置集散控制系统的可靠供电。     

动态链接库在先进控制软件包中的设计与应用

采用VC++和VB平台开发先进控制系统软件包。首先介绍了软件包的体系结构,并对状态反馈预测控制算法进行简要推导,着重探讨了基于VC++的动态链接库技术在先进控制系统软件包中的设计与应用。软件包采用组态王模拟下位机的DCS,对热水罐的液位和温度二入二出耦合模型进行仿真,结果表明:运行平台、预测控制算法、TCP/IP及OPC等各模块协调运行正常,且位于上位机的预测控制算法对下位机的模型实现了完美控制,验证了软件包功能设计的正确性。     

热媒炉控制系统的改造

介绍了基于PLC技术的热媒炉控制系统的改造方案。简要分析了聚酯装置热媒炉原控制系统存在的问题,给出了改造方案的硬件配置和软件设计内容。改造后的控制系统运行良好。     

SVPWM在内馈斩波串调系统中的应用研究

将具有谐波小、直流电压利用率高、算法简单、规律性强、易于数字化实现特点的电压空间矢量脉宽调制(SVPWM)技术应用到高效节能的内馈斩波串级调速系统中。首先从三相电压型有源逆变器和SVPWM控制技术的基本原理出发,建立基于SVPWM技术的有源逆变控制结构图,利用SIMULINK动态仿真工具实现了SVPWM控制算法在有源逆变的动态仿真。在此基础上搭建硬件实验平台,通过实验的手段证明了将SVPWM技术应用到内馈串级调速系统中的可行性。     

空气源沼气机热泵部分负荷性能

提出了一种沼气机热泵能源综合利用节能系统,并据此构建了系统实验平台,进行了系统性能实验.根据理论分析和实验数据研究了沼气消耗量、余热回收利用、制热系数COP及一次能源利用率PER随沼气机负荷率的变化趋势.结果表明:该节能系统具有较好的部分负荷特性,在仅考虑沼气机排烟余热回收利用的情况下,系统COP最高可达4.18,PER最高可达1.4.因此,空气源沼气机热泵节能系统明显提高了供热能力、降低了能耗,实现了沼气能源的综合有效利用.     

一种改进的DMC算法在网络控制系统中的应用

研究网络环境下控制系统时延的组成与产生机理,提出一种基于动态矩阵控制（DMC）模型预测算法的改进DMC算法。该算法充分利用动态矩阵控制（DMC）算法中冗余的预测输出序列和控制增量序列,在控制数据由于网络时延和丢包而无法及时到达执行器时,实现对网络时延和数据丢包的补偿。并通过实验证明改进算法的有效性。     

锅炉液位PID控制系统的设计

以Rockwell实验室的过程控制实验装置为实验平台,使用Rockwell公司的MicroLogix1500可编程控制器及其梯形图开发软件RSLogix500对锅炉液位控制系统进行控制,完成了锅炉液位PID控制系统的设计.并说明了锅炉液位控制系统的设计的过程和方法及其中的技术要点.     

基于域进化模型的遗传算法在中药生产挥发油回收中的应用

针对中药生产过程中挥发油回收阶段的工艺要求,提出一种基于域进化模型的遗传算法.该算法建立在挥发油回收过程优化数学模型的基础上,通过实时检测控制变量操作设备,使输出按预定达到最优值.实验结果表明,该算法提高了挥发油提取率,稳定了产品质量.     

基于改进粒子群算法的TTCAN系统矩阵的优化

在基于时间触发的CAN总线控制系统中,TTCAN协议的任务调度是一个很重要的问题。针对这一问题,提出了基于改进粒子群算法的TTCAN系统矩阵优化方法,给出了详细的优化过程,并对算法进行了仿真研究。结果表明,改进的粒子群算法有效地减少了CAN的干扰抖动问题,提高了TTCAN网络带宽利用率,使得在实时控制系统中总线负载达到峰值时仍然能得到可靠的传输。     

基于递归模糊神经网络的污水处理控制方法

针对污水处理过程具有非线性、大时变等问题,提出了一种基于递归模糊神经网络的多变量控制方法。该方法通过递归模糊神经网络控制器自适应地获得对操作变量的控制精度,控制器在常规BP学习算法的基础上采用学习率自适应学习算法且引入了动量项来训练网络参数,避免网络陷入局部最优,提高了网络对系统的控制精度。最后,基于仿真基准模型(BSM1)平台对第五分区中的溶解氧和第二分区中的硝态氮控制进行动态仿真实验,结果表明,与PID、前馈神经网络和常规递归神经网络相比,该方法能有效提高系统的自适应控制精度。     

融合灰狼优化算法在工控系统入侵检测中的应用

针对当前工控系统中数据体量大、维度高的特点，提出了一种融合随机黑洞(random black hole, RBH)策略的灰狼优化(grey wolf optimization integrated random black hole, RBHGWO)算法。该方法在更新下一代灰狼位置时，模拟黑洞的吸引方式，让狼群中的个体能够更快地向着当前全局最优解移动，增强了算法的收敛速度；同时个体以随机策略被黑洞吸引，保持了算法的局部搜索能力。通过优化算法测试函数验证，RBHGWO算法与粒子群优化(particle swarm optimization, PSO)算法、随机黑洞粒子群优化(particle swarm optimization integrated random black hole, RBHPSO)算法、GWO算法和优胜劣汰的灰狼优化(survival of fitness grey wolf optimization, SFGWO)算法进行了实验对比。结果表明，RBHGWO算法具有较快的收敛速度和较好的寻优精度。同时以田纳西-伊斯曼(Tennessee-Eastman, TE)数据集为基础进行仿真实验，结果表明该算法应用于在工控系统入侵检测的特征选择中，其收敛精度、迭代速度以及稳定性都有明显优势。     

余热锅炉单相受热面动态建模与模型参数优化

作为余热利用环节中最重要的部分,余热锅炉的启动、变工况运行和停机特性直接决定锅炉的寿命及效率。基于工质热力学性质和质量、动量及能量守恒方程,以Matlab/Simulink为平台,构建了余热锅炉单相受热面的动态仿真模型。结合某水泥厂自主设计的直流余热锅炉实验数据,基于遗传算法和粒子群算法,对动态模型进行了参数优化。结果表明,经过优化后,余热锅炉动态模型与实验数据匹配程度高,模拟与实验结果的误差为0.93%~4.39%。因此,本文所建立的单相受热面变工况动态模型可以准确反映余热锅炉受热面动态特性。两种算法的对比表明,粒子群算法适应度函数收敛更优;在收敛迭代次数上,粒子群算法在54~64代达到收敛,遗传算法在93代后达到收敛。粒子群算法在参数优化方面优于遗传算法。     

Distributed model predictive control based on adaptive sampling mechanism

In this work, an adaptive sampling control strategy for distributed predictive control is proposed. According to the proposed method, the sampling rate of each subsystem of the accused object is determined based on the periodic detection of its dynamic behavior and calculations made using a correlation function. Then, the optimal sampling interval within the period is obtained and sent to the corresponding sub-prediction controller, and the sampling interval of the controller is changed accordingly before the next sampling period begins.In the nextcontrolperiod, the adaptive sampling mechanism recalculates the sampling rate of each subsystem's measurable output variable according to both the abovementioned method and the change in the dynamic behavior of the entire system, and this process is repeated. Such an adaptive sampling interval selection based on an autocorrelation function that measures dynamic behavior can dynamically optimize the selection of sampling rate according to the real-time change in the dynamic behavior of the controlled object. It can also accurately capture dynamic changes, meaning that each sub-prediction controller can more accurately calculate the optimal control quantity at the next moment, significantly improving the performance of distributed model predictive control (DMPC). A comparison demonstrates that the proposed adaptive sampling DMPC algorithm has better tracking performance than the traditional DMPC algorithm.