球磨机智能解耦控制系统的一种实现方法

根据解耦理论和神经网络的思想 ,针对强耦合多变量的球磨机制粉系统 ,提出了一种新的解耦方法——神经元解耦。介绍了由三神经元实现的解耦算法 ,并以此设计了新型的磨煤机控制系统。该系统不仅保证了磨煤机安全可靠运行 ,而且还降低了制粉电耗 ,取得明显的经济效益 ,获得用户好评     

多变量系统的神经元网络智能控制

本文研究了多变量系统的自适应神经元网络智能控制，基于神经元无模型控制的特点［１］，提出了一种非常简单的工程控制方法，这种方法通过粗略计算静态解耦矩阵，对多变量系统进行静态解耦，使用自适应神经元网络对解耦系统进行学习控制。仿真实验表明了这种新方法的有效性。     

基于神经元网络的球磨机解耦控制

针对球磨机这类多变量系统的特点,提出了一种基于神经元网络的解耦控制算法.详细分析了该算法在多变量系统中的工作机理,给出了控制回路参数整定方法.结果表明该算法且有较好的解耦控制效果.     

基于对角递归网络的时变系统解耦控制

提出一种基于DRNN在线辨识的PID解耦控制方案，给出了网络的结构和算法，并对真空炉时变耦合系统进行了仿真。仿真结果表明，DRNN神经网络对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性。     

单神经元PID在单元机组协调控制系统中的应用

基于神经网络PID控制和协调系统强耦合的特点,应用一种针对多输人、多输出解耦系统的单神经元PID解耦控制算法和结构,并在算法中增加了自适应学习速率,更好地实现对单元机组的解耦控制。仿真结果表明,这种单神经元PID解耦控制算法实现的控制与常规的PID控制比较,不仅具有较好的动态性能和稳态性能,而且还具有很强的自学习功能和自适应解耦能力。     

基于S7-300的两电机系统DRNN神经网络PID控制

针对多输人多输出时变、非线性、耦合的两电机同步系统,文中提出了一种控制系统,其包括：两个DRNN神经网络在线整定参数的智能PID控制器,分别对系统中的速度和张力变量进行控制;神经元解耦补偿器执行对速度和张力两耦合变量的解耦控制。将控制算法编程下载到PLC中,并采用PROFIBUS-DP现场总线实现S7—300PLC和MMV变频器主从站式通讯。实验表明,采用该方法可以实现两电机同步系统中速度和张力的解耦控制,系统对负载的扰动有很强的抑制作用,系统具有良好的动静态性能,可有效跟踪任意给定轨迹。     

流化床燃烧系统模糊-神经元PID解耦补偿控制

依据神经元控制和解耦补偿的思想,引入了一种自适应神经元解耦补偿器,给出了神经元权系数的在线学习方法。在此基础上,通过将模糊控制技术和神经元自适应PID控制技术相结合,提出了一种不依赖于被控对象精确数学模型的多变量解耦控制方案。将该种方法应用于流化床燃烧系统控制,对耦合强烈的流化床锅炉床温、主汽压力、烟气含氧量三维传递函数矩阵进行解耦控制。仿真研究表明,该方案解耦效果良好,并且可以有效克服流化床燃烧对象的大滞后和非线性,获得良好的控制品质。     

一类多变量推理控制系统的控制策略

在一种新的性能指标下,提出了多变量推理多变量控制器的设计方法,实用型多变量控制器结构避免了传递函数矩阵求逆问题。特点是算法简单,仅具有一个可调参数矩阵Q,并实现了多变量系统的动态解耦,且由于结构中滤波阵的存在,使系统稳定性大大提高。     

非线性耦合系统的自适应蚁群滑模控制

针对一类多子系统之间具有强耦合关系的非线性系统,提出自适应蚁群滑模控制方法.依据等效滑模控制理论,建立滑模算法控制结构图,用于解耦非线性耦合系统;根据自适应蚁群算法建立了多变量蚁群算法的图形表示,对滑模控制中的滑模面斜率进行优化,来削弱“抖振”现象.该方法可以用较小的计算量对耦合系统自然解耦,并利用蚁群算法的并行特性来...     

基于LabVIEW的解耦控制仿真研究

介绍了1种PID神经网络解耦控制结构和1种神经网络辨识器,并分别给出了前向算法及反向传播算法;最后应用LabVIEW,采用子程序模块化的编程思想,实现了神经网络控制器和辨识器的编程,并应用到2种被控对象的线性模型进行计算仿真,得到了2种被控对象的解耦控制结果,证明了PID神经网络解耦控制的有效性和使用LabVIEW实现...     

基于模糊神经解耦控制的双馈水轮发电机系统仿真

双馈水轮发电机系统是一个涉及水力、水轮机和发电机的综合复杂系统。针对系统具有多变量、非线性、强耦合和参数不确定性的特点，本文提出了一种两级串联结构的自适应模糊神经网络解耦控制策略，前级为基于智能权函数规则的自调整模糊控制器，后级为基于动态耦合特性的自适应神经网络解耦控制器，并从理论上证明了学习算法的收敛性。为了验证所提出控制策略的有效性和正确性，本文对双馈水轮发电机系统在水力、水轮机和发电机参数变化时的鲁棒性分别进行了仿真研究。与常规PID控制的仿真结果比较表明，提出的解耦控制策略能较好地克服参数变化和对象模型结构变化对运行性能的影响，具有鲁棒性好，解耦能力强的优点。     

PID神经网络解耦控制注塑机料筒多段温度系统

本文根据注塑机料筒温度控制的要求，利用PID神经网络构成多变量解耦控制系统。注塑机料筒温度是一类多变量、强耦合、大惯性控制对象，文中分析了注塑机温度控制的特点，给出了PID神经网络的结构和算法，对多段温度系统进行了实时仿真，显示了PID神经网络对注塑机料筒温度控制的良好解耦性能和自学习控制特性。     

基于逆系统方法的汽轮发电机综合控制器

采用多变量非线性控制的逆系统理论分析了汽轮发电机励磁与汽门系统的可逆性,并运用逆系统方法将这一多变量、非线性、强耦合的复杂被控对象解耦成两个独立的SISO线性化积分型子系统,然后基于线性系统理论设计了综合控制器。研究结果表明,该控制策略实现了励磁控制与汽门调节的动态解耦,应用该方法要显著提高电力系统的暂态稳定性。     

Recurrent neural networks-based multivariable system PID predictive control

A nonlinear proportion integration differentiation (PID) controller is proposed on the basis of recurrent neural networks, due to the difficulty of tuning the parameters of conventional PID controller. In the control process of nonlinear multivariable system, a decoupling controller was constructed, which took advantage of multi-nonlinear PID controllers in parallel. With the idea of predictive control, two multivariable predictive control strategies were established. One strategy involved the use of the general minimum variance control function on the basis of recursive multi-step predictive method. The other involved the adoption of multistep predictive cost energy to train the weights of the decoupling controller. Simulation studies have shown the efficiency of these strategies. Translated from Acta Scientiarum Naturalium Universitatis Nankaiensis, 2006, 39(1): 49–53 [译自: 南开大学学报 (自然科学版)]     

多变量逆系统在协调控制中的应用

采用多变量非线性控制的逆系统理论分析了汽轮发电机组励磁、汽门系统和可控串联补偿(TCSC)系统的可逆性,并运用逆系统方法将这一多变量、非线性、强耦合的复杂被控对象解耦成3个独立的串行输入/串行输出(SISO)线性化积分型子系统,然后基于非线性系统理论设计了综合控制器.仿真结果表明,该控制策略实现了励磁控制、汽门调节和TCSC的动态解耦,应用该方法可显著提高电力系统的暂态稳定性.     

供热过程时滞递推神经网络解耦器设计

针对供热过程质调一量调通道耦合特性和节能控制的需要,提出基于时滞递推神经网络的供热解耦方法.通过典型信号响应与最小二乘法结合的方法得到供热过程耦合系统模型,利用改进的假近邻法预估神经网络训练数据的嵌入维数,确定神经网络输入节点个数,引入时滞环节构建神经网络解耦器.采用时滞递推神经网络解耦器对供热耦合系统进行解耦,消除供热过程质调、量调通道间的非线性强耦合作用.仿真结果证明该方法具有良好的动态和静态解耦特性,能够满足供热过程多回路控制的要求,使供热系统能够跟踪节能设定值进行调节,实现供热节能和优质供热.     

球磨机神经元解耦控制系统

针对球磨机的运行特点,提出了一种新型的球磨机神经元解耦控制系统。该系统具有更好的控制品质及更强的鲁棒性。系统简单,易于实现,适合于球磨机这类的多变量系统的控制。     

永磁同步电动机逆系统解耦控制

提出了一种永磁同步电动机（PMSM）的逆系统线性化解耦控制方法。首先,通过非线性状态反馈获得PMSM的逆系统,将多变量、非线性、强耦合的PMSM动态解耦成转速与定子电流两个低阶的线性子系统,然后,分别设计线性控制器对转速与定子电流子系统进行闭环控制。仿真结果表明：提出的控制方案具有优良的动态和静态性能,且对负载变化具有较强鲁棒性。