多变量系统的神经元解耦控制

论述了神经元解耦控制系统的三种典型结构,其中包括神经解耦器分别位于控制器之前和之后的两种串联结构和一种反馈结构;给出了三种系统结构中神经解耦器的指标函数;提出了基于系统灵敏度矩阵的解耦控制学习算法,该算法考虑了多变量系统各变量之间的相互干扰,在更广泛的意义上探讨了多变量系统的神经元解耦控制。     

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...     

多变量PID型神经元网络控制系统及其在协调控制中的仿真研究

介绍了多变量PID型神经元网络控制系统的网络结构和学习算法,说明了系统参数选取方法,并分析了单元机组协调控制的特点.仿真结果表明,该控制系统对多变量强耦合时变的协调控制对象具有良好的解耦性能和自学习控制特性.     

基于MPIDNN多机组并联大功率整流

本文首先分析了大功率整流多机组并联在两组并联的情况下的数字模型，得出多机组并联是一个存在耦合多变量非线性系统，并根据系统本身的特点，本文采用MPIDNN（多变量PID神经网络控制）算法来实现解耦控制、经仿真表明，该算法具有良好的动态性能和静态性能。     

基于双模糊解耦控制的小型汽轮机负荷控制

为了解决汽轮机运行中机组电负荷与热负荷之间存在强耦合的问题,提出了一种基于规则而不依赖被控对象数学模型的模糊解耦控制算法。该算法依据模糊策略和解耦补偿思想,分别以模糊控制算法设计解耦控制器和主控制器构建双模糊解耦控制器,将汽轮机运行中的多变量系统转变为单变量系统,从而实现汽轮机电负荷、热负荷之间的解耦,提高控制系统的动态响应能力和鲁棒性。仿真结果表明:双模糊解耦控制方案使负荷之间的扰动大大降低,有效地解决了汽轮机控制中的热电耦合问题,具有较好的应用前景。     

并联除氧器压力水位有适应解耦控制的研究及应用

提出一种模型参考自适应解耦控制算法,并成功地应用于电厂的并联除氧器压力水位控制.该除氧器系统具有明显的多变量耦合、参数时变和多干扰等特点,曾长期处于手动运行状态,引入自适应解耦控制后,取得了满意的控制效果.     

多变量DMC预测控制算法在热工系统控制中的应用研究

针对复杂热工系统多变量、强耦合的特点,介绍了多变量的动态矩阵控制(DMC)算法用于热工系统控制的实现步骤,提出了DMC控制器参数自整定方法.将DMC控制器应用于中储式钢球磨煤机(球磨机)制粉系统进行的仿真表明,该控制方法具有较好的解耦性能,提高了过程控制的品质.     

多变量复合自校正控制器及应用仿真研究

如何提高火电机组的负荷适应能力并降低汽压波动幅度。是目前火电厂热工控制系统研究的一个热点.本文从复合控制观点出发,提出一种多变量自校正控制算法,并得到了一种新型的前馈解耦控制算法.它既可实现控制参数在线辩识,又能对多变量系统实现解耦控制.对火电机组的数字仿真表明,采用本文自校正算法建立的机组协调控制系统可获得较优的控制品质.     

多变量时滞系统的解耦模糊内模控制

针对时滞多变量耦合系统，研究了带有多时滞的多变量稳定过程的解耦内模控制，根据开环系统的时滞给出了一种时滞系统多变量解耦方法，由于理想的多变量时滞系统内模控制器设计复杂，且根据内模控制理论设计的控制器一般是高阶的，因此采用模糊控制方法设计模糊内模控制器。其宗旨是首先根据过程对象的模型，设计多变量时滞解耦的预补偿器，对其进行对角优势化，利用补偿后的主对角元素作为内模控制的预估模型，设计了多通道模糊内模控制器。仿真结果表明，该方法具有很好的解耦能力，鲁棒性强；方法简单，易于实现。具有工程应用价值。     

基于前馈补偿解耦的多变量汽温系统预测函数控制

针对过程通道可用一阶加纯滞后模型等价描述的多输入多输出系统，提出了基于前馈补偿解耦设计思想的多变量预测函数控制，首先将系统分解为多个多输入单输出系统，在各系统中分别将其它输入量暂视为一种可测干扰，并用预测函数控制原理设计控制器，通过求解多元一次方程组，实现了多变量系统的预测函数控制设计，采用该方法对国产200MW火电机组带汽一汽换热器的多变量强耦合再热汽温系统进行了控制系统设计和仿真研究，计算机仿真证实了其有效性，达到了动态近似解耦，静态完全解耦和无静差跟踪，各种对象和模型失配情况下的仿真结果显示了该算法较强的鲁棒性和抗干扰能力，因为该方法是基于简化的模型，所推导出的控制算法简单，运算量小，易于工程实现，具有很高的实际应用价值。     

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。     

基于模型关联性的动态解耦算法及其在协调控制中的应用

大型火电机组协调控制系统具有多变量、非线性、强耦合的特性,目前协调控制存在的问题是燃烧的滞后性影响了负荷响应速度,对象的耦合性影响了负荷和压力的动态品质。针对上述问题,设计了一种新颖的动态解耦算法,采用超前预测控制量来克服燃烧的滞后性。根据模型关联性设计的动态解耦算法成功解决了负荷和压力之间的相互影响,保证了机组的动态和稳态品质,仿真和实际应用证明了该算法的有效性。     

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     

焙烧烟气负压的多变量解耦控制

阳极焙烧烟气负压是一个多变量耦合的控制对象,为实现其精确控制,依据现场实际测得的负压数据,辨识出烟气负压的控制模型,以此模型为初始预测模型,提出了一种多变量预测函数解耦控制算法,对焙烧9个烟道烟气负压进行多变量预测函数解耦控制仿真和实际应用,并与原有PID控制进行了试验比较,表明这种控制方法的控制精度和鲁棒性优于原有的PID控制方法,具有很好的控制效果。     

电厂除氧器群最优解耦控制系统

本文提出了将解耦指标融合到二次型最优性能指标中,实现最优和解耦双重功能的多变量系统设计方法,导出了多变量离散系统输出对操作变量解耦的最优加解耦控制规律,研制了实现这种控制规律的CAD软件包。电厂除氧器群解耦设计的仿真实例表明,该设计方法的可行性和有效性。     

Design of precompensator for a diagonal interactor using Markov parameters

An interactor plays a basic role in the design problems of multivariable control systems, such as the model matching control, decoupling control, adaptive control, and disturbance decoupling control. For example, it is well known that a linear multivariable system is decouplable by the static state feedback if and only if it has a diagonal interactor. But, in general, the interactor is a lower left triangular matrix, which makes the design problems of multivariable control systems complicated. From this point of view, the precompensator such that the total system has a diagonal interactor is important for multivariable control systems to simplify their design procedure. This paper concerns the systematic design method of the precompensator for a diagonal interactor using Markov parameters of the plant. It will also be proved that this compensator is always obtained by the proposed design algorithm. Furthermore, this argument will be a basic idea when this technique is applied to the nonlinear multivariable systems. © 2008 Wiley Periodicals, Inc. Electr Eng Jpn, 163(1): 65–72, 2008; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20599     

基于类前馈补偿的模糊PID控制在超超临界单元机组协调控制系统的应用

为了研究超超临界参数下,机组协调控制系统的控制策略。首先对超超临界机组直流锅炉条件下的协调控制系统被控对象的动态特性、影响因素等进行分析。然后根据补偿理论和模糊控制的思想,针对强耦合的多变量协调控制系统,提出了基于类前馈补偿的模糊PID控制算法,其中补偿作用采取类前馈解耦的方法实现。最后,在1 000MW机组协调控制系统线性模型的基础上,进行了MATLAB仿真。结果表明提出的控制算法具有较好的解耦补偿效果,与常规PID控制器相比较,超调量更小,调节时间更短,调节速度更快,具有更好的控制性能。     

基于PSO算法的多变量PID型神经元网络在球磨机控制上应用

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,基于PID控制的简单结构和良好性能优势以及神经元网络的自调节和自适应的特长,设计了具有PID结构的多变量自适应的PID型神经元网络控制器。给出了这种控制系统的结构和算式,其为一种3层前向神经网络,其隐层单元分别为比例(P)、积分(I)和微分单元(D),各层神经元个数、连接方式、连接权值的初值是按PID控制规律确定的。神经元网络参数采用了粒子群优化(PSO)学习算法,并给出了相关算式。分析了球磨机制粉控制系统的特点,并应用提出的控制方法对其进行了仿真研究,比较了文中控制方法与传统的PID控制方法的控制效果。仿真结果表明了所提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。