基于IGA的板形板厚神经网络分散解耦PID控制

针对板带材轧制是一个复杂的非线性过程，板形控制(AFC)和板厚控制(AGC)又是相互耦合的一个综合系统等特点．该文首先采用神经网络分散解耦方法，对此板形板厚多变量耦合系统进行解耦，而后再应用基于免疫遗传算法的PID控制对解耦后的已近似成为两个独立的SISO系统的广义对象进行控制。从而建立了基于免疫遗传算法的板形板厚神经网络分散解耦PID控制系统。仿真结果证明了此AFC—AGC控制系统具有良好的自适应跟随和抗扰性能，其控制效果优于传统的解耦PID控制。     

凹印机张力与速度解耦控制

印刷包装行业中,由于凹印机张力控制系统中动力学模型变化大,张力-速度的强耦合,很容易造成控制系统的不稳定。如何降低张力-速度的强耦合,提高产品质量,成为凹印机张力控制的重要课题之一。通过建立凹印机张力控制系统的数学模型,在此基础上实现了对张力-速度的解耦控制,并对解耦效果进行了仿真,仿真结果表明该方法能降低张力-速度之间的耦合程度,改善系统的控制效果。     

热连轧机活套系统的解耦控制及仿真

针对传统热连轧带钢活套张力与高度控制系统,本文给出了基于对角矩阵解耦和解耦不变性原理的解耦控制方法.通过耦合系统的动态结构图,求取活套耦合系统的状态空间表达式,经过Matlab变换求得系统的传递函数,再根据解耦不变性原理,求得系统的解耦网络传递函数,最后应用Matlab的系统仿真工具Simulink对活套系统和解耦网络进行联合仿真实验.结果表明解耦后活套控制系统可达到较好的控制效果.     

热连轧机活套系统的解耦控制及仿真

针对传统热连轧带钢活套张力与高度控制系统,本文给出了基于对角矩阵解耦和解耦不变性原理的解耦控制方法.通过耦合系统的动态结构图,求取活套耦合系统的状态空间表达式,经过Matlab变换求得系统的传递函数,再根据解耦不变性原理,求得系统的解耦网络传递函数.最后应用Matlab的系统仿真工具Simulink对活套系统和解耦网络进行联合仿真实验,结果表明解耦后活套控制系统可达到较好的控制效果.     

计算机解耦控制系统实验装置

过程控制是自动化专业的一个重要专业方向．实践性很强，针对工业过程控制中多变量耦合系统．我们开发了一套解耦控制系统实验装置。本文扼要地阐述了自行研制的电加热炉温度计算机解耦控制系统实验装置．包括硬件配置、实验软件平台以及解耦控制算法。通过这套装置．学生可以做多输入多输出系统建模、阶跃响应曲线、数字PID控制、解耦控制以及各种控制算法仿真等实验．还可用于模拟工业生产过程进行控制算法仿真实验。     

可控受限多变量耦合系统的智能控制

针对可控受限多变量耦合系统,提出了一种基于对角递归神经网络(DRNN)整定的PID混合解耦控制。采用对角递归神经网络来辨识系统模型,进而对PID控制器参数进行整定,实现多变量解耦控制。通过对多变量耦合控制系统的设计和实时控制,实际控制结果达到了解耦控制的要求,并具有无超调、响应速度快、控制精度高等特点。     

解析解耦设计在变风量空调系统中的应用

研究空调优化控制问题,变风量空调(VAV)具有多变量、强耦合和非线性系统.变量之间的耦合会直接影响空调系统的性能指标和稳定性.针对变风量空调系统进行建模,模型为三输入三输出的传递函数矩阵.在内模控制系统结构基础上,运用解耦控制的解析设计方法来设计解耦控制器.解耦设计方法可以达到标称系统变量间完全解耦,并且参数可以在线调整,使输出能够紧密跟随系统的动态变化.仿真结果表明,解耦控制器的设计提高了性能,应用效果较好.     

活套系统的神经网络离散变结构控制

针对带钢热连轧中活套系统的解耦控制问题,提出了神经网络交结构多变量解耦控制方法.通过将活套高 度和张力复合控制系统看成高度和张力两个独立的控制系统,将二者的耦合关系当作扰动来处理,根据全阶滑模交 结构控制理论,分别对这两个系统设计控制器.利用两个径向基神经网络来保证滑态可达条件的满足.最后用 Matlab对活套多变量耦合控制系统进行仿真研究,结果表明解耦后的活套控制系统可获得更好的控制效果.     

基于分组解耦的制粉系统控制研究

针对非线性、多变量、强耦合的电厂制粉系统,运用分组解耦方法,通过分组解耦网络运算,分离出最大耦合度的支路,降低了系统之间的耦合,提高了系统的控制精度.结合动态矩阵控制(DMC)算法仿真,结果表明基于分组解耦的控制算法明显降低了控制系统的耦合度,使系统达到满意的控制效果,对进一步应用研究具有很好的参考价值.     

铝板带材厚度和板形设定补偿解耦控制策略

在铝薄板带材冷轧生产过程中,板厚控制和板形控制本质上都是对轧制过程中有载辊缝的控制,两者存在很强的耦合关系.针对板厚板形控制系统存在耦合问题,提出板厚板形解耦设定补偿思想,包括预设定补偿控制和自适应穿带解耦控制.前者是解决设定过程中弯辊力对板厚板形耦合系统的影响;后者是针对穿带过程中轧制力预报不精确的板厚板形解耦方法.仿真结果及现场应用表明,解耦设定补偿提高了板厚板形的控制精度,满足了铝带板质量综合控制的要求.     

多自由度伺服系统的非线性解耦控制

多自由度伺服系统各轴之间存在的非线性耦合,是影响系统控制性能的一个重要因素,为了提高系统控制性能,本文研究了多自由度伺服系统的解耦控制．首先建立了多自由度伺服系统的一般化耦合数学模型;然后根据Singh法求出逆系统;最后结合期望的标称线性传递函数,算出解耦控制规律．本算法避开微分几何理论,直接对矩阵进行运算,易于理解．文章给出了应用此方法对3轴仿真转台进行解耦控制的例子．     

非线性系统的自组织模糊解耦控制

该文介绍自组织模糊控制理论在非线性多变量系统解耦控制中的应用。对某机动飞机采用自组织模糊控制理论进行了解耦控制律设计，并与一般非线性系统的解耦控制方法进行比较。仿真结果表明自组织模糊控制对解决强耦合非线性系统具有较好的控制作用，且不受系统模型、解耦阵是否可逆等数学理论条件的限制，具有较好的工程应用意义。     

凹印机多色套准系统自抗扰解耦控制

针对凹版印刷机对套准控制高精度和高稳定性的要求,提出了一种利用自抗扰控制(active disturbance rejection control,ADRC)技术设计多色套准系统解耦控制器的方法.首先,根据无轴传动模式下多色套准系统的工作机理,建立了多色套准系统的非线性耦合数学模型,并根据ADRC解耦规则推导了套准系统的解耦模型,得到了套准系统的阶数和静态解耦模型.其次,在套准系统阶数和静态解耦模型的基础上,利用ADRC策略对套准系统解耦控制器进行了设计.最后,仿真结果表明,所设计的ADRC解耦控制器能够很好地对各种系统干扰进行补偿,实现了多色套准系统的高精度控制,具有比PID控制器更好的控制性能.     

Optimal Decoupling Control Method and Its Application to a Ball Mill Coal-pulverizing System

The conventional optimal tracking control method cannot realize decoupling control of linear systems with a strong coupling property. To solve this problem, in this paper, an optimal decoupling control method is proposed, which can simultaneously provide optimal performance. The optimal decoupling controller is composed of an inner-loop decoupling controller and an outer-loop optimal tracking controller. First, by introducing one virtual control variable, the original differential equation on state is converted to a generalized system on output. Then, by introducing the other virtual control variable, and viewing the coupling terms as the measurable disturbances, the generalized system is open-loop decoupled. Finally, for the decoupled system, the optimal tracking control method is used. It is proved that the decoupling control is optimal for a certain performance index. Simulations on a ball mill coal-pulverizing system are conducted. The results show the effectiveness and superiority of the proposed method as compared with the conventional optimal quadratic tracking (LQT) control method.      

磁浮系统车轨解耦控制研究

为实现弹性轨道磁浮系统的车轨耦合振动问题,寻求解耦控制规律,尝试了坐标变换解耦和反馈解耦两种解耦方法。通过计算车轨耦合五阶模型的李代数,得到了李代数满秩的结论,表明五阶模型是一个车轨强耦合的系统,仅通过坐标变换系统无法解耦。根据建立刚性和弹性轨道磁浮系统模型,经过对比分析,设计了改进的双环PID算法,通过反馈合适的状态变量,能够对车轨耦合振动系统顺利解耦,实现稳定控制。考虑到实际情况,对反馈所需的状态信号的获取也进行了具体的分析。     

Multivariable Intelligent Decoupling Control System and its Application

Many industrial processes have compositive complexities including multivariable, strong coupling, nonlinearity, time-variant and operating condition variations. Combining multivariable adaptive decoupling control with neural networks, this paper presents a multivariable neural network-based decoupling control algorithm. This control algorithm is integrated with distributed control technique and intelligent control technique, and a three-leveled intelligent decoupling control system consisting of basic control level, coordinating control level, and management and decision level is developed. The configuration and function of the control system are discussed in detail. This system has been successfully applied in ball mill pulverizing systems of 200MW power units, and remarkable benefits have been obtained.     

Multivariable Intelligent Decoupling Control System and its Application

Many industrial processes have compositive complexities including multivariable, strong coupling, nonlinearity, time-variant and operating condition variations. Combining multivariable adaptive decoupling control with neural networks, this paper presents a multivariable neural network-based decoupling control algorithm. This control algorithm is integrated with distributed control technique and intelligent control technique, and a three-leveled intelligent decoupling control system consisting of basic control level, coordinating control level, and management and decision level is developed. The configuration and function of the control system are discussed in detail. This system has been successfully applied in ball mill pulverizing systems of 200MW power units, and remarkable benefits have been obtained.     

基于BP神经网络的多变量PID解耦控制

基于神经网络的智能PID控制策略，以经典的PID控制理论为基础，并通过具有多变量解耦控制自学习功能的神经网络参数整定来实现。本文给出了网络的结构和算法，示出了一组二元变量强耦合时变系统的实时仿真结果。通过计算机仿真证明，基于神经网络的PID控制具有良好的自学习和自适应解耦控制能力。该系统融解耦器和控制器于一体，易于实现，适用于非线性多变量系统的解耦控制。它使解耦后的系统具有较好的动态和静态性能，特别是当根据BP控制规律确定了网络连接权系数的初值时，还能使系统参数快速收敛。