多变量解耦控制系统设计与仿真北大核心CSCD

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

多变量解耦控制系统设计与仿真

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

一种基于控制量一致的参考模型解耦方法

基于"控制量一致"的思想,提出了一种新的多变量参考模型解耦方法.参考模型回路由控制器和被控对象的传递函数两部分组成,而不是一般意义上的只由一个参考模型传递函数构成.解耦比例系数被引入到解耦环节,使解耦设计变得非常简单,并且兼顾了解耦和主回路控制的性能指标.以控制器输出逼近的方式,该方法基本上能实现动态和静态解耦.通过对实际工业系统的仿真,取得了良好的解耦效果.     

使用低阶参考模型的离散多变量MRACS

本文提出了一种高阶被控对象跟随低阶参考模型的离散多变量模型参考自适应控制系统(MRACS)的设计方法,它利用数字滤波器将系统降阶,通过求解p个一次代数方程而确定的自适应控制输入信号,能够使多变量被控对象的每个多输入单输出(MISO)子系统的输出渐近收敛到对应的单输入单输出(SISO)低阶参考模型的输出,提出的自适应控制器不仅避免了引进正反馈和辅助信号,而且实现了自适应解耦控制,仿真结果表明该控制器具有较好的控制性能。     

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.     

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。     

双容神经网络解耦控制的在线实现

主要进行基于神经网络的解耦控制研究.针对罗克韦尔实验室中的双容液位对象强耦合的特点,将模糊自适应PID算法控制和神经网络引入控制系统的设计中.提出一种神经网络在线解耦算法并用神经网络对双容液位系统进行建模.将该算法用于双溶液位控制系统的设计中,用来实现对被控对象的解耦控制.通过对设计方案的仿真研究和现场实时控制,结果表明:该设计方案具有良好的解耦效果;控制系统的调节品质令人满意.     

模糊自调整PID的精馏塔参考模型解耦控制研究

一个现代化的化工企业,精馏塔生产装置种类和数目为数众多,生产目的也多种多样。精馏塔控制方法的改良可以引起显著经济效益的变化,同时可以使生产过程更加节能环保,因此,化工企业存在着精馏过程控制算法的改良问题。精馏过程约占工业总能耗的1/3,其节能控制潜力很大。精馏塔温度控制系统是典型的多输入多输出耦合系统。针对多输入多输出耦合系统,为使其解耦控制与主回路控制达到相互独立,本文在分析与总结模糊逻辑、PID控制等优点的基础上,设计了一种参数自调整模糊PID控制器,并将其与多变量参考模型解耦控制方法结合,实现了精馏塔温度控制系统的解耦控制。参考模型回路由控制器和被控对象的模型两部分组成。模糊PID解耦控制器的引入,使控制与解耦功能分别由2个不同的控制器独立完成,最后将该算法应用于化工精馏塔温度控制模型中。由仿真结果可知,本文方法可以使实际输出结果很好的跟踪目标结果,从仿真图可得出,该方法可以较好的实现动态和静态解耦,解耦控制效果比较理想。进而可以将该方法用于实际的化工生产过程中,具有一定的实用价值。     

变风量空调系统优化控制策略研究

变风量空调系统是多变量,大滞后、非线性和不确定性的系统,普通的模糊神经网络控制已难以满足其多变量动态控制的要求,为改善变风量空调系统控制性能,本文提出了一种小波模糊神经网络预测控制方法,实现变风量空调的温湿度有效控制.通过小波神经网络预测器在线建立被控对象的数学模型,并用模糊RBF神经网络控制器对所得到的信息在线修正,优化控制器参数,从而改善系统的控制效果.仿真结果表明,小波模糊神经网络预测控制具有很强的鲁棒性和自适应能力,控制精度高,控制效果好,安全可靠等优点,具有广泛的应用价值.     

基于TC-ESO的多变量时滞过程控制

工业过程多变量系统大多数具有耦合时滞特性,对此类系统使用常规的解耦方法往往较难控制。使用TC控制器与扩张状态观测器相结合的新型控制策略,降低耦合作用,不加解耦器,简化了系统,有利于工程上实现。将该控制策略与Smith预估器进行比较,仿真研究表明当被控对象时滞参数变化±30%时,系统输出仍然具有较好的特性,证明了该方法对于多变量时滞系统的有效性和可行性。     

基于扰动补偿的无微分模型参考自适应控制系统设计

针对一类含有参数不确定性和未知非线性扰动的系统,本文提出一种基于扰动补偿的无微分模型参考自适应控制方法,实现系统输出对参考模型输出信号的高精度跟踪.首先,利用被控对象模型信息设计扰动估计器,对系统非线性扰动进行在线估计;其次,基于非线性扰动估计值设计参考模型和无微分参数更新律,构建无微分模型参考自适应控制器,建立基于扰动补偿和状态反馈的自适应控制律,以消除参数不确定性和非线性扰动对系统输出的影响,保证系统输出对参考模型输出的准确跟踪;然后,给出闭环系统误差信号收敛条件和控制器参数整定方法;最后,通过数值仿真验证所提方法的有效性和优越性.     

神经网络在感应电动机调速系统中的应用研究

研究感应电动机凋速系统解耦控制问题.感应电动机调速系统是一个非线性、多变量和强耦合控制对象,传统的线性方法无法找到合适的描述模型,导致解耦控制性能相当的差.在体现适应性、实时性和鲁棒性的问题上,为了提高感应电动机调速系统解耦控制性能,将逆系统方法与神经网络相结合,提出了一种基于神经网络逆系统的感应电动机调速解耦控制方法.首先根据感应电动机调速系统的特点,建立合适的数学模型,并进行伪线性系统构造;然后采用神经网络对逆系统模型进行辨识,通过神经网络自学习实现高性能解耦控制;最后在matlab平台下进行了仿真和对比实验.实验结果表明,方法能很好实现解耦控制,使传统解耦控制方法的缺陷得到克服,具有较强适应性和鲁棒性.     

基于预测控制方法的非线性神经网络逆控制

针对一类多输入多输出非线性被控对象,利用前向神经网络逼近原系统的逆系统,将其作为控制器,采用预测滚动优化性能指标训练该神经网络逆控制器,以克服干扰和不确定性影响,实现对多变量非线性对象的解耦控制。对某微型锅炉对象进行了控制算法仿真,结果表明,所提出的控制方法能够克服模型误差的影响,实现稳定解耦控制,且易于实现。在仿真过程中通过实验方法建立该锅炉对象的神经网络预测模型,并注意采用泛化方法采集训练样本数据和训练神经网络,以提高神经网络模型的泛化能力。     

多变量时滞过程的解耦控制设计

针对化工生产中常见的多输入多输出时滞过程,基于单位反馈闭环控制结构提出一种新的解析设计解耦控制器矩阵的方法.其突出优点是克服现有的数值化求解方法的局限,能够实现标称系统输出响应之间的显著乃至完全解耦,并且能够在线以单调方式整定解耦控制器矩阵的可调参数来适应被控过程的未建模动态.同时,对于实际中常见的被控过程的加性和乘性不确定性,分析了控制系统保证鲁棒稳定性的充要条件,从而给出在线整定解耦控制器矩阵的可调参数的规则.最后以仿真实例验证了本文方法的优越性.     

多变量预测控制工程应用的控制模型前馈解耦策略

针对多变量预测控制计算量大、控制效果对扰动和模型失配敏感等特点,提出一种适用于预测控制工程应用的控制模型前馈解耦策略.基于结构分析,保留重要的被控变量与操作变量配对关系,将不重要的被控变量与操作变量配对作为前馈引入进行补偿,简化了系统结构,降低了系统耦合程度,减弱了预测控制器对扰动和模型失配的敏感程度,极端情况下形成的单入单出或小规模多入多出系统有效减小了在线计算量;基于分布式预测控制思想,给出控制模型前馈解耦策略的分散优化策略,进一步减小了系统规模和在线计算量.最后,通过仿真验证了所提策略的可行性与有效性.     

基于参数辨识的自适应解耦控制算法的研究

多变量模型的复杂结构、强耦合性、被控对象参数的未知、慢时变等问题要求控制器必须具有良好的自适应性,针对以上问题提出了一种基于改进的广义最小方差闭环自适应解耦控制器实现更好的自适应,其由参数可调的控制器和自适应控制律组成,此控制器通过将闭环系统方程的传递函数矩阵等于期望的对角矩阵来实现解耦,同时改进的辨识算法可进行在线辨识控制器的参数实现同步自适应解耦。通过以CARMA为多变量控制模型,采用该方法进行仿真有效的解决了多变量之间的耦合性。结果表明该方法能够适应相应的变化,跟踪性能较好,且具备良好的解耦能力,进而保证了闭环系统的稳定性,从而验证了此方法能够效提高控制系统的稳定性和鲁棒性。     

移动质心自旋再入飞行器的建模与解耦控制

对移动质心控制自旋再入飞行器进行了概念研究.以所建立的移动质心自旋再入飞行器的姿态动力学模型为基础,分析其控制耦合特性,借鉴工程中易于实现的逆奈奎斯特阵列法,对被控对象进行预补偿,使其传递函数矩阵成为具有对角优势来削弱被控对象各回路间的耦合,然后再运用单变量系统的频域设计方法对每个回路单独设计,从而将复杂的多变量设计问题转化为单变量设计问题,解决较强耦合下自旋再入飞行器姿态稳定性同题.仿真分析表明,对被控对象进行预补偿设计后,系统达到了较好的解耦效果.     

磨煤机制粉系统解耦内模控制器的设计及仿真

本文针对工业过程中常见的多变量时滞耦合输入输出系统,基于内模控制结构提出了一种多变量解耦内模控制设计的方法,该方法设计的内模控制器同时具有解耦器和控制器的作用。其优点是能够实现标称系统输出响应之间的近似或完全解耦,并且改善了系统的大迟延的特性。并与PID对角矩阵解耦设计方法相对比,结果表明：解耦内模控制器设计方法有更好的鲁棒性。     

一种改进的自抗扰解耦方法及其应用仿真

针对一类多入多出系统的解耦问题,提出了一种基于扩张状态观测器(ESO)的动态解耦方法。将系统输入变量间的耦合作用,被控对象参数时变和外界干扰视为一个总的扰动,用ESO估计扰动并反馈到控制器进行补偿,从而实现动态解耦,对解耦后的子系统按照极点配置方法设计出控制器。采用参数动态确定法确定ESO的参数。上述动态解耦方法简化了解耦过程,放松了对系统模型精度的要求,计算量小,响应速度快,鲁棒性强。并通过对常压蒸馏塔模型进行仿真控制,并与模糊PID解耦控制方法对比,结果表明本方法有效可行。     

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。