具有预测控制功能的pH控制系统

介绍了糖厂酸碱中和的酸度控制系统以及采用动态矩阵控制算法设计的预测控制器。对系统硬件配置动态矩阵控制算法及参数设计作了具体说明,给出了仿真和实际运行结果。     

输入/输出无约束的模型预测控制器设计

动态矩阵控制算法是一种基于对象阶跃响应的预测控制算法,适用于控制系统复杂、数学模型难以精确建立的过程。针对输入/输出无约束的模型控制器设计,采用动态矩阵控制方法,包括预测模型、滚动优化、误差校正和闭环控制形式。通过MATLAB对它的仿真,验证了闭环系统鲁棒性较好,系统性能容易满足要求。结果表明,动态矩阵预测控制算法控制明显,因此是一种最优控制技术。     

动态矩阵控制参数的神经网络优化算法

动态矩阵控制是一种重要的预测控制算法,适用于具有大纯滞后的工业对象和非最小相位系统,在实际应用中需要确定多个参数。文章提出了一种以限制控制量变化为目标,用神经网络在线优化控制矩阵参数的DMC控制算法。仿真结果验证了该文提出算法的有效性。     

中速磨煤机动态矩阵控制的仿真研究

以某电厂中速磨煤机为例,依据现场测试数据,采用测试建模方法,给出了中速磨被控对象的数学模型。根据动态矩阵预测控制理论,建立了中速磨煤机动态矩阵控制算法,利用Matlab仿真语言,编制了中速磨煤机动态矩阵控制程序,研究了中速磨被控对象参数变化范围。研究了输出误差加权矩阵、控制量加权矩阵,预测时域长度、控制时域长度,阶跃响应截断时间对控制质量的影响;在所有参数均为最佳的条件下,与常规PID控制进行了对比分析。大量的仿真研究表明,中速磨煤机动态矩阵控制优越于常规的PID控制。     

自然循环锅炉主蒸汽压力双值动态矩阵控制器

针对自然循环锅炉主蒸汽压力对象的大时滞和非线性的特性,将双值动态矩阵控制算法应用于锅炉燃烧系统蒸汽压力回路的控制中。考虑双值动态矩阵控制算法在模型失配和干扰影响下稳态精度低的问题,引入预测前馈补偿措施。基于分布式控制系统和可编程逻辑控制器编制程序实现了双值动态矩阵控制器,所设计的双值动态矩阵控制器模块具有可变采样和双向无扰动切换等功能。实验运行结果表明,双值动态矩阵控制计算量能满足快速采样频率的实时性要求,鲁棒稳定性、稳态精度、设定值跟踪速度、抗干扰能力和动态过渡过程均满足控制要求。     

融合闭环反馈机理的多变量预测控制策略

针对在模型预测控制中模型失配较严重时,单独使用动态矩阵控制不能满足控制需要的问题,提出了融合闭环反馈机理的多变量预测控制策略.讨论了多输入多输出系统中输入和输出的配对问题,以及控制算法中的PID控制强度问题,在动态矩阵控制的基础上引入PID反馈,利用动态矩阵控制算法的鲁棒性强及PID控制算法抗干扰性能好的优点,极大地弥补了模型失配的影响.通过对一个经典两输入两输出控制问题的仿真,表明该控制策略具有明显优于单独的DMC控制的性能.     

基于解耦的球磨机系统动态矩阵控制

针对制粉系统球磨机的多变量强耦合特性,提出基于逆向解耦的动态矩阵控制设计方法,先将球磨机系统分解为三个单输入单输出系统,然后利用基于对象阶跃响应的动态矩阵控制算法,对解耦后的广义系统进行了仿真研究.结果表明,逆向解耦能有效地解除变量间的强耦合和大时延问题,并且动态矩阵预测控制算法控制效果明显,优于传统的PID控制,具有实时性强、计算速度快和抗干扰能力好等优点.     

基于实时操作系统的预测控制算法

为了实现实时控制,达到预测的目的,动态矩阵控制(DMC)要求实时计算控制增量,以此作为下一次的控制量.在深入理解动态矩阵控制算法和嵌入式实时操作系统μC/OS-II的基础上,提出了新的动态矩阵控制实现方式.通过嵌入式实时操作系统μC/OS-II的任务调度功能,实现动态矩阵控制算法,使动态矩阵控制的应用更加简化,减少了计算时间,运算速度得到提高.基于这一实现方式提出了实验方案,并通过实验平台进行研究,证实了算法的有效性.     

多变量动态矩阵控制的优化与仿真

基于多变量动态矩阵控制算法,对其反馈校正部分进行优化,在预测向量进行校正时,引入新的函数,使反馈校正模块具有动态性能;并且对位移阵中的参数进行优化,对系统进行补偿,提升系统的控制效果。以精馏塔为研究对象,分析工艺,选择合理变量,对优化后的多变量动态矩阵控制算法进行仿真,结果表明,该算法能够有效提升系统的响应速度,减少系统的超调量,提升整体性能,同时具有有很强的鲁棒性、良好的控制效果以及应用前景。     

网络控制系统的时延在线估计与时延补偿策略研究

针对网络控制系统中的网络时延问题,引入了一种时延在线估计算法,并根据动态矩阵控制的特点,提出了一种基于分段动态矩阵控制算法的网络时延补偿策略,利用分段动态矩阵控制算法对网络控制系统中的时延信号进行预测,以补偿其在网络传输中的时延.     

非线性系统的蚁群优化预测PID控制

针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测PID控制算法。该算法以神经网络作为预测模型,将预测控制和PID控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler-N ichols方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统PID控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。     

模型预测控制算法在飞翼无人机中的应用研究

针对某小型无尾飞翼布局无人机,运用CFD方法分析了该无人机的气动特性,计算了气动导数及操纵导数,建立了模型预测控制算法的仿真模型,并运用动态矩阵控制算法设计了飞行控制系统。仿真分析与试飞结果表明,在具有输入输出等约束条件下动态矩阵算法优势明显,具有一定的工程应用价值。     

基于改进粒子群优化算法的预测控制

在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法。该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值。最后,将本文算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。     

液压釜温度自适应预测控制

详细介绍了液压釜温度系统自适应控制方案、误差分析及实际应用调试情况.应用 全系数自适应控制理论及模型预测控制原理设计了一种新的自适应预测控制方案,并给出了 控制算法的稳定性证明及闭环系统稳态误差和动态特性分析.实际应用表明,该方法对建模 误差、系统延时及测量噪声具有较好的鲁棒性.     

带有自校正的PID预测计算机控制算法研究

常规PID控制有许多不完善之处，其中最主要的问题就是PID控制器参数一旦调整好后。在整个控制过程中都是固定不变的，从而使系统很难达到最佳的控制效果。提出了一种带有自校正的PID预测计算机控制算法，包括控制结构、控制器设计以及变换为具有PID结构形式的过程。仿真结果表明带有白校正的PID预测控制算法调整时间短，平滑性较好，表明该带有自校正的PID预测计算机控制算法的有效性和较好的控制综合性能。     

基于稳态非线性模型和线性ARX模型组合的非线性预测控制

通过点集映射来表示非线性系统的稳态模型,用系统的稳态增益来修正具有外界输入的线性自回归（AutoRegressive with eXternal input, ARX）模型的动态增益,提出了一种基于稳态非线性模型和线性ARX模型组合的非线性预测控制算法．该算法用递归最小二乘法在线辨识系统的动态模型参数,用序列二次规划算法求解目标函数．最后通过对典型化工非线性对象pH中和过程的仿真对本算法进行了验证．结果表明,本算法比广义预测控制算法具有更好的设定值跟踪性能和抗干扰能力．     

基于神经网络的时滞非线性系统的广义预测控制

针对一类时滞非线性被控对象,提出一种基于RBF神经网络的广义预测自校正控制方案,在广义预测控制中,采用RBF神经网络建立被控对象的多步预测模型,并不断修正预测输出,提高预测输出的精度.控制器则采用GPC隐式修正算法,不用辨识对象的模型参数,大大减少了计算量.经过仿真研究,与常规的PID自适应控制方法相比较,证明了该方法的优越性,预测控制误差小,实时性好,动态响应快.     

Control of dynamic keyhole welding process

Weld joint penetration control is a basic research topic in the welding research community. The authors propose using an innovative plasma arc welding process referred to as the quasi-keyhole process to achieve less application-dependent weld joint penetration sensing and control. To control the quasi-keyhole process, the peak current and keyhole sustaining current are selected as the control variables to maintain the keyhole establishment and sustaining periods at desired values. The dynamic quasi-keyhole process is approximated by a linear model with interval parameters. A control algorithm has been developed for the multivariable interval quasi-keyhole process based on a predictive control algorithm for interval SISO models. Experiments have been conducted to test the effectiveness of the control system developed.     

Control of 3D weld pool surface

The 3D weld pool surface in gas tungsten arc welding (GTAW) is characterized by its width, length, convexity and measured in real-time using an innovative machine vision system. The dynamic response of these characteristic parameters to welding current and speed as control variables is modeled. Based on the identified dynamic model, a predictive control algorithm is developed to control these characteristic parameters. The proposed algorithm is given in a closed form and no online optimization is required. Welding experiments confirm that the developed control system is effective in achieving the desired 3D weld pool surface geometry despite various disturbances.