一种通用学习网络自适应算法及其在预测控制中的应用

针对黑箱过程的辨识与控制,本文提出了一种选择通用学习网络(universal learning network,ULN)节点间延迟时间参数的自适应算法,并将其应用于对控制对象中的纯滞后参数的辨识．将通用学习网络与PID控制器相结合,应用于包含大滞后的系统的模型预测控制(model predictive control,MPC)中．仿真结果证明通用学习网络能够有效地辨识被控对象的纯滞后时间,并能够作为预估器应用于模型预测控制系统中．     

一种新颖的闭环频域辨识方法及其在大滞后系统Smith预估控制中的应用

提出了一种大滞后系统的频域辨识方法并将其用于 Smith预估控制 .这种辨识方法不需要困难的信号设计和单独的信号发生设备 ,能够以闭环的方式测试系统指定相位处的频率特性并最终得到系统的传递函数模型 .由于所提出的辨识方法的特点 ,它非常适用于 Smith预估控制方案 ,实现对工业过程中大滞后系统的有效控制 .对一个高阶大滞后过程的仿真取得了非常好的效果 ,表明了所提出方法的有效性     

一种基于单神经元Smith预测控制的中央空调系统优化控制方法研究

对于中央空调系统,Smith预估器可以较好地解决PID控制器带有纯滞后系统的控制问题。当纯滞后较大时,用Smith难以获得满意的控制效果,本文采取对被控对象的纯滞后作用进行补偿的方法,提出将单神经元与Smith预估器组合在一起的复合控制方案,在本方案中,利用了Smith能够应对纯滞后的特性及单神经元自学习、自组织的能力,不需要对被控对象进行精确的辨识,就能够实现对大纯滞后系统的自适应控制。     

基于遗传算法的时变纯滞后系统的在线辨识与控制

本文介绍了一种基于遗传算法的大滞后时变系统的在线参数辨识和控制方法。将基于遗传算法的时滞系统参数辨识和时滞系统的Smith预估控制结合起来,试验证明本方法对于参数在较大范围内改变的大滞后系统的控制是有效的。     

主汽温的改进型神经网络辨识Smith预估器

针对超临界机组主汽温对象具有的大惯性、大滞后和非线性等特点,提出了一种基于BP神经网络辨识的改进型Smith预估方案。采用改进的Smith预估器克服主汽温对象的大滞后特性,并通过神经网络辨识来改善Smith预估控制器对模型精度的依赖,提高其抗干扰能力。通过对超临界机组主汽温对象在不同工况下的仿真,表明该系统对于对象特性变化有较好的适应能力,在动态品质、鲁棒性等方面都明显优于常规Smith控制方案。     

预估模糊控制在循环水加药控制中的应用

针对Smith预估控制对模型误差较敏感,适应对象参数变化较差的缺点,提出了一种Smith预估模糊控制方法,利用模糊逻辑实现被控对象模糊化,利用Smith预估控制对被控对象滞后环节进行补偿。以火电厂循环水加药控制为例,对该控制方法进行仿真和实际应用研究,结果表明该系统能有效地避免纯滞后环节在控制系统中带来的振荡现象,工程应用取得了理想的控制效果,为纯滞后、大惯性、模型不确定系统的控制提供了很好的解决方法。     

一种改进的模糊Smith预估器

针对具有不确定特性的大滞后系统，基于传统的Smith预估器结构，提出了一种改进方案。利用相关性分析技术实时调整预估器的滞后时间估计，并采用自适应模糊补偿器在线修正预估器的增益估计，在对象参数不稳定或受扰动的情况下可使预估器的参数迅速跟踪并收敛于对象参数，从而确保系统状态的稳定。该方案增强了系统的鲁棒性，克服了传统Smith预估器需要精确模型的缺点。仿真结果表明，该方案具有较强的参数适应性，对时变大滞后对象具有良好的控制效果。     

冷连轧AGC 系统的自适应Smith 广义预测控制

针对冷连轧AGC 系统存在较大的时间滞后以及对象模型参数时变的特点,提出了一种自适应Smith 广义预测控制算法. 该算法用Smith 预估器来克服滞后的影响,利用激光测速仪间接测量AGC 系统的滞后时间以修 正Smith 预估器的时滞部分模型,使用渐消记忆递推最小二乘算法在线辨识对象参数来修正Smith 预估器的非时滞 部分的模型,并根据辨识得到的对象参数设计自适应广义预测控制器代替传统Smith 预估算法中的PID 控制器. 仿 真研究表明,在模型失配及干扰的情况下,该控制算法仍然具有良好的控制性能和鲁棒稳定性能.     

基于继电辨识的Smith预估控制算法的应用

本文将继电辨识与Smith预估控制相结合 ,利用继电辨识获取控制对象的Smith预估模型 ,实现对纯滞后对象的智能控制。仿真和实时控制结果表明 ,这种控制策略获得了很好的控制品质 ,是实现自动型工业控制器的有益尝试 ,为纯滞后控制对象提出了一种切实可行的控制方法     

自适应修正Smith算法在时滞系统中的应用

传统的Smith预估补偿控制要求较高的对象模型精度，为了提高系统的鲁棒性，提出了一种改进的Smith预估器。该算法根据历史预估结果动态地对预估输出进行修正，从而提高预估精度。将其应用于大时滞温控系统，取得了准确的预估输出和良好的控制品质。算法实现简单、应用灵活、适应性强，可以应用于其他有滞后影响的场合。     

Process control of pH neutralization based on adaptive algorithm of universal learning network

This paper presents an adaptive algorithm of universal learning network (ULN) and its application to identify pure time delay of a plant model. Universal learning network can be used in model predictive control for stabilizing a class of nonlinear systems with long time delay. Depending on ULN model with single neuron controller, the control architectures are introduced and applied to pH neutralization process. Simulation results prove the applicability and effectiveness of the ULN model. The general architecture and adaptive learning algorithm give ULN more representing abilities to model and control the nonlinear black box systems with long time delay.     

锅炉燃烧系统的模糊预测控制

将模糊控制和预测控制相结合,提出了一种新型的模糊预测控制方案,应用于非线性、大延迟、强耦合的锅炉燃烧系统中,并运用风/煤比模糊自寻优控制方法来提高锅炉燃烧的效率。通过仿真实验,结果表明该方案的适应性和鲁棒性都很强,具有很大的工程实用价值。     

具有时变通信受限非线性信息物理系统的网络化预测控制

针对具有时变通信受限的一类非线性信息物理系统,本文采用网络化预测控制策略,对于时变通信时延和数据丢失,不是使用常规的被动方式抑制,而是进行主动补偿.为了使补偿时变通信受限的方式简单、主动和通用,提出了一种新颖的网络化非线性预测控制方法.所设计的网络化非线性预测控制器能达到具有与无网络的本地闭环控制系统完全相同的期望控制...     

基于强化学习的大时延过程控制策略研究

具有长时延的过程控制被公认为是较难的系统过程控制。模型预测控制(MPC)是一种适用于大时延过程的新的过程控制方法。相比于PID等传统的控制方法,MPC基于模型对未来状态的预测进行决策,能够兼顾及时反馈与长期规划。但MPC对于过程的预测步数依然是有限的。强化学习作为机器学习的重要部分,原则上能够预测策略在无限长时间内的收益。作者基于强化学习方法改进混凝剂添加过程中的控制算法,利用大量仿真数据训练模型,成功提升了该过程的控制效果。通过对该方法进行仿真模拟,并与传统的MPC方法进行对比,证明了使用强化学习改进过的控制方法在大时延过程控制中的总体表现优于传统MPC方法。     

改进Smith预估控制系统用于甲醛生产控制

针对甲醛生产过程中氧醇比控制中大滞后延迟的难点,设计了改进的史密斯预估控制系统,并实现了对该系统的计算机仿真.通过调节热水阀门控制氧醇比不能彻底解决系统的大滞后问题,因此在调节器的设计上采用了史密斯预估控制算法,对系统的大滞后进行了补偿.同时又设计了模糊自校正控制,进一步提高控制系统的控制品质.     

Control system design based on a nonlinear first-order plus time delay model

Most chemical processes are nonlinear in nature. When large set point changes or load disturbances occur frequently, nonlinear control systems are required. Instead of using the differential geometric method or nonlinear model predictive method, simple gain scheduling may be sufficient for many nonlinear single input-single output (SISO) processes. To design such simple control systems systematically, a nonlinear first-order plus time delay model is proposed for model-based control. A logarithmic transformation which is very useful for control of high purity distillation columns is shown to be effective in general. Several chemical process examples are also given.     

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.     

Modeling,state estimation and nonlinear model predictive control of cathode exhaust gas mass flow for PEM fuel cells

Polymer electrolyte membrane fuel cells are efficient energy converters and provide electrical energy, water and oxygen depleted air with a low oxygen content as exhaust gas if fed with air. Due to their low emission of greenhouse gases and noise they are investigated as replacement for auxiliary power units currently used for electrical power supply on aircraft. Oxygen depleted air, called ODA-gas, with an oxygen concentration of 10–11% and a low humidity can be used for tank-inerting on aircraft. A challenging task is controlling the fuel cell system for generation of dehumidified ODA-gas mass flow while simultaneously keeping bounds and gradients on control inputs. This task is attacked by a nonlinear model predictive control. Not all system states can be measured and some states measured exhibit a significant time delay. A nonlinear state estimation strategy builds the entire system state and compensates for the delay. The nonlinear model predictive control and the state estimation are derived from the system model, which is presented. Simulation and experimental results are shown.     

带有开关机制的通用学习网络的参数和时间延迟的学习

研究了一种新的带有开关机制的ULN建模方法, 不仅对其中的参数而且对时间延迟都进行了调整以适应非线性系统的建模要求. 对非线性系统识别问题的仿真结果表明, 所提方法具有比仅使用参数优化的传统方法更好的性能. 还用带有开关机制的ULN对网络规模是如何影响动态系统泛化能力的问题进行了研究.