内模控制在过程控制系统中的应用研究

内模控制是一种简单、实用的先进控制算法,是研究其它基于模型的控制策略的理论基础.本文介绍了内模控制的基本原理及内模控制器的设计方法,基于过程控制实验系统,采用内模控制策略对其进行控制,并在相同状况下,采用常规PID和内模PID算法对其进行控制比较.结果表明,采用内模控制策略的控制系统在超调量、上升时间和调节时间等方面均有所减小和缩短,体现了内模控制的实用性和控制效果的优越性,对于内模控制在其它领域的应用具有一定的参考价值.     

氯乙酸生产结晶过程预热水温度的内模控制及仿真

针对氯乙酸生产结晶过程被控对象大滞后、大惯性的特点,采用先进的内模控制策略对其进行控制.仿真表明,模型参数变化时,在控制系统稳定性、鲁棒性和抗干扰性等综合性能方面,内模控制比PID控制具有明显的优越性.     

非线性动态系统神经模糊建模与内模/PID双重控制系统设计

非线性动态系统的内模控制要求建立精确的对象正模型和逆模型,这对于大多数实际对象是难以做到.提出了基于一类神经模糊模型的非线性动态系统建模方法,并在此基础上研究了基于神经模糊模型的非线性系统的内模控制设计.基于输入输出数据辨识的对象正模型和逆模型存在着模型失配问题,导致神经模糊内模控制范围变窄和控制鲁棒性降低,为了改善系统的性能,提出了神经模糊内模控制与PID控制结合的双重控制策略.对CSTR的反应物浓度控制研究表明,双重控制策略能有效地拓宽系统可控范围,改善系统性能.仿真结果证明该控制策略简单而有效.     

基于RBFNN的非线性动态系统辨识与控制

提出了将径向基函数神经网络(RBFNN)的辨识能力与非线性内模控制结合起来得到一种新的控制策略.介绍通过训练RBFNN来得到过程的逆模,由此逆模控制器与一个鲁棒滤波器组成非线性内模控制器.给出了pH中和反应过程的仿真.     

镍电解三段净化智能控制系统研究

分析了镍电解三段净化过程的特点,给出了镍电解三段净化的具体过程,针对大时滞、强非线性、多变量耦合、变参数的复杂对象,提出多变量模糊控制、神经网络内模控制、专家控制和预测控制相结合的智能控制方式,给出了系统的结构、控制策略、和控制软件结构的设计。对提高镍电解精练工艺、生产能力和生产技术指标有很高的可行性和必要性。     

轮式机器人分数阶滑模内模速度控制器设计

在不同路面行走过程中,为了提高轮式机器人的响应速度,降低外部扰动对调速系统的影响,改善系统抖振,根据分数阶微积分原理,结合滑模控制与内模控制策略,提出一种分数阶滑模内模控制(Fractional Order Sliding Mode Internal Mode Control,FOSMIMC)新方法,应用于轮式机器人调...     

内模控制研究的新发展

概述了内模控制(IMC)的研究现状和新发展,详细论述了内模控制特别是非线性系统内模控制研究中的主要方面及其研究成果.首先介绍了内模控制中的各种建模方法,指出它们各自的优缺点,并根据内模控制的发展趋势着重分析了内模控制器的设计及其改进结构,内模控制与其他控制方法的结合方式等几个关键性问题.最后指出了内模控制研究中存在的一些混淆,并探讨了这一研究领域的发展方向.     

内模控制在电加热炉温度控制中的应用

针对电加热炉控制对象的纯滞后过程控制问题,本文采用内模控制策略对其进行控制.在系统仿真的基础上,基于PLC编制内模控制程序,并应用于一个含有较大纯滞后的电加热炉温度控制.仿真和应用结果表明,模型参数变化时,此方法充分利用了内模控制的时滞克服能力和鲁棒性强等特点.编程易实现,对控制系统硬件要求较低,控制效果较好,具有较高的应用价值.     

基于逆向解耦的BTU协调系统内模控制设计

针对火电单元机组协调系统的多变量强耦合特点,提出一种基于内模控制器与解耦器一体化思想的内模解耦控制方法.区别于一般的多变量内模控制,将解耦技术与内模控制相结合,同时具有解耦器和内模控制器的特性.首先根据相对增益系数矩阵选择控制主通道,然后通过基于逆向解耦的原理设计控制器,其计算过程简单并且适用于高阶对象.最后以300MW单元机组为控制对象,在MATLAB/SIMULINK环境下,仿真并验证了控制器在不同工况下均可以实现较好的控制品质,具有较强的鲁棒性.     

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。     

基于模型参考和内模原理的线性系统鲁棒控制设计

不确定性因素会使系统性能恶化,它包括系统不确定性参数和各种外部干扰等.本文针对这种不确定性线性系统,利用模型参考和内模原理,建立鲁棒控制系统结构,分析了其能控性条件,通过选择参考模型和内模实现系统能控,在此条件下,将鲁棒控制设计转换为控制系统的LQR问题进行研究,并运用最优控制理论,计算其反馈控制律.仿真结果表明该设计方法将"模型参考"与"内模原理"有机结合起来,提高了系统的鲁棒稳定性,有效抑制干扰,并实现系统性能的改善.     

三自由度内模控制器的设计

针对常规二自由度内模控制的不足,本文提出了一种三自由度内模控制方法.此方法使系统的抗扰性和鲁棒性得到明显的改善,而且该控制算法简单、参数调整方便,理论分析和仿真实验验证了它的有效性.     

异步电机定子电流的内模自适应控制及实现

提出了异步电机定子电流的内模自适应控制及其在转子磁场定向矢量控制中的实现方法。首先,根据内模控制（ＩＭＣ）原理设计异步电机电流调节器,并用矩阵奇异值分析了ＩＭＣ电流调节器的鲁棒性;然后用最小二乘法对模型参数进行辨识;最后将其应用于异步电机转子磁场定向的矢理控制中,通过对电流调节器传递矩阵函数的仿真及用ＤＳＰ实现的异步电机矢量控制运行实验,验证了自适应ＩＭＣ电流调节器的良好性能。     

基于最大灵敏度的加热系统分数阶内模控制

针对加热系统热传导过程模型不精确和系统参数不确定性问题, 提出一种新的基于最大灵敏度的分数阶内模控制方案. 采用分数阶模型描述加热系统可以提高精度, 而内模控制能够很好地处理系统参数不确定性问题. 利用最大灵敏度整定分数阶控制器参数, 并以此获得强鲁棒性控制系统. 数值结果验证了所提出的分数阶内模控制方案的有效性, 具有比整数阶内模控制方案更好的控制性能.

     

一种频率依赖性迟滞的神经网络内模控制

针对压电陶瓷等智能材料存在的依赖输入频率的迟滞非线性问题,采用BP神经网络对迟滞非线性进行辨识,并通过内模控制方案来对其进行控制.在迟滞的建模上,构建了一种静态迟滞非线性环节串联一个对输入频率敏感的线性动态环节组成的Hammerstein模型.在此基础上,得出Hammerstein模型的逆模型,并通过构造的正、逆模型进行内模控制.实验结果说明,提出的建模方法与内模控制方案是有效的.     

A Passive Repetitive Controller for Discrete-Time Finite-Frequency Positive-Real Systems

This work proposes and studies a new internal model for discrete-time passive or finite-frequency positive-real systems which can be used in repetitive control designs to track or to attenuate periodic signals. The main characteristic of the proposed internal model is its passivity. This property implies closed-loop stability when it is used with discrete-time passive plants, as well as the broader class of discrete-time finite-frequency positive real plants. This work discusses the internal model energy function and its frequency response. A design procedure for repetitive controllers based on the proposed internal model is also presented. Two numerical examples are included.     

A novel neural internal model control for multi-input multi-output nonlinear discrete-time processes

An internal model-based neural network control is proposed for unknown non-affine discrete-time multi-input multi-output (MIMO) processes in nonlinear state space form under model mismatch and disturbances. Based on the neural state-space model built for an unknown nonlinear MIMO state space process, an approximate internal model and approximate decoupling controllers are derived simultaneously. Thus, the learning of the inverse process dynamics is not required. A neural network model-based extended Kalman observer is used to estimate the states of a nonlinear process as not all states are accessible. The proposed neural internal model control can work for open-loop unstable processes with its closed-loop stability derived analytically. The application to a distributed thermal process shows the effectiveness of the proposed approach for suppressing nonlinear coupling and external disturbances and its feasibility for the control of unknown non-affine nonlinear discrete-time MIMO state space processes.     

基于模糊内模控制的球磨机系统的研究

球磨机系统具有多变量、强耦合、长时滞以及生产工况变化大等特点,采用常规控制策略很难达到控制目标。针对该问题,文章提出了一种基于模糊内模控制的球磨机系统的设计方案,分析了球磨机工作原理,建立了其数学模型,详细介绍了球磨机系统的解耦分析,最后给出了球磨机模糊内模控制器的设计方法。仿真结果表明,基于模糊内模控制的球磨机系统具有良好的解耦能力,鲁棒性强,能够较好地解决球磨机系统的时变性、耦合性和延迟性问题,具有一定的工程应用价值。     

Adaptive internal model control with application to fueling control

This paper presents an adaptive internal model controller for stable but not necessarily minimum-phase SISO plants and its application to the air/fuel ratio control system of a spark-ignited engine. The internal model of the controller is formulated in an output-error structure that can be adapted by using standard adaptive laws. The method is applied to an air/fuel ratio control system with a reduced-order internal model and unknown sensor dynamics. Experiments on an engine test bench demonstrate the capability of the adaptive controller to recover the performance and robustness properties of the control system in the case of an aged oxygen sensor.     

Internal model control based on a novel least square support vector machines for MIMO nonlinear discrete systems

To improve the robustness of the traditional inverse system method, the internal model control based on a novel least square support vector machines (LS-SVM) is proposed. The novel LS-SVM considers general errors that include noises of input variables and output variables as empirical errors. The data of original MIMO discrete system is exploited to approximate its inverse model by the novel LS-SVM. By cascading the inverse model and the original system to constitute a decoupling pseudo-linear system, the internal model control strategy is carried out to the pseudo-linear system to realize the effective control. Simulation validates that the novel LS-SVM used in the inverse system identification is effective and shows that the internal model control of nonlinear discrete systems has better robustness of anti-interference and parameters varying than that of the open-loop system only based on inverse control.