多变量广义开环解耦控制算法

针对离散多变量系统提出了一种能有效地处理过程时滞、开环不稳定和非最小相位的解耦控制算法。它原理简明，易于实施，每一回路仅需整定一个参数。仿真结果表明，这一新控制算法在跟踪性、鲁棒性和抗干扰性等方面均可获得满意的控制效果。     

一种直接多变量自适应解耦控制算法

本文将广义最小方差控制策略和前馈控制策略结合进来,提出了解耦控制器并讨论了如何采用修改最小二乘辨识算法和直接方案对具有任意延时结构的一般随机多变量系统实现自适应解耦控制,本文还证明了所提出的自适应算法即使用于开环不稳定或非最小相位系统也具有整体稳定性和收敛性。     

基于神经网络的多变量非线性自适应解耦控制研究

提出神经网络前馈自适应解耦控制算法．该算法将多变量非线性系统在平衡点处利用Taylor公式展开．分为线性部分和高阶非线性部分。这样．将高阶非线性部分的影响视为可测干扰，采用前馈补偿的方法加以消除．就可以借助多变量线性系统的自适应解耦控制算法．实现多变量非线性系统的自适应解耦控制．这种方法可以取消被解耦系统为最小相位的限制。     

关于多变量PID自适应解耦控制器的设计

本文对于多变量自适应解耦控制与PID控制相组合．这一工业过程控制的重要设计方法，主要是对一些控制算法和全局收敛性分析等问题，进行了研究和探索。     

多变量系统模糊解耦自适应控制

对象模型难以确定的系统，采用经典控制方法难以实现解耦控制，作者应用模糊控制理论，研究了一种无需对象模型的模糊解耦自适应控制方法。本文介绍了这一方法，导出实现模糊解耦自适应控制的充要条件，并给出了仿真结果。     

多变量系统的非理想解耦自适应控制

将非理想解耦方法与一种简单的、具有较好鲁棒性的模型参考自适应控制策略相结合 ,提出了一类不确定系统的非理想解耦自适应控制方法。该方法在保证系统稳定的前提下 ,使解耦控制器作最大限度的解耦。仿真结果表明该控制器控制效果良好。     

多变量自校正解耦控制器的全局收敛性分析

本文对多变量自校正解耦控制算法[1]进行了稳定性和收敛性分析.结果表明:该算法即使用于非最小相位系统仍然具有全局收敛特性,即以概率l输入输出向量采样均方有界,广义跟踪误差向量条件采样均方极小.     

多变量自学习动态解耦控制

针对多变量系统提出自学习动态解耦控制算法,该控制算法设计简单,具有较好的动态和静态性能,能实现在线实时动态解耦。     

多变量极点配置自适应动态解耦控制器

本文提出了一种以多变量极点配置为基础的自适应解耦控制器,该控制器不仅可以任意配置闭环系统的极点位置而且可以直接对闭环系统实现动静态解耦控制,仿真实验结果表明该控制器比一般的极点配置控制器具有更好的控制性能。     

随机系统的多模型直接自适应解耦控制器

针对多变量离散时间随机系统, 提出了一种采用广义最小方差性能指标的多模型直接自适应解耦控制器. 该多模型控制器由多个固定控制器和两个自适应控制器构成. 固定控制器用以覆盖系统参数的可能变化范围, 自适应控制器用以保证系统的稳定性和提高暂态性能. 该多模型控制器利用矩阵的伪交换性和拟Diophantine方程性质, 基于广义最小方差性能指标, 将随机系统辨识算法和最优控制器设计相结合, 直接辨识出控制器的参数, 通过广义最小方差性能指标中加权多项式的选取,不但实现了多变量系统的动态解耦控制, 而且消除了稳态误差、配置了闭环极点. 文末给出了全局收敛性分析. 仿真结果表明该方法明显优于常规自适应控制器.     

具有强相容参数估计的多变量自校正前馈控制器

本文提出了一种新的自校正前馈控制器.该控制器具有如下优点:1)可以控制具有任意传输延时结构的随机多变量系统;2)可以控制开环不稳定或非最小相位系统;3)不加积分作用可以自适应消除偏差和可测干扰对输出的影响,消除跟踪误差;4)具有全局稳定特性;5)参数估计具有强相容性.     

一种新的间接自适应前馈控制算法及其应用

本文提出的单变量随机间接自适应控制算法适于控制大滞后的系统.它不仅能消除可测干扰的影响,而且可以应用到多变量系统实现自适应解耦控制.该算法即使用于非最小相位系统也具有全局收敛特性.本文还介绍了该算法在多变量电加热系统中的应用.     

多变量自校正解耦PID控制器

将前馈解耦控制与自校正ＰＩＤ控制相结合，提出了多变量自校正解耦ＰＩＤ控制器。该控制器适于具有任意延时结构和非最小相位系统，本文利用根轨变法证明了这一算法的全局收敛性。     

逻辑型多变量鲁棒自校正解耦间接算法

本文提出了一种多变量鲁棒自校正解耦间接算法。它采用一种新的正则化和相对死区实现了鲁棒自校正解耦控制。这种方法可以使系统跟踪特性不受死区界和正则化因子的影响。本文还给出了算法的鲁棒性分析和仿真结果。     

精馏塔的自适应解耦控制

本文针对某精馏塔提出了一种简单的自适应解耦控制器。该控制器将广义最小方差控制策略和解耦补偿器结合起来,不仅可以对随机多变量系统实现动静态解耦而且具有良好的伺服跟踪性能。该控制器与常规PI控制器在某精馏塔双组分控制中的对比实验结果表明自适应解耦控制的性能优越于常规PI控制。     

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 controltechnique 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 remarkablebenefits 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CARIMA模型的全局收敛的多变量随机自适应控制算法

本文针对多变量受控自回归积分滑动平均模型(CARIMA)提出了新的直接随机自适应控制算法,该算法不仅能鲁棒抑制任何定常负荷干扰而且应用于非最小相位系统仍具有全局收敛性,该算法不要求事先知道系统的关联矩阵只要求知道关联矩阵的整值参数。