大纯滞后工业对象的神经元控制器

提出了一种大纯滞后对象的Smith预估神经元控制器设计方法。仿真实验结果表明，此种设计方法，对于大纯滞后工业对象的控制具有满意的控制效果。     

纯滞后系统PID-模糊控制

为了保证城市供水质量,常常采用变频恒压供水方式。针对恒压供水系统的非线性、随机性、大惯性和纯滞后特性,提出了一种带Smith预估的PID-模糊复合控制策略。这种控制策略融合了模糊控制动态响应性能好、PID控制调节精度高以及Smith预估纯滞后补偿的优点。在保留了系统很好的动态过程平稳性和稳态性能的基础上,明显改善了系统的动态过程快速性,同时对被控对象模型参数变化具有很好的适应性,鲁棒性好。仿真实验结果表明:带Smith预估的PID-模糊复合控制策略可使恒压供水系统的动态稳态性能明显优于常规PID、模糊控制和PID-模糊复合控制。     

电加热炉温度系统的PID-模糊Smith复合控制方法研究

针对电加热炉温度控制系统，研究了PID-模糊Smith复合控制方法。该控制方法利用Smith预估算法克服纯滞后，利用模糊控制来提高系统的鲁棒性，利用PID控制来提高稳态精度。在模型匹配和失配情况下进行了仿真研究，结果表明复合式控制器具有良好的稳定性和鲁棒性，对于大时间滞后的电加热炉温控系统是一种实用而简便的控制方法。     

基于FNN在蒸馏装置常压加热炉上的应用

蒸馏装置的加热炉是一个复杂的受控对象,存在着非线性、时变性、纯滞后因素和不确定随机干扰等因素;着重研究了神经网络与模糊系统融合的可行性及融合方式,提出了将模糊控制和神经网络两种技术相结合.共同控制;仿真研究结果表明,这种神经网络模糊控制在克服对象的大惯性、抗干扰性、非线性和纯滞后方面,大大改善了控制品质;最后进行了现场实验,实验表明,所应用的控制器性能令人满意,具有很好的鲁棒性,一定会具有更广阔的发展前景.     

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。     

Smith模糊自适应PID算法在热力站控制中的应用

在集中供暖的热力站控制系统中,由于被控对象本身具有非线性、纯滞后、参数时变等特点,常规的PID控制器难以达到理想的温度控制效果,结合Smith控制和模糊自适应PID控制的优点,提出了一种基于Smith预估补偿的模糊自适应PID控制器.介绍了其控制器的原理并给出了具体的设计方法.在模型匹配和模型失配的情况下进行了仿真研究,结果表明该控制器的动态响应快、超调量小、稳态精度高,具有良好的稳定性和鲁棒性,适用于参数变化的大滞后热力站控制系统.     

复杂大时滞系统的单神经元PSD控制

针对基于参数模型的普通PID控制对模型精确性要求较高,只能有效控制一般纯滞后对象,而不适用于复杂大时滞系统对象的控制.这里尝试对普通PID控制器添加单神经元自适应PSD算法,并加入专家经验对可调参数进行在线寻优、自校正.在Smartpro系统的ConMaker组态软件上编写了该控制器程序,并对二阶大时滞对象进行仿真实验.实验分析了单神经元PSD控制器参数对控制性能的影响,及与普通PID控制器作比较.结果表明此控制器对于二阶大时滞对象具有较强的自适应性和鲁棒性.     

水平连铸计算机控制系统中的Smith-Fuzzy控制器

介绍了一种可补偿纯滞后的模型参考自学习模糊控制器 ,改善了普通Fuzzy控制器对大滞后工业过程的控制效果 ,通过模糊逆模型修改控制表 ,表现了较高的智能。以水平连铸控制系统为对象 ,进行了仿真研究 ,结果表明这种方法是可行的和有效的 ,具有很好的鲁棒性。     

滞后不确定系统的无辨识自适应智能控制方法

针对带有大纯滞后、不确定性的工业过崔，提出一种无需辨识的自适应智能控制方法。该方法不需要对过程建立数学模型，只要检测过程的实际输出和期望输出，通过模糊预测控制来自正单神经元自适应PSD控制律，即可以对滞后不确定、建模困难的工业过程实现自适应控制。仿真结果表明用该方法控制滞后不确定系统具有简单、实用、鲁棒性强的特点．     

水平连铸计算机控制系统中的Smith—Fuzzy控制器

介绍了一种可补偿纯滞后的模型参考自学习模糊控制器,改善了普通Fuzzy控制器对大滞后工业过程的控制效果,通过模糊逆模型修改控制表,表现了较高的智能。以水平连铸控制系统为对象,进行了仿真研究,结果表明这种方法是可行的和有效的,具有很好的鲁棒性。     

Fuzzy‐Neuron Intelligent Coordination Control Fora Unit Power Plant

A novel fuzzy‐neuron intelligent coordination control method for a unit power plant is proposed in this paper. Based on the complementarity between a fuzzy controller and a neuron model‐free controller, a fuzzy‐neuron compound control method for Single‐In‐Single‐Out (SISO) systems is presented to enhance the robustness and precision of the control system. In this new intelligent control system, the fuzzy logic controller is used to speed up the transient response, and the adaptive neuron controller is used to eliminate the steady state error of the system. For the multivariable control system, the multivariable controlled plant is decoupled statically, and then the fuzzy‐neuron intelligent controller is used in each input‐output path of the decoupled plant. To the complex unit power plant, the structure of this new intelligent coordination controller is very simple and the simulation test results show that good performances such as strong robustness and adaptability, etc. are obtained. One of the outstanding advantages is that the proposed method can separate the controller design procedure and control signals from the plant model. It can be used in practice very conveniently.     

模糊神经元非模型算法在发酵温控中的应用

设计了解析模糊控制器,并在此基础上引入了单神经元;根据智能积分的思想,研究了模糊神经元非模型控制算法.解析模糊控制和模糊神经元非模型控制算法在发酵实验室微型发酵罐温度控制中进行了应用,实验结果表明,该算法可解决单纯的模糊控制因缺少积分作用而存在稳态误差的问题,其控制精度更高,稳态性能更好;同时,抗干扰性实验验证了控制系统的稳定性.     

A Highly Accurate Model-Free Motion Control System with a Mamdani Fuzzy Feedback Controller combined with a TSK Fuzzy Feed-forward Controller

In this paper, a new intelligent robot motion control architecture – a highly accurate model-free fuzzy motion control- is proposed in order to achieve improved robot motion accuracy and dynamic performance. Its architecture combines a Mamdani fuzzy proportional (P) and a conventional integral (I) plus derivative (D) controller for the feedback part of the system, and a Takagi-Sugeno-Kang fuzzy controller for the feed-forward, nonlinear part. The fuzzy P + ID controller improves the performance of the nonlinear system, and the TSK fuzzy controller uses a TSK fuzzy inference system based on extended subtractive- clustering method which integrates information on joint angular displacement, velocity and acceleration for torque identification. The advantage of this kind of model-free control is that it uses the information directly from the input/output of the nonlinear system, without any complex robot model computation, in order to decrease the control system’s sensitivity to any dynamical uncertainty. Furthermore, parametric search for clustering parameters in extended subtractive clustering secures the high accuracy of the system identification. Consequently, this proposed model-free fuzzy motion control benefits from the advantages of two kinds of fuzzy system. It not only incorporates flexible design, good performance and simple conception but also ensures precise motion control and great robustness. Comparisons with other intelligent models and results from numerical studies on a 4-bar planar parallel mechanism show the effectiveness and competitiveness of the proposed control.     

Fuzzy adaptive single neuron NN control of brushless DC motor

Inherently, the brushless DC motor (BLDCM) is a nonlinear plant. So, it is hard to get a good performance by using the conventional PI controller for the speed control of BLDCM. In this paper, a fuzzy adaptive single neuron neural networks (NN) controller for BLDCM is developed. The fuzzy logic system (FLS) is adopted to adjust the parameter K of single neuron NN controller online. By this way, performance of the system can be improved. Performances of the proposed fuzzy adaptive single neuron NN controller are compared with the performances of conventional PI controller and normal single neuron NN controller. The experimental results demonstrate that a good control performance is achieved. The using of fuzzy adaptive single neuron NN makes the drive system robust, accurate, and insensitive to parameter variations.     

一类非线性大滞后系统自适应积分滑模控制

针对一类非线性大滞后系统, 基于伪偏导数概念的动态线性化非线性系统模型, 利用离散时间预测器技术, 实现了系统原始表达式中滞后环节的隐性表达, 并结合离散积分滑模控制(discrete integral sliding mode control, DISMC)方法, 提出了一种新的无模型自适应离散积分滑模控制(model-free adaptive discrete integral sliding mode control, MFA-DISMC)方案. 该方法的主要特点是控制器设计仅取决于被控对象的输入和输出测量数据. 通过理论分析证明了算法的稳定性, 仿真研究表明, 相比于无模型自适应控制(model-free adaptive control, MFAC)、Smith预估控制、改进的MFAC控制以及比例–积分–微分(proportional-integral-derivative, PID) 控制方法, 本文方法具有更快的响应速度和更强的鲁棒性. 最后, 通过双容水箱液位控制系统的实验研究, 验证了所提出方法的有效性.     

Fuzzy predictive PI control for processes with large time delays

This paper presents the design, tuning and performance analysis of a new predictive fuzzy controller structure for higher order plants with large time delays. The designed controller consists of a fuzzy proportional-integral (PI) part and a fuzzy predictor. The fuzzy predictive PI controller combines the advantages of fuzzy control while maintaining the simplicity and robustness of a conventional PI controller. The dynamics of the prediction term are adaptive to the system's time delay. The prediction term has two parts: a fuzzy predictor that uses the system time delay as an input for calculating the prediction horizon and an exponential term that uses the prediction horizon as its positive power. The prediction term also introduces phase lead into the system which compensates for the phase lag due to the time delay in the plant, thereby stabilizing the closed-loop configuration. The performance of the proposed controller is compared with the responses of the conventional predictive PI controller, showing many advantages of the new design over its conventional counterpart.     

网络控制系统的模糊自适应PID控制

针对网络控制系统中网络时延补偿的问题,提出了一种模糊自适应PID控制器的设计方法,通过利用在线时延估计方法对时延进行预估计,根据估计时延值在线调节PID三个参数,从而改善系统的性能。对基于控制局域网络(CAN)总线的典型工业过程进行了仿真实验。结果表明,与常规PID的控制器比较,采用设计的PID控制器能补偿网络上的时延,更加有效的抑制了时延对网络控制系统的影响并提高了系统的性能。     

网络时延的模糊逻辑补偿方法的研究

当网络应用到控制系统中时,网络将引起时延,从而对闭环网络控制系统产生一些不利的影响,比如系统性能下降,系统不稳定等。本文介绍了通过在已有的PI控制器的基础上,再增加一个模糊逻辑补偿器来补偿网络控制系统中网络所引起的时延,其优点是不需要再重新设计已有的PI控制器,而只是简单地将模糊逻辑控制器的输出作为一个参数来调节PI控制器所提供的控制信号。文中采用了MATLAB/SIMULINK仿真,仿真结果表明了该方法的有效性。     

基于改进的神经元PID的网络化控制系统

为了解决网络诱导时延给网络化控制系统(Networked Control Systems,NCSs)带来的不利影响,在分析Ethernet时延特性的基础上,提出了一种不依赖于网络诱导时延精确数学模型的改进的神经元PID控制器。该控制器利用单神经元实现自适应PID控制,利用神经元良好的学习能力克服网络化控制系统中不确定的网络诱导时延的影响。改进的神经元PID控制器根据有限的时延信息动态调整用于计算控制输出量的参数,该控制器还利用一种在线调整规则对神经元的比例系数进行在线更新,并针对Ethernet这类网络进行了仿真研究。仿真结果表明,所提出的方法能有效提高控制系统的性能。