基于多层局部回归神经网络的多变量非线性系统预测控制

以罐式搅拌反应器为例,针对复杂多变量系统的强耦合性、非线性、时变性等问题,研究了多变量非线性系统的预测控制及改善控制性能的方法,采用多层局部回归神经网络离线建立预测模型,以偏差补偿和模型修正相结合的方式对预测模型进行误差补偿,以要线校正用于预测控制,通过对性能指标中的偏差项负指数加权,进一步改善预测控制性能,住址结果表明了控制算法的有效性。     

一种改进的自抗扰解耦方法及其应用仿真

针对一类多入多出系统的解耦问题,提出了一种基于扩张状态观测器(ESO)的动态解耦方法。将系统输入变量间的耦合作用,被控对象参数时变和外界干扰视为一个总的扰动,用ESO估计扰动并反馈到控制器进行补偿,从而实现动态解耦,对解耦后的子系统按照极点配置方法设计出控制器。采用参数动态确定法确定ESO的参数。上述动态解耦方法简化了解耦过程,放松了对系统模型精度的要求,计算量小,响应速度快,鲁棒性强。并通过对常压蒸馏塔模型进行仿真控制,并与模糊PID解耦控制方法对比,结果表明本方法有效可行。     

一种基于反推技术和ESO补偿的解耦控制方法

针对一类非线性多入多出系统,设计了一种新的解耦控制器.首先采用反推技术设计每一个子系统的等效输入;然后用扩张状态观测器(ESO)对各个子系统的耦合、外扰和参数时变等不确定作用进行动态估计,并把估计值引入到反推控制器中进行补偿,最终实现解耦和摔制.利用Lyapunov稳定性理论证明了该方法的收敛性;数例仿真表明了该方法可获得较快的响应速度及较好的解耦效果和鲁棒性.     

基于Laguerre模型的预测函数控制及其稳定性分析

基于Laguerre模型设计了一种自适应预测函数控制器.通过对闭环系统状态方程的稳定性分析.依据Lyapunov稳定性定理和奇异值理论得到控制系统稳定的必要条件.提出一种衰减因子校正方法,并使用遗传算法在线寻优调节衰减因子,以提高控制品质.仿真研究表明该控制算法稳定性强、在线计算量小.     

永磁同步电动机的参考模型逆线性二次型(MR-ILQ)最优电流控制跟踪鲁棒性

过渡响应的鲁棒性反映输出误差的最大瞬时值. 利用l_∞范数和线性矩阵不等式(LMI), 给出了评价电流控制系统鲁棒跟踪性能的方法. 采用该方法直接评价了电流控制系统的跟踪鲁棒性能. 以内埋式永磁同步电动机为例, 对阶跃和正弦电流给定信号下的最优电流控制系统以及调速系统进行了仿真研究, 结果表明合理的控制器参数选择, 使系统能实现电流的准确跟踪以及精确的速度控制, 对参数变化和负载扰动具有很强的鲁棒性.     

改进的时变时滞不确定离散系统的鲁棒稳定性分析

研究了一类具有区间时变时滞的不确定离散时间系统的鲁棒稳定性问题.首先,将时滞区间分成两个子区间,在不同的子区间上通过构造不同的Lyapunov泛函,再结合一个更紧的不等式,在没有忽略任何有用项的前提下,得到了基于线性矩阵不等式形式的时滞相关的稳定性判据.证明过程既没有利用模型变换也没有引进自由权矩阵,降低了结论的保守性和计算量.数值算例说明了该方法的有效性.     

可控受限多变量耦合系统的智能控制

针对可控受限多变量耦合系统,提出了一种基于对角递归神经网络(DRNN)整定的PID混合解耦控制。采用对角递归神经网络来辨识系统模型,进而对PID控制器参数进行整定,实现多变量解耦控制。通过对多变量耦合控制系统的设计和实时控制,实际控制结果达到了解耦控制的要求,并具有无超调、响应速度快、控制精度高等特点。     

过热汽温的稳定自适应预测函数控制

针对火电厂锅炉过热蒸汽温度的动特性设计了一种基于Laguerre模型的稳定自适应预测函数控制器。通过对闭环系统状态方程的稳定性分析，依据Lyapunov稳定性定理得到了控制系统稳定的必要条件。对于不同负荷情况下模型发生跳变所引起的不稳定，该文提出一种衰减因子补偿校正方法，并使用混沌算法在线寻优调节衰减因子，提高了控制品质。仿真研究中根据多模型切换性能指标函数来判断模型跳变，当负荷变化时，在线辨识模型参数，得到较好的控制结果，证明该算法的有效性。     

永磁同步电动机参考模型逆线性二次型最优电流控制调速系统

提出永磁同步电动机参考模型逆线性二次型(MR-I LQ)最优电流控制调速系统的结构、数学模型，设计最优电流控制调速系统的控制器，分析系统的稳定性和跟踪性能。绘制了MR-ILQ最优电流控制系统的根轨迹，给出保证系统电流控制最优性的增益调整参数的条件和保证系统实现电流准确跟踪的误差调整补偿器的取值规律。以内埋式永磁同步电动机为例。对系统进行了仿真研究，结果表明：系统对参数变化和负载扰动具有很强的鲁棒性，可以实现高精度的电流控制和速度控制；MR-ILQ最优电流控制调速系统的鲁棒性远远优于比例积分PI电流控制调速系统；给出的MR-ILQ最优电流控制增益调整参数和误差调整补偿器的理论确定方法与仿真试验相吻合。     

热轧带钢卷取温度的模糊神经网络预测函数控制

本文采用T S模糊神经网络建立了热连轧带钢卷取温度控制模型，并在该模型的基础上提出了一种在线计算量较小、计算速度较快的预测函数控制算法．应用该算法对热连轧带钢卷取温度的精冷区控制进行了仿真研究；结果表明，该控制器能够把带钢卷取温度控制在预定的范围内，控制精度能够满足生产要求．