转炉炼钢智能动态终点控制

针对转炉炼钢过程复杂,影响终点因素多,而且难以进行连续准确针测量,提出了基于副枪检测信息的智能动态终点控制方法。采用灰色模型并通过神经网络进行补偿对转炉炼钢终点温度和碳含量进行预报,在此基础上,以RBF神经网络作为预设定模型,通过模糊调整确定补吹阶段需要的氧气量和加入的冷却剂量,并对一座180吨转炉进行仿真计算,结果表明了该方法的有效性。     

中厚板水幕分组冷却的最优前馈控制算法

针对中厚板水幕分组冷却系统的最优前馈控制算法进行了研究。由该算法确定水幕的开幕数、流量及水幕的排列方式 ,从而对水幕入口温度的波动进行补偿。     

带有稳定学习的递归神经网络动态偏最小二乘建模

针对目前非线性动态偏最小二乘(PLS)建模方法在拟合较强非线性化工过程时存在的问题, 提出一种基于稳定学习的递归神经网络动态PLS建模方法. 该算法将递归神经网络与Hammerstein模型相结合, 对外部PLS提取的特征向量进行内部建模, 具有逼近较强非线性化工过程的能力, 改善了模型的适用范围. 此外, 采用带有稳定学习的参数更新算法对模型参数进行在线修正, 改善了模型的预测精度和自适应能力. 将此方法应用于氧化铝生产过程铝酸钠溶液组分浓度建模实验, 仿真结果表明, 本方法是可行有效的.     

基于未建模动态补偿的一类MIMO非线性系统的自适应广义预测解耦切换控制

针对一类不确定的多输入多输出(MIMO)离散时间零动态不稳定非线性系统, 提出了一种基于未建模动态补偿的非线性广义预测解耦切换控制方法. 该控制方法要求系统的未建模动态满足线性增长条件, 放宽了未建模动态全局有界的限制. 建立了所提的自适应控制方法的稳定性和收敛性分析. 而且, 在设计广义预测解耦控制器时, 把“一一映射”与ANFIS的训练相结合来估计系统的未建模动态, 保证了ANFIS的万能逼近特性. 最后, 仿真结果验 证了所提方法的优越性.     

基于内模的机器人迭代学习控制

本文根据内模控制的概念，设计一个扰动控制器，使机器人系统表现为固定参数的解耦线性化系统．基于此线性系统，提出了一种迭代学习控制律，给出了算法收敛的充分条件．算法的参数选择非常简单，从而易于满足收敛条件．仿真结果表明了算法的有效性．     

采用国产75t/h循环流化床锅炉的单元机组 汽压自适应控制系统

在对循环流化床锅炉动态特性进行分析的基础上，结合现场实际工艺情况，提出了一种全系数汽压自动适应控制系统，现场运行收到良好的控制效果。     

模糊串级控制及其在精炼炉吹氩系统中应用

提出了通过模糊串级控制实现氩气最佳流量高定的新方法，并通过电极位置变化采用归一ＦＵＺＺＹ量化方法，实现主控制对象的的前馈补尝，通过试验证明该方法在整精炼明都能保证氩气流量的优化控制，为生产高质量的钢材提供了必要保证。     

超高功率直流电弧炉炼钢过程控制级的仿真研究

针对兰钢７０吨超高功率直流电弧炉炼钢过程计算机集散控制系统这一实际背景，侧重于对电弧炉过程级控制进行比较详细的研究，     

基于动态神经网的鲁棒直接自适应控制

基于动态神经网络，研究了一类具有未建模动态的未知多变量非线性系统的鲁棒直接自适应控制．基于Ｌｙａｐｕｎｏｖ理论得出一种鲁棒稳定的权学习算法，该算法不需要知道理想权矩阵的先验知识，并保证设计的控制器的稳定性．仿真结果表明提出的鲁棒控制算法的有效性     

一种新的时变系统极点配置自适应控制方法*

本文针对连续快时变系统，提出不要求系统参数未知部分上界的先验信息的自适应算法，得到间接自适应控制方案并且证明闭环系统稳定，仿真结果说明本文的方法有效．