模糊神经网络控制在二阶液位控制中的应用

以化工生产中典型的二阶液位控制为背景,针对大多数控制系统中存在的强耦合性,提出模糊神经网络控制(FNNC)与传统PID结合的FNNC-PID复合控制方法.对模糊系统构成、网络层的输入输出关系、网络学习算法等方面作了详细描述.该方法已成功地应用于二阶非线性液位控制系统.     

基于T-S模糊神经网络的Hammerstein模型预测控制

针对化工生产过程中强非线性、大滞后、时变特点的复杂特性,提出了一种基于T-S模糊神经网络的Hammerstein模型动态矩阵预测控制方法。采用非线性控制分离策略,应用动态矩阵控制算法计算该模型动态线性部分的中间变量,作为T-S模糊神经网络的输入,进而通过T-S模糊神经网络逆映射出控制量,以实现基于T-S模糊神经网络的Hammerstein模型预测控制。pH中和过程的仿真控制实验表明,所提方法明显优于传统的PID控制方法,具有良好的设定值跟踪及抗干扰效果。     

基于模糊神经网络PID控制的污水处理应用研究

针对活性污泥污水处理系统具有复杂的非线性和时变性,传统的控制方法存在着精度不高,自适应能力差等缺点,提出一种模糊神经网络PID控制方法,将模糊神经网络与PID相结合,既发挥了PID控制的优势,又增加了模糊神经网络自学习和处理定量数据的能力,并且其中采用了动态递归神经网络对污水处理系统进行模型辨识。该控制方法能够快速、有效地使曝气池中溶解氧浓度达到期望值,并且具有较好的控制效果与控制精度。仿真结果验证了该控制方法的有效性和正确性。     

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。     

基于神经网络模糊推理的PVC片材压延厚度控制

针对PVC片材压延过程是一个复杂的非线性过程、难以建立精确数学模型的特点,提出了厚度自动控制神经网络模糊智能方法,设计了输入为"编码"的神经网络模糊控制器。通过仿真证明了神经网络模糊控制的可行性,其控制精度优于常规方法。     

复杂过程的集成智能故障诊断技术

对于具有控制复杂,难以精确描述数学模型的复杂过程,提出基于知识的模糊神经网络故障诊断方法。故障检测由基于知识系统实现,通过过程的深层知识获得故障检测产生式规则。故障诊断功能通过模糊神经网络实现。由于该方法不需要对象的精确数学模型,为复杂过程的故障诊断提供了强有力的工具。     

基于LabVIEW多效逆流蒸发工艺液位控制的研究

针对多效逆流蒸发工艺中液位非线性、大惯性和时滞性的特点,将BP神经网络与增量式PID算法相结合,以LabVIEW为开发平台,实现了多效逆流蒸发过程液位控制的动态仿真。基于物料衡算和热量衡算,建立三效逆流蒸发液位的数学模型,通过液位仿真证明基于LabVIEW实现BP神经网络PID控制系统在多效蒸发液位控制中具有良好的自适应性和鲁棒性。     

基于神经网络的热风炉的模糊控制

针对热风炉燃烧控制的特点,将模糊控制技术与神经网络技术相结合,提出了一种基于模糊神经网络的热风炉燃烧控制方法。该方法充分考虑了系统非线性、难以建模和具有强耦合性的特点,应用模糊神经网络对模糊规则进行快速提取,通过模糊学习,解决了模糊控制应用中规则难以获取的问题。     

基于多目标的模糊神经网络及在pH控制过程中的应用

设计了一种基于多目标的动态模糊递归神经网络（FRNN）建模方法,用于pH中和过程的广义预测控制。所设计的多目标优化算法以提高拟合精度和简化网络结构为原则,同时优化模糊神经网络中的模糊规则数、隶属度函数中心点及其宽度,由此得到的FRNN模型可以高精度拟合pH中和过程。依据该动态模型,在控制过程的每一个控制周期得到其局部线性模型,将广义预测控制中复杂的非线性优化问题转化为简单的二次线性规划问题。仿真对比结果验证了所提方法的有效性。     

典型大时变时滞系统神经网络模糊PID控制及应用

针对典型大时变时滞系统,设计了一种基于神经网络的模糊PID控制器.该控制器综合模糊逻辑、神经网络与PID调节的各自优点,既具有模糊控制简单和有效的非线性控制作用,又具有神经网络的学习和适应能力,同时还具备PID控制的广泛适应性.该控制器能实现系统参数大范围失配情况下的闭环鲁棒稳定,并使闭环系统达到设定值无静差跟踪及满意的动态性能.     

非线性液位系统的反馈线性化控制

为了更好地研究非线性液位系统在工作点大范围变化时的控制问题,对A3000过程控制装置中非线性单容水箱的液位控制进行了研究。建立了精确的单容水箱模型,提出了一套基于传统PID控制的反馈线性化控制方案,并在Freelance 800F DCS中成功进行了组态和调试,验证了反馈线性化控制方案在非线性液位系统中的可行性和优越性。     

多液位与加热炉复合系统的协调控制

多液位与加热炉复合系统是一类具有液位和加热炉支路间的强耦合性及大滞后与非线性等特性的复杂工业过程。针对这类系统的多液位控制与加热炉支路温度平衡控制问题,根据解耦与平衡的思想,提出了一种基于总容量平衡的变周期液位控制的协调控制方法,从结构上实现了多液位控制与支路温度平衡控制的分离,耦合性分析也说明了方法的可行性,最终实现了复合系统的整体协调控制。基于HYSYS流程模拟的仿真实验表明了所提出控制方法的有效性。     

基于递归模糊神经网络的污水处理控制方法

针对污水处理过程具有非线性、大时变等问题,提出了一种基于递归模糊神经网络的多变量控制方法。该方法通过递归模糊神经网络控制器自适应地获得对操作变量的控制精度,控制器在常规BP学习算法的基础上采用学习率自适应学习算法且引入了动量项来训练网络参数,避免网络陷入局部最优,提高了网络对系统的控制精度。最后,基于仿真基准模型(BSM1)平台对第五分区中的溶解氧和第二分区中的硝态氮控制进行动态仿真实验,结果表明,与PID、前馈神经网络和常规递归神经网络相比,该方法能有效提高系统的自适应控制精度。     

基于自适应神经模糊推理系统的磁悬浮电动机控制

磁悬浮电动机是一个非线性、强耦合的复杂系统,阐述了它的工作原理并建立了数学模型,为使该系统具有良好的动态性能和稳定性,采用逆系统方法解耦线性化,然后以解耦后的伪线性子系统为对象,设计了神经模糊PID控制器,该控制器利用PID算法实现控制的准确性,利用模糊控制的逻辑能力和神经网络的自学习能力来提高控制的快速性和自适应性.仿真结果表明,采用神经模糊PID控制响应快、无超调、过渡时间短,实现了预期目的.     

基于模糊神经网络的注塑机料筒温度控制策略

针对注塑机料筒温度控制系统的耦合性和非线性,将模糊算法与神经网络算法的优点相结合,设计了模糊神经网络解耦控制器,提高了料筒的控制精确性和稳定性。将料筒其它区间温度的耦合影响作为系统干扰,然后利用模糊控制对温度误差进行调节和温度耦合干扰进行补偿,同时利用神经网络进行学习和优化模糊控制规则,提高了系统控制精度和补偿精度,成功地将料筒温度控制过程转变为无耦合系统。MATLAB仿真结果表明:模糊神经网络控制器能够补偿温度区间耦合和不确定因素所产生的干扰影响,具有很好的解耦能力、抗干扰能力和模型失配鲁棒性,提升了注塑机料筒温度控制的精确性和稳定性,验证了该策略的实用性和有效性。     

基于神经网络和多模型的非线性自适应PID控制及应用

针对一类未知的单输入单输出离散非线性系统,提出了基于神经网络和多模型的非线性自适应PID控制方法。该方法由线性自适应PID控制器、神经网络非线性自适应PID控制器以及切换机构组成。采用线性自适应PID控制器可保证闭环系统所有信号有界;采用神经网络非线性自适应PID控制器可改善系统性能;通过引入合理的切换机制,能够在保证闭环系统稳定的同时,提高系统性能。理论分析表明,该方法能够保证闭环系统所有信号有界,如果适当地选择神经网络的结构和参数,系统的跟踪误差将收敛于任意给定的紧集。将所提出的方法应用于连续搅拌反应釜,仿真结果验证了所提出方法的有效性。由于该方法基于增量式数字PID控制器,在工业过程中有着广阔的应用前景。     

炼焦生产过程质量产量能耗的集成优化控制

针对炼焦生产过程强非线性、大时滞等特点,基于过程参数的主元分析和灰色关联分析,建立了焦炭质量、产量及焦炉能耗的神经网络预测模型和以焦炭质量为约束条件,产量、能耗为目标函数的优化控制模型。提出一种融合模糊C均值聚类粗优化和差分进化细优化的集成优化控制方法,进行过程参数的优化并给出操作优化指导。系统仿真结果表明,该方法能有效地抑制工况的波动,达到高产、优质、低耗的生产目标,为复杂工业过程的建模和优化控制提供了一种新思路。     

RBF网络模型在预测函数控制中的应用

对三容液位系统的非线性复杂特点,利用RBF网络对系统建立预测模型,着重分析了RBF网络结构的选取、模型参数辨识以及网络优化的问题.通过预测函数控制验证了RBF网络模型在非线性系统建模中的优越性.     

基于A3000过程控制装置的智能控制系统

针对只能开设常规控制实验,而无法开展智能控制实践教学的现状,运用Step7和组态王软件,在已有的A3000过程控制实验装置的基础上设计双容液位模糊PID控制系统。着重介绍该系统的模糊PID控制策略、程序开发、监控界面设计及系统运行调试等。     

网络PID在协调控制系统中的研究

本文针对大型单元机组协调控制对象复杂、非线性、大滞后、模型难以建立等特点,设计了神经网络PID控制策略,用神经网络在线调整PID控制器的比例、积分和微分的系数。利用神经网络可以在一定条件下逼近非线性系统的特点,很好的解决了传统PID控制参数整定难以达到最优状态的缺点。将该控制策略应用于某火电厂协调控制系统中,取得了良好的控制效果。