Fuzzy-PI控制在主汽温对象中的仿真应用

在电厂安全稳定运行中,主汽温度是重要的参数之一。汽温过高或过低,都将给安全生产带来不利影响。针对火电厂主汽温对象大迟延,时变性的特点,将传统的PID控制器与模糊控制器相结合,构成了一种Fuzzy-PI复合主汽温控制系统,从而充分利用了模糊控制的动态特性好和PID调节能消除静差的特性。仿真结果表明,Fuzzy-PI复合主汽温控制器在控制品质上优于常规PID控制系统。     

模拟复合正交神经网络在轴向磁轴承中的控制研究

由于磁轴承的动态性能主要取决于所采用的控制规律,控制器是磁轴承系统的关键.在数字复合正交神经网络(NN)的基础上,提出了一种模拟复合正交神经网络,并用于轴向磁轴承的控制中.控制器采用模拟复合正交神经网络与PID的并行控制方法,对带有负载干扰的轴向磁轴承控制系统作了PID控制与NN PID控制的仿真实验.仿真结果表明,相对于常规PID控制器,该并行控制法具有较高的抗干扰与自适应能力-控制效果理想.     

玻璃钢化炉温控制策略与Fuzzy-PI模糊控制技术

本系统采用模糊控制技术,结合传统PID算法,设计Fuzzy-P控制器,从而实现加热段温度的自动控制.以温度偏差和温度偏差变化率为输入,控制量为输出,经模糊化、模糊控制规则库的建立、模糊推理、解模糊化,完成模糊控制器的设计并进行了测试,结果表明Fuzzy-PI制比单纯的PID控制具有更好的动态响应特性和鲁棒性.     

风力发电偏航系统的PID-Fuzzy分段复合控制研究

风力发电机的偏航系统是一个典型的非线性系统,且难以建立精确的数学模型.采用常规的PID控制很难对系统取得良好的控制效果.为了解决这一难题,针对偏航系统设计出PID和模糊控制相结合的分段复合控制器,该控制器不需要被控对象的精确数学模型.由于在整个控制过程中的不同阶段采用不同的控制方式,即继承了常规PID控制无静差、静态稳定性好的特点,同时有兼有模糊控制适应能力强、动态性能好的优势.通过MATLAB仿真实验表明,该分段复合控制器能够满足偏航系统的控制要求,并取得了良好的控制效果.     

一类切换模糊PID控制器设计及其仿真

提出了一类高动态性能切换模糊PID控制器设计方法.通过对传统PID控制中比例控制和微分控制作用的分析,结合模糊PID控制器鲁棒性能和自适应性好的优点,设计了一类新的模糊控制器.由于该类控制器先后经历比例控制,微分控制和模糊PID控制的切换,使被控系统不仅具有一般模糊PID控制器的所具有的良好的鲁棒性能和自适应性,而且与一般模糊控制器相比具有更小的超调量和调节时间,是一类动态性能良好的控制器.最后将该控制器应用于一伺服系统进行仿真对比,并给出了Simulink仿真框图.仿真结果说明了该控制器的优越性.     

基于模糊推理的热轧带钢宽度控制

带钢热连轧宽度控制过程是一个复杂的非线性过程、难以建立精确的数学模型,对于传统的数学模型的轧机计算很难实现精度要求.设计一种用于宽度控制的模糊控制器.模糊控制器根据推理规则获得控制系统的查询表.并用Matlab语言的Simulink仿真工具,进行了常规控制与模糊控制的动态性能的仿真比较,结果表明模糊控制可明显提高宽度控制系统的动态性能.     

减振复合钢板生产中树脂恒温控制方法研究

分析了减振复合钢板生产中树脂加热过程,建立被控对象在小偏差情况下的数学模型,并研究采用模糊-PID联合控制器实现树脂材料的恒定温度控制方案,在系统存在较大偏差时采用Fuzzy控制加快系统响应速度,当系统偏差较小时采用PID控制以获得较好的控制精度.最后对该方案仿真结果与纯PID和模糊控制方案进行对比分析,得出模糊PID联合控制器适于减振复合钢板树脂恒温控制.     

驾驶机器人油门机械腿控制模型的建立

建立了描述驾驶机器人油门机械腿动态物理规律的数学模型,得出了控制系统的传递函数,采用PID控制方法设计了系统的控制器.采用临界比例度法初步确定PID控制器的参数,然后根据初步确定的参数利用Simulink对控制系统进行仿真,观察仿真结果进一步调整并确定PID控制器的参数.     

飞行姿态模拟器建模及输入受限混杂控制

为进行飞行姿态仿真研究,基于dSPACE建立了地面飞行姿态半物理仿真模拟系统,运用混杂不变集原理和无源控制器设计方法对有界高阶耦合非线性系统进行鲁棒控制器设计.使用Lagrange法建立了具有控制约束的非线性Euler-Lagrange (EL)动力学模型;利用EL系统内在特性,基于非线性状态依赖动态脉冲系统的不变集原理的有关结果和混杂能量控制方法,设计了输入受限的非线性混杂控制器,并进行了数学仿真.最后,将所设计的混杂控制器应用于地面飞行姿态模拟器中进行了半物理仿真实验,得到的动态响应时间为20 s,稳态精度优于5%,超调量约为25%,在外加扰动作用时仍能实现稳定调节.结果表明,给出的饱和控制算法可靠性较强,对系统参数误差和外干扰具有鲁棒性.     

阳极焙烧排烟架的模糊PID复合控制

阳极焙烧系统是一个具有耦合、大时滞、非线性的控制系统,其中排烟架是阳极焙烧系统的重要组成部分。针对系统存在的滞后及时变问题,该文采用稳态、动态性能较好的复合模糊控制器对其进行控制。通过仿真及运行的结果可以表明,复合模糊控制效果明显优于传统的PID控制,提高了控制系统的稳定性和鲁棒性。     

Sliding mode controllers for a tempered glass furnace

This paper investigates the design of two sliding mode controllers (SMCs) applied to a tempered glass furnace system. The main objective of the proposed controllers is to regulate the glass plate temperature, the upper-wall temperature and the lower-wall temperature in the furnace to a common desired temperature. The first controller is a conventional sliding mode controller. The key step in the design of this controller is the introduction of a nonlinear transformation that maps the dynamic model of the tempered glass furnace into the generalized controller canonical form; this step facilitates the design of the sliding mode controller. The second controller is based on a state-dependent coefficient (SDC) factorization of the tempered glass furnace dynamic model. Using an SDC factorization, a simplified sliding mode controller is designed. The simulation results indicate that the two proposed control schemes work very well. Moreover, the robustness of the control schemes to changes in the system׳s parameters as well as to disturbances is investigated. In addition, a comparison of the proposed control schemes with a fuzzy PID controller is performed; the results show that the proposed SDC-based sliding mode controller gave better results.     

汽车底盘系统分层式协调控制

将汽车底盘控制系统分成上层与下层控制部分进行分层式协调控制.下层控制器为悬架、转向和制动系统三个单独的控制器,用以执行各子系统的控制任务,实现各自的性能指标;上层协调器主要接受来自下层控制器的决策信息,对其进行整体协调分析,并及时修改下层控制的决策,从实现整车综合性能最优的目标出发来执行协调优化任务.仿真及试验结果表明,采用分层式协调控制策略对汽车底盘系统进行控制,能够很好地改善整车的平顺性、安全性及操纵稳定性,控制效果要优于采用单独的子控制器的控制效果.     

联合收割机双闭环负荷控制系统的设计

联合收割机是一个高阶时变非线性系统,存在大滞后,工况复杂,简要分析联合收割机数学模型及作业期间可能存在的各种内部、外部扰动。针对收割机负荷控制系统中利用一个控制器综合多个扰动,各参数相互影响,参数调整困难,系统动态性能不够好的问题,提出一种双闭环负荷控制系统,将收割机系统分为行走、作业两部分,分别利用车速闭环和滚筒转速闭环进行控制。车速闭环采用单神经元比例积分微分(Proportion,integration,differentiation,PID)算法,根据车辆行走系统的工况变化不断调整控制参数,尽可能跟踪给定车速。滚筒转速闭环采用直接广义预测控制算法,也可自动适应系统参数和工况的变化,保证滚筒恒定在最佳转速。整个控制算法实时计算量较小,可保证系统具有足够高的实时性。仿真和试验证明双闭环负荷控制系统能获得较高的控制精度和优良的动态特性。     

Application of infinite model predictive control methodology to other advanced controllers

This paper presents an application of most recent developed predictive control algorithm an infinite model predictive control (IMPC) to other advanced control schemes. The IMPC strategy was derived for systems with different degrees of nonlinearity on the process gain and time constant. Also, it was shown that IMPC structure uses nonlinear open-loop modeling which is conducted while closed-loop control is executed every sampling instant. The main objective of this work is to demonstrate that the methodology of IMPC can be applied to other advanced control strategies making the methodology generic. The IMPC strategy was implemented on several advanced controllers such as PI controller using Smith-Predictor, Dahlin controller, simplified predictive control (SPC), dynamic matrix control (DMC), and shifted dynamic matrix (m-DMC). Experimental work using these approaches combined with IMPC was conducted on both single-input-single-output (SISO) and multi-input-multi-output (MIMO) systems and compared with the original forms of these advanced controllers. Computer simulations were performed on nonlinear plants demonstrating that the IMPC strategy can be readily implemented on other advanced control schemes providing improved control performance. Practical work included real-time control applications on a DC motor, plastic injection molding machine and a MIMO three zone thermal system.     

基于Narendra稳定自适应控制器交流伺服电机的控制

交流伺服电机在实际运行的过程中负载的变化,负载的变化导致控制系统参数发生改变,如系统的频率、阻尼等。针对这些本身参数发生的变化系统,变化较小时,简单的控制器对控制结果影响不大,但控制很难对其变化进行调节控制,人工智能控制器可自动适应负载的变化,而神经网络、模糊控制等,但这些控制器存在结构复杂,调整时间长等,实际应用中得不到很好的应用。利用自适应控制设计方法,将系统转换成线性的可控系统,并引入不确定参数构造控制器的自适应估计律,实时对未知参数进行调整,保证整个闭环系统的动态品质。为提高系统的动态控制品质,引入Narendra稳定自适应控制器对交流伺服电机控制进行控制,利用不同的输入信号对控制进行测试,结果表明,Narendra稳定自适应控制器对交流伺服电机控制系统具有良好的控制性能。     

New hybrid adaptive neuro-fuzzy algorithms for manipulator control with uncertainties–Comparative study

Control of an industrial robot includes nonlinearities, uncertainties and external perturbations that should be considered in the design of control laws. In this paper, some new hybrid adaptive neuro-fuzzy control algorithms (ANFIS) have been proposed for manipulator control with uncertainties. These hybrid controllers consist of adaptive neuro-fuzzy controllers and conventional controllers. The outputs of these controllers are applied to produce the final actuation signal based on current position and velocity errors. Numerical simulation using the dynamic model of six DOF puma robot arm with uncertainties shows the effectiveness of the approach in trajectory tracking problems. Performance indices of RMS error, maximum error are used for comparison. It is observed that the hybrid adaptive neuro-fuzzy controllers perform better than only conventional/adaptive controllers and in particular hybrid controller structure consisting of adaptive neuro-fuzzy controller and critically damped inverse dynamics controller.     

基于内模电流控制的交流感应电机矢量控制系统

从同步速d—q坐标系下异步感应电机动态模型和异步电机矢量解耦控制的基本原理出发,引入了内模控制方法,设计了基于转子磁链定向和内模控制的定子电流调节器。考虑到实际系统中异步感应电机磁场会随着电机负载（转矩）变化而呈不同程度的饱和而导致电机参数的非线性,分析了电流内模控制器对这种非线性参数的鲁棒性。在此基础上建立了整个异步感应电机矢量控制仿真系统,并分别对忽略磁路饱和和考虑磁路饱和两种情况下的系统进行了仿真和分析。仿真和分析结果表明,电流内模控制调节器在模型匹配和失配下均能提供良好的转矩动、静态解耦效果。     

基于LADRC的电动舵机高动态控制方法

自抗扰控制(Active Disturbance Rejection Control,ADRC)继承了PID控制基于误差反馈的优点,在控制中不需要模型的先验知识,并结合了经典调节理论与现代控制理论各自的优点,因而在实际工程中得到了广泛应用。文中分析了电动舵机传统PID控制中存在的动态响应慢和抗扰能力弱的问题;建立了基于直接转矩控制的舵机系统数学模型;设计了线性扩张状态观测器,并给出了观测器参数的简便确定方法,通过观测器观测出的扰动将系统补偿为串联积分器的形式;采用不同的控制器对补偿后的系统进行稳定性分析,根据稳定性和实现难易程度,决定采用比例微分负反馈控制器。最后对设计的观测器和控制器进行了仿真,仿真结果表明,设计的观测器和控制器与传统PID控制相比在动态响应和抗扰能力上都具有巨大的优势。     

模糊自适应PID控制的仿真研究

首先介绍了PID控制系统的工作原理,因PID控制器结构简单、实现简单,控制效果良好,所以已得到广泛应用。但当控制对象变化时,控制器的参数难以自动调整。为了使控制器具有较好的自适应性,可以采用模糊控制理论的方法来实现控制器参数的自动调整。模糊PID控制系统就是模糊理论与传统的PID控制器的结合。最后以一控制对象为例,对该两种方式的控制进行了仿真和比较,并得出了相应的结论。     

Neural network controller for robotic motion control

Since a robotic manipulator has a complicated mathematical model, it is difficult to design a control system based on the complicated multi-variable nonlinear coupling dynamic model. Intelligent controllers using fuzzy and neural network approaches do not need a real mathematical model to design the control structure and have attracted the attention of robotic control researchers recently. A traditional fuzzy logic controller does not have learning capability and it needs a lot of effort to search for the optimal control rules and the shapes of membership functions. Owing to the time-varying behaviour of the system, the required fine tracking accuracy is difficult to achieve by adjusting the fuzzy rules only. The implementation problems of neural network control are the initial training and initial transient stability. In order to improve the position control accuracy and system robustness for industrial applications, a neural controller is first trained off-line by using the input and output (I/O) data of a traditional fuzzy controller. Then the neural controller is implemented on a five-degrees-of-freedom robot with a back propagation algorithm for online adjustment. The experimental results show that this neural network controller achieved the required trajectory tracking accuracy after 15 on-line operations.