模糊解耦控制在青霉素结晶过程中的应用

在详细分析青霉素结晶过程的基础上,针对串联解耦控制鲁棒性较差的问题,提出了模糊解耦控制方案的原理、设计,仿真结果表明该方案简单、易行,鲁棒性得到了提高.     

神经网络参数自整定PID控制在供热过程控制中的应用

目的 使供热控制技术适应大滞后、大惯性、时变对象的控制要求,提高供热控制性能以及抗干扰性.方法 采用神经网络理论与增量式PID控制相结合的智能控制方法 ,利用神经网络的自学习能力,在线整定PID三个控制参数,使系统具有更好的鲁棒性和自适应性.结果 仿真实验表明,与常规增量式PID控制效果相比,提出的控制方案使热力站二次网回水温度控制过程很快进入稳态,超调量减小3.57%,通过在线学习及自动更新Kp,Ki,Kd参数,控制系统响应速度加快,且能有效抑制扰动.结论 神经网络参数自整定PID控制算法优于常规的控制方法 ,提高了供热过程的动态和稳态性能,抗干扰能力增强,取得了良好的控制效果.     

基于神经网络的非线性预测自整定PID控制

提出在利用前馈神经网络对非线性系统建模的基础上，对系统输出实现递推多步预测，并且结合自整定PID方法，实现非线性系统控制，神经网络在线辨识时采用学习速度较快的扩展Kalman滤波方法，仿真实验表明了该方法的有效性．     

神经网络PID复合智能控制参数自整定研究

针对具有时滞一阶非最小相位系统的被控对象,提出了一种基于神经网络的PID复合智能控制设计方案,推导出复合PID控制器控制参数的整定方法.考虑到被控对象的不确定性、慢时变等特点,以神经网络元构造基于自动化复合PID控制器,解决了基于自动化复合PID控制参数在线调整的问题,使复合PID控制器适用范围更广泛.对闭环控制系统模拟结果表明,该系统控制参数整定方法简单,具有非常好的控制效果.     

基于神经网络参数自整定PID控制的应用

本文基于BP神经网络PID控制器控制校园的热水供应系统,利用神经网络的自学习能力进行PID控制参数的在线整定。对于热水供应类型的大时滞系统,BP神经网络参数自整定PID控制具有较好的控制性,并能实现较好的鲁棒性。针对该特性本文对BP网络的构造进行了大量的网络训练,获得了较好的网络权值参数与训练时间,缩短了以往BP神经网络参数自整定PID控制系统的响应时间与扰动调节时间,从而提高了该控制系统的控制精度。     

对角递归神经网络在非线性内模控制中的应用

提出一种基于对角递归神经网络的非线性内模控制方案,其内部模型和内模控制器的建立均由对角递归神经网络来实现,同时改进神经网络控制器的训练函数。仿真结果表明,改进的内模控制系统与基本BP神经网络内模控制系统相比,具有跟踪速度快,超调量小,以及对对象参数摄动具有较好的适应性。     

对角递归神经网络在非线性内模控制中的应用

提出一种基于对角递归神经网络的非线性内模控制方案，其内部模型和内模控制器的建立均由对角递归神经网络来实现，同时改进神经网络控制器的训练函数。仿真结果表明，改进的内模控制系统与基本BP神经网络内模控制系统相比。具有跟踪速度快，超调量小，以及对对象参数摄动具有较好的适应性。     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

基于神经网络和遗传算法的PID参数自整定算法

针对常规PID(proportional-integral-derivative)参数整定过程依赖被控对象的数学模型、不能灵活得到期望的性能指标等问题,提出了一种基于神经网络和遗传算法的PID参数自整定算法。该算法首先通过训练神经网络得到PID控制器参数和控制性能指标之间的映射关系;再利用遗传算法进行最优解搜索,得到全局范围内一组最优的控制器参数,使得给定的基于时域性能指标的目标函数值最优;最后,以水箱液位系统为例对所提算法进行实验验证。实验结果表明,与传统的ZN (Ziegler Nichols)参数整定法相比,所提算法整定的参数具有了更好的控制效果,同时可以通过改变目标函数中的性能指标权重系数,灵活得到不同期望的控制效果。     

神经网络PID参数自整定的应用研究

PID控制是工业控制中应用最为广泛的控制方法,但在实际应用中,其参数整定仍未得到较好的解决.本文把神经网络技术应用在PID控制中,采用BP网络对被控对象在线辨识,利用神经元自适应PID在线调整参数,构造神经网络PID自整定控制器.通过在实际交流变频调速系统上的实验表明,当突然加、减负载时,神经网络PID控制与传统PID控制相比,具有恢复时间短、超调量小等特点.     

PID自整定调节器在VAV 空调系统解耦控制中的应用

通过采用PID自整定调节器以及前馈补偿解耦网络,对变风量(VAV)空调系统中"两个空气处理机组成的耦合系统"和"风系统和水系统耦合系统"进行解耦控制.通过MATLAB仿真研究和在实际系统中的实验研究验证了调节器和解耦网络的可行性和有效性,仿真结果和实验结果令人满意,为变风量空调系统的解耦控制提供了有效的方法,为变风量空调系统的整体稳定运行奠定了基础.     

基于粒子群优化的汽温系统神经网络自整定PID控制

为了使神经网络PID取得更好的控制性能,采用改进的粒子群算法对神经网络的权值进行优化,通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象进行的仿真研究结果表明,所提出的嵌入混沌序列的小生境粒子群算法可以避免局部极小,具有全局优化的能力,对神经网络PID的权值优化是成功和有效的,使得具有多模型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。     

PID参数自整定中的新方法

PID控制是生产自动控制发展中最基本的一种控制方法,其原理简单、使用方便、适应性强,是一种目前应用最广泛的基础控制方法.但关键问题是如何方便地整定它的三个参数(比例系数Kp,积分时间常数Ti,微分时间常数Td),以使系统具有理想的性能.提出了一种以两个控制品质参数(过渡时间Ts和超调量δ)等权和最小为整定准则——控制品质加权法,通过对比分析仿真实验结果表明,该方法与ITAE相比较,其超调量减少1/2,调整时间缩短到2/3左右.     

基于BP神经网络的多变量PID解耦控制

基于神经网络实现智能PID控制的策略,它以经典的PID控制为基础,通过神经网络参数整定实现,进而进行自学习,用于多变量系统的解耦控制.论文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真.通过计算机仿真证明了基于神经网络的PID控制器网络结构简单规范具有良好的自学习和自适应解耦控制能力.系统易于实现,融解耦器与控制器于一体,适用于非线性多变量系统的解耦控制.能够使解耦后的系统具有良好的动态和静态性能,特别是依据BP控制规律来确定网络连接权的初值,还具有参数快速收敛的优点.     

船用核动力装置二回路PID神经网络解耦控制研究

直流蒸发器的船用核动力装置是一个非线性、时变及多变量强耦合的被控对象.针对该被控对象设计了改进型PID神经网络控制系统,用于船用核动力装置多变量解耦控制,该神经网络控制器不需要对系统进行辨识,在调整权值的学习过程中使控制系统具有良好的解耦控制性能.仿真结果表明,直流蒸发器压力和汽轮机转速控制之间协调性好,并具有响应速度快、鲁棒性好等特点.     

PID控制的参数模糊自整定方法

针对一般PID控制算法在线调整PID的三个参数难度较大的问题,研究了PID控制的参数模糊自整定方法,即根据偏差和偏差变化率与PID三个参数的模糊关系,进行参数模糊自整定,该方法具有通用性和适应性强,参数容易整定,控制效果好等特点。并应用在WK－1型温度控制系统上,进行了实时控制实验,取得了很好的控制效果。     

基于内模控制的PID参数整定方法研究及应用

工业生产过程中难以建立精确的数学模型,其参数往往难以整定.基于此,本文研究了基于内模控制的参数整定方法,利用减半原则将高阶含有延迟环节的模型降阶为一阶或二阶的模型,依据内模比例-积分-微分参数整定过程推导出SIMC法的整定公式进行SIMC参数整定.经仿真分析发现该方法的单位阶跃响应速度快、无振荡、超调量小,且其控制效果明显优于其他经典PID整定方法.应用此方法对精馏塔温度控制系统进行PID参数整定,由于精馏塔系统本身存在很强的耦合作用,故设计基于内模控制思想的内模解耦控制器.通过仿真结果发现无论在模型匹配还是失配的情况下,都不仅能消除回路之间的耦合作用,还能减小超调.所研究的内模解耦控制是一种先进、有效的解耦方案.     

混合神经网络建模方法在青霉素发酵过程中的应用

本文采用广义混合神经网络建模方法对青霉素发酵过程进行建模,根据青霉素发酵过程可在线测量过程参数二氧化碳生成率CER,实现青霉素发酵过程生物质浓度的测量。由仿真实验结果可以看出,该方法建模精度高、泛化能力强。     

PID控制的参数模糊自整定方法

针对一般PID控制算法在线调整PID的三个参数难度较大的问题,研究了PID控制的参数模糊自整定方法,即根据偏差和偏差变化率与PID三个参数的模糊关系,进行参数模糊自整定.该方法具有通用性和适应性强,参数容易整定,控制效果好等特点.并应用在WK-1型温度控制系统上,进行了实时控制实验,取得了很好的控制效果.     

基于BP神经网络整定的PID控制及其仿真研究

讨论BP神经网络PID控制,利用BP神经网络的自学习能力实现PID控制参数的在线整定,并使用Matlab软件进行仿真研究.仿真结果表明：基于BP神经网络的PID控制器参数调整简单,具有很高的精度和很强的适应性,可以获得满意的控制效果.