模糊PID控制在循环流化床锅炉燃烧系统中的设计 及仿真

基于循环流化床锅炉（CFBB）燃烧系统非线性、多变量、大时滞等特点,本文提出采用模糊PID控制方案对循环流化床锅炉燃烧系统进行优化控制,并与常规PID控制器进行仿真对比。结果表明,模糊PID控制器的控制效果较常规PID要好。     

CFBB主汽压力模糊控制的设计与实现

针对循环流化床锅炉燃烧系统大滞后、强耦合、非线性等特点,给出了一种模糊控制方案。通过设置合理的模糊规则库参数,实现了工况稳定时锅炉燃烧系统的自动控制。该方案控制效果好,对被控对象的不良变化具有较强的鲁棒性。这一难题的研究对同类型的工程具有一定的参考价值。     

循环流化床锅炉模糊控制系统设计

循环流化床锅炉是一个分布参数、非线性、时变、大滞后、多变量紧密耦合的被控对象，常规控制方法难以取得理想的控制效果。结合循环流化床锅炉动态数学模型，提出采用模糊控制和广义预测控制相结合的新控制思路。针对床温和主汽压的强耦合，设计了基于广义预测控制的指导系统，实现了床温和主汽压的解耦协调控制。该控制系统有效地解决了循环流化床锅炉控制中的难点问题，取得了满意的控制效果。     

模糊控制在循环流化床锅炉床温控制中的应用

在分析研究循环流化床锅炉床层温度被控对象动态特性的基础上,提出一种新型模糊自适应PID床温控制系统的设计方法。这种方法直接将影响研究对象特性的工况参数与控制系统的控制器参数联系起来,建立模糊粗调机制,然后根据实际系统误差及其变化率进一步微调控制器参数。仿真结果表明,用这种方法建立的床温控制系统具有较好的控制品质和较强的自适应能力。     

循环流化床锅炉专家控制系统在DCS中的应用

分析循环流化床锅炉燃烧控制系统运行特性、控制系统特点．详细阐述了循环流化床锅炉燃烧控制系统的模糊专家控制算法以及在集散控制系统JX-300X上的实现．采用专家控制系统对75t／h循环流化床锅炉燃烧过程进行自动控制后提高了锅炉的控制效果和系统的运行可靠性．     

基于ITAE最优控制律的CFB锅炉优化控制

在循环流化床(CFB)锅炉燃烧自动控制系统中,床温与主蒸汽压力耦合比较严重,常规控制算法的控制效果不是很理想。通过分析CFB锅炉的燃烧机理和动态特性,设计了部分前馈解耦控制器,实现了床温和主蒸汽压力的解耦。解耦后得到两个一阶惯性大迟延系统模型,针对CFB锅炉燃烧系统纯迟延较大对控制带来的挑战,应用ITAE最优控制率,对工业现场最常见的PI控制回路进行二次优化控制,并给出了控制器参数的求取方法。仿真结果说明该方法优化的结果各个性能指标较好。此优化方法算法简便,控制效果理想,且适合工程应用。     

基于Smith预估的神经网络循环流化床锅炉床温控制

料床温度是循环流化床锅炉正常运行的一个重要指标,它影响着锅炉的燃烧效率和污染物排放速率。在燃烧过程中,它具有时变性、大惯性和大滞后的特点。针对这一问题,将BP-Smith预估控制算法应用于循环流化床锅炉床温控制,该算法基于BP整定的PID控制,提高对被控对象参数变化的自适应能力和Smith预估控制能够克服对象的大迟延特性,并对BP-Smith预估控制进行了仿真。仿真结果表明,所设计的控制系统性能均优于常规PID控制和Smith预估补偿PID控制系统。     

神经网络解耦控制系统的分析

本文基于神经网络的理论研究提出了一种新的神经网络解耦控制方法，该方法以被控对象的一组实测数据作为样本，训练出用神经网络描述的逆动力学模型，并将它作为解耦控制器投入到控制系统中，对其二元精馏塔控制的仿真结果表明该方法是切实可行的。     

循环流化床锅炉优化燃烧控制方法

针对循环流化床锅炉燃烧特点,以75h／t循环流化床锅炉控制为例,通过深入现场,吸取锅炉设计制造专家及熟练操作人员的控制经验,提出了炉内燃烧控制系统参数的处理优化方案,完善循环流化床锅炉实现燃烧控制效果。     

一种多变量自抗扰控制结构的设计研究

自抗扰控制器(active disturbance rejection control,ADRC)不依赖于被控系统的完全模型,采用扩张状态观测器(extended state observer,ESO)对系统的内扰和外扰进行实时估计,因而能取得较为理想的抗干扰效果。对于多变量系统,分散ADRC可以将通道之间的耦合看成扰动,通过各自通道的ESO进行估计。对于强耦合的多变量系统,分散ADRC可能不能及时消除耦合。本文提出一种多变量型ADRC控制结构,将静态解耦引入到ADRC控制器设计中,从而能充分利用系统已知动态特性,实现更好的解耦。采用所提方案对循环硫化床锅炉燃烧系统设计多变量ADRC控制方案,仿真结果表明该控制器具有很好的解耦性和鲁棒性。     

Neural network modeling and control of proton exchange membrane fuel cell

A neural network model and fuzzy neural network controller was designed to control the inner impedance of a proton exchange membrane fuel cell (PEMFC) stack. A radial basis function (RBF) neural network model was trained by the input-output data of impedance. A fuzzy neural network controller was designed to control the impedance response. The RBF neural network model was used to test the fuzzy neural network controller. The results show that the RBF model output can imitate actual output well, the maximal error is not beyond 20 m-, the training time is about 1 s by using 20 neurons, and the mean squared errors is 141.9 m-2. The impedance of the PEMFC stack is controlled within the optimum range when the load changes, and the adjustive time is about 3 min.     

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.     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.     

汽车半主动悬架神经模糊融合网络控制

针对汽车半主动悬架模糊控制器的模糊控制规则无法有效调整的问题,建立了两自由度1/4车辆模型.利用白噪声模拟路面激励并作为系统的输入,将人工神经网络与模糊逻辑控制相融合,采用人工神经网络模拟模糊控制过程,实现了模糊规则的自适应调整.将直接控制力作为参考控制力对神经网络进行训练,输出控制力结合开关控制策略实现悬架的半主动控制.仿真分析表明,神经模糊融合网络控制器相对于模糊控制器和被动悬架,使悬架性能得到了显著的改善.     

基于模糊神经网络的非线性系统预测函数控制研究

针对预测函数控制难以很好地实现非线性系统控制的问题,将模糊神经网络与预测函数控制相结合,设计一种基于模糊神经网络的非线性系统的预测函数控制器。用模糊神经网络辨识非线性系统的模型,辨识结果送到预测函数控制中,从而得到预测模型,最终得到最优的控制量。通过Matlab计算机仿真,可以看出此控制器对于非线性系统具有良好的控制效果和鲁棒性。     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

基于模糊-RBF神经网络优化的PID控制

采用模糊控制和RBF神经网络训练相融合的方法,应用于对PID控制器参数的调整中,对非线性系统的控制仿真试验结果表明,该方法的控制性能优于单独采用RBF神经网络的控制。     

基于神经网络参考模型的船舶航向智能自适应控制系统

为使船舶能在不同状态和环境下按所希望的要求改变船舶的航向，提出了一种基于神经网络参考模型的船舶航向智能自适应控制算法，利用神经网络建立了参考模型和船舶航向运动的辨识模型。并将模糊控制与神经网络相结合，设计了模糊神经网络控制器。利用神经网络的学习功能对控制器的隶属度函数及推理规则进行修正，以提高其自适应能力。仿真结果表明该算法对船舶转向控制有良好的效果。