二次调节扭矩加载系统解耦控制的研究

针对静液驱动二次调节双通道扭矩加载系统中两通道间转矩耦合的具体情况,首先将其分解为两个单变量控制系统,并采用了动态矩阵解耦控制算法。这种方式只需采用二次元件的转矩信号;同时,控制算法结构简单,对于模型要求低,可调参数少,计算量少,易于在线实施。试验结果表明,该方法具有较好的解耦效果。     

逆系统理论在放卷张力系统控制中的应用

放卷系统是印刷机产生印刷张力的最主要部件,呈现出典型的多输入、多输出、非线性、强耦合的特性,保持放卷系统的张力稳定是保证印刷质量的关键所在。根据逆系统理论进行了放卷张力系统的解耦和线性化控制研究,根据放卷系统的特点,通过一系列控制量变换将耦合的非线性放卷张力系统变换为两个二阶伪线性系统,实现了放卷张力系统的解耦和线性化。通过引入主动阻尼来增强伪线性系统的抗扰动性能,并通过对伪线性系统设计附加的PID控制器来提高张力控制的性能。仿真结果表明,提出的逆系统解耦控制策略能够消除放卷张力系统变量之间的耦合作用,实现放卷张力系统的解耦控制。引入主动阻尼后设计的PID控制器,使张力控制达到了理想的效果。     

热连轧活套系统解耦控制

热连轧机中的活套系统是多变量强耦合、非线性、多约束的复杂对象,其解耦控制问题一直是控制界关注的热点。采用PID神经元网络解耦控制方法来消除活套高度和轧件张力之间的耦合,PID神经元网络连接权值由粒子群算法进行学习优化。仿真结果表明所建模型和所提出控制方法的有效性。新的方法可在大范围内克服系统的非线性和强耦合问题,具有较强的鲁棒性。     

基于单神经元自适应PID的精确流量控制

针对某流量标定系统中的精确流量控制问题,对流量对象的动态特性和稳态特性进行实验研究,分析了影响流量控制精度的原因.给出了一种基于改进单神经元自适应PID控制算法的精确流量控制方案.改进算法采用当前时刻之前的所有输出误差和控制增量加权平方和构成新的目标函数,利用牛顿法推导了采用新的目标函数的单神经元自适应PID控制算法的计算公式,并给出了K的自调整策略.对流量对象的控制实验表明,基于改进单神经元自适应PID控制算法的流量控制的动态性能和稳态性能可以达到流量标定的精度要求.     

铝合金脉冲 MIG 焊过程解耦控制模型及仿真

针对铝合金脉冲MIG焊存在多参数强烈耦合并严重影响过程控制稳定性的问题,建立了其多输入多输出(MIMO)控制模型.在此基础上,运用多变量控制理论,设计了神经网络PID多变量强耦合时变控制系统.介绍了该控制器的结构和算法,分析了控制对象的特点,对铝合金脉冲MIG焊过程进行了仿真.结果表明,采用神经网络PID控制的神经网络对象逆模型解耦控制系统结构和解耦算法来控制铝合金MIG焊接过程,取得满意的动态和稳态性能.为实现铝合金脉冲MIG焊过程控制奠定了理论基础.     

基于模糊RBF神经网络的板带横向厚度和纵向厚度综合控制

针对板形控制和板厚控制之间存在强烈的耦合作用这一特点,提出一种板形板厚综合控制系统。对于这种纯迟延、时变、强耦合的多输入多输出系统,首先采用模糊RBF神经网络解耦方法对系统进行解耦,然后对解耦后的已近似成为两个独立的单输入单输出系统分别设计模糊神经网络PID控制器,从而建立了一种板形板厚模糊RBF神经网络分散解耦PID控制系统。通过MATLAB对此系统进行仿真,结果表明,该方法解耦控制效果良好,控制精度高,抗干扰性强,且具有良好的静态性、动态性及鲁棒性。     

基于纳什优化的异型管自动焊设备解耦控制问题

针对特定异型管材专用焊接工装设备自动控制的解耦算法问题开展研究,利用非接触式位移传感器与码盘数据作为输入,电机带动异型管转动角速度、焊枪头部与被焊工件表面距离控制为输出,基于二阶滞后模型和过程辨识方法建立了系统预测模型,就MIMO系统的耦合性进行了分析,采用多变量解耦预测函数算法对模型预测过程进行描述,通过引入基函数、分散优化策略等,采用纳什优化方法,实现了系统的解耦控制,仿真结果表明该方法具有很好的控制特性.     

基于综合加权因子的结晶器预测解耦控制

针对结晶器系统耦合控制问题,提出了一种基于综合加权因子的结晶器非线性预测控制策略。针对基于混沌粒子群优化的非线性预测控制算法(CPSO-NPC),对预测误差进行单目标优化的不足之处,提出了多目标优化的CPSO-NPC算法。同时,将多目标优化思想和非线性预测输出误差权重相结合,提出了综合加权因子。综合加权因子既可以实现多目标优化,也可以消除系统内部变量之间耦合。所设计的算法被应用在结晶器的控制过程中,仿真结果证明了本文提出算法的可行性和有效性。     

基于RBF神经网络的挤出机温度压力控制系统

为了确定橡胶复合挤出机控制过程中主要干扰变量与内部耦合关系并较好实现温度压力控制系统的模型辨识自适应控制与精确解耦控制,结合径向基函数(RBF)神经网络与PID神经元结构,设计了一个基于RBF神经网络辨识模型与自适应控制的模型,用于完成对熔体温度、机头压力的模型辨识与自适应控制,并采用优化RBF神经网络进行精确解耦控制。利用MATLAB软件建立温度压力耦合系统的辨识模型,并与传统辨识模型和解耦方式进行对比。结果表明:在干扰作用下,基于优化RBF神经网络的系统具有较好的辨识能力,能自适应地完成系统解耦控制;采用优化RBF神经网络建立的耦合辨识模型的耦合辨识与解耦效果理想,可在一定程度上提高温度压力控制系统精度和挤出半成品质量,实现精密化挤出成型。     

基于改进粒子群算法的活套系统解耦控制研究

为了进一步提高热连轧厂的自动厚度控制精度和带钢产品质量,对活套高度和张力的耦合控制系统,建立适当的数学模型,基于耦合过程分析和实际的数据得出相对完整的活套系统的传递函数。针对活套系统所具有的非线性、强耦合、不确定性等特点,利用变异机制和粒子群算法相结合的基础上提出一种用改进的粒子群算法来优化PID神经元网络以实现对活套系统的多变量解耦控制。仿真结果表明：与传统的PID解耦控制相比较,可以获得相对更好的控制效果。