基于神经网络的解耦控制方法

本文介绍了BP算法的基本原理及其实现步骤,并将BP算法应用于神经网络解耦器和PID神经网络的训练中,即本文中各个神经网络的训练算法均采用BP算法,提出了一种神经网络在线解耦控制算法,即将神经网络解耦和神经网络PID控制两者结合,对系统进行解耦控制。将解耦与控制结合,既避免了单独采用自适应PID控制时控制效果不佳的问题,又避免了单独采用解耦时原有控制器不能适应变化后的对象问题。最后对一组双输入双输出耦合系统进行了仿真研究。     

基于单神经元的温度解耦控制系统研究

在生产和工业中,对温度的控制是十分普遍的.本文将单神经元自适应PID控制与解耦控制相结合,提出了基于单神经元PID的解耦算法,并对电加热炉炉温控制系统进行仿真.结果表明:该设计方案具有良好的解耦效果,控制系统的调节品质令人满意.     

预测函数控制及其在三容水箱中的应用

介绍和分析了预测函数控制方法,将基于前馈补偿解耦的多变量预测函数控制算法应用到三容水箱液位控制系统中.采用该方法对三容水箱液位控制系统进行了控制系统设计和仿真研究,仿真结果表明,该方法是一种计算简单、鲁棒性强、抑制干扰能力好、控制精度高的十分有效的控制方法.     

神经网络的强耦合控制系统仿真研究

研究工业控制领域的优化控制问题,工业控制对象具有强耦合特性,传统方法无法对其进行精确解耦,导致系统控制精度比较低.为提高工业控制系统的控制精度,提出一种PID控制和神经网络相融合的控制方法.利用PID优良动态控制特性和BP神经网络非线性控制特性对控制系统进行解耦,在权值调整算法式中加入增大动量项,提高网络学习效率,并采用粒子群算法优化权值初始值,提高控制精度,减少振荡产生.在MATLAB环境下,对非线性控制系统进行仿真研究,仿真结果表明,PID神经网络提高系统的抗干扰能力,提高系统控制精度,能够对系统进行精确解耦,使工业控制系统的性能得到改善.     

预测函数控制及其在三容水箱中的应用

介绍和分析了预测函数控制方法,将基于前馈补偿解耦的多变量预测函数控制算法应用到三容水箱液位控制系统中。采用该方法对三容水箱液位控制系统进行了控制系统设计和仿真研究,仿真结果表明,该方法是一种计算简单、鲁棒性强、抑制干扰能力好、控制精度高的十分有效的控制方法。     

重介悬浮液密度与液位PFC-PID控制算法研究

为解决重介选煤控制系统中重介悬浮液密度与液位调节过程的大滞后与强耦合问题,建立了悬浮液密度与液位控制系统的数学模型,并在对系统进行解耦的基础上,提出了一种重介悬浮液密度与液位PFC-PID控制算法。该算法采用闭环控制方法对密度与液位加以控制,即内环采用常规PID控制技术对解耦后的系统加以控制,以稳定系统;外环采用预测控制技术,将内环作为外环控制的广义预测对象,解决了大滞后问题。仿真结果表明,该控制算法具有超调量低、调节时间短、静态误差小的特点,且具有很好的抗扰能力,控制效果整体优于传统PID控制。     

三容系统的自适应-模糊神经网络解耦及液位控制

本文采用模糊-神经网络解耦控制技术实现了对三容系统的解耦及液位控制。Matlab仿真结果表明该控制系统动态响应快,鲁棒性好,具有优异的整体性能。     

非参数模型控制在液位控制系统中的应用研究

针对工业控制过程中液位系统的时变和明显的滞后特征,研究了非参数模型控制方法在液位控制系统中的设计方案,讨论了控制算法中引入的伪偏导数的在线估计问题,实现了通过液位系统的输入输出信息并利用递归最小二乘法对伪偏导数进行在线估计的过程,仿真实验验证了非参数模型算法对液位控制的鲁棒性、快速性及抗干扰性,通过仿真比较,展示了该算法性能优于PID算法和模糊控制的结果.     

基于神经网络自抗扰控制的结晶器液位拉速协调系统研究

结晶器内钢水液位和铸坯拉速机理上是耦合关系. 为能控制更合理的钢水节奏, 提出了不同于现在各自单变量控制的液位和拉速综合控制方法. 通过实际对象, 从机理角度推出模型, 然后基于神经网络整定的自抗扰控制 (ADRC) 算法, 对结晶器液位拉速协调控制系统进行仿真试验. 仿真结果和现场曲线对该控制模型的准确性, 可行性和有效性进行了验证.     

基于代数算法的RBF神经网络解耦控制

提出一种基于代数算法的RBF(Radial Basis Function)神经网络自适应PID控制方法.该方法采用动态的径向基函数网络对非线性系统进行在线辨识被控对象,并将获得的灵敏度信息对PID控制参数自整定,实现了系统的解耦控制.仿真结果表明该设计方案具有控制精度高,实时性好,且具有很强的鲁棒性和自适应性.