基于MATLAB工具箱的火电站过热蒸汽温度优化控制

火电站过热蒸汽温度控制对象具有慢时变和非线性等特性,采用调节参数固定的P-PID控制器进行过热蒸汽温度调节难以得到良好的控制效果.针对这一问题,本文介绍了一种利用非线性控制设计模块（Signal Constraint,简称S-C）优化PID控制器,获得不同负荷下的PID参数.仿真结果表明,使用优化后的参数进行控制,系统性能得到一定的提高.     

交流异步电机神经元变结构PID速度控制器设计

为了提高异步电动机调速系统的动态品质,提出了一种基于神经元变结构PID控制的速度控制器。该控制策略用一个神经元控制器实现变结构PID控制的同时,用另一个神经元控制器实时调整变结构PID控制器的参数。仿真结果表明,与传统PID调节器相比,该速度控制器能够有效地提高系统的静态、动态特性与鲁棒性。     

基于神经网络的微分先行PID控制器的研究

微分先行PID是理想型PID改进中的一种,它适合于给定值频繁变化的情况。但是传统的PID控制器在实际的工业生产过程中,对具有非线性、时变不确定等特性的系统控制效果并不理想。神经网络与之结合是很好的一种解决方法     

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。     

焦化鼓风机系统智能控制策略研究及应用

针对焦化鼓风机系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,通过采用基于最近邻聚类方法的RBF神经网络快速学习算法,实时在线辨识,建立被控对象的精确逆模型并用于控制,实现了将具有强耦合特性的多输入多输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与非线性比例积分微分(PID)控制相结合的智能控制策略,保证了系统稳定的同时改善了控制系统性能.仿真和应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性.     

自适应神经元PID控制器在单元机组负荷控制系统中的应用

针对火电单元机组这类集炉、机、电为一体具有多变量强耦合,非线性及参数时变的受控对象,基于常规解耦控制技术的控制系统无法应用的问题,讨论了多变量自适应单神经元PID控制器在单元机组负荷控制中的设计及仿真,并给出了火电机组负荷微机控制系统的硬件和软件设计方案。     

自适应PID控制在火炮随动系统中的应用

火炮随动控制系统是一个典型的非线性、大时滞系统,常规PID控制难以实现火炮随动控制系统参数在线自整定,针对该问题提出一种基于单神经元的自适应PID控制器,通过神经元的自学习、自校正能力实现了PID参数的在线自整定。仿真结果表明单神经元自适应PID控制响应快,自适应能力好,鲁棒性强,稳态精度高,采用该方案的火炮随动控制系统能够较好满足控制要求,具有一定实用价值。     

基于MATLAB的高速公路隧道通风控制系统仿真研究

高速公路长大隧道的通风控制具有非线性及大滞后等问题,运用传统控制方法已不能满足系统的精度要求;因此,提出采取RBF-PID控制方法,通过RBF神经网络整定PID控制器的参数,以达到要求的控制指标。运用MATLAB仿真软件,分别建立基于传统PID控制器和RBF-PID控制器的系统模型,并进行仿真对比。结果表明,RBF-PID控制器比传统的PID控制器对系统输入的响应更加精确,具有最大绝对误差值较小和无负误差的优点,能更有效地解决高速公路长大隧道的通风控制非线性及大滞后的问题。     

Intelligent adaptive nonlinear flight control for a high performance aircraft with neural networks

This paper describes the development of a neural network (NN) based adaptive flight control system for a high performance aircraft. The main contribution of this work is that the proposed control system is able to compensate the system uncertainties, adapt to the changes in flight conditions, and accommodate the system failures. The underlying study can be considered in two phases. The objective of the first phase is to model the dynamic behavior of a nonlinear F-16 model using NNs. Therefore a NN-based adaptive identification model is developed for three angular rates of the aircraft. An on-line training procedure is developed to adapt the changes in the system dynamics and improve the identification accuracy. In this procedure, a first-in first-out stack is used to store a certain history of the input-output data. The training is performed over the whole data in the stack at every stage. To speed up the convergence rate and enhance the accuracy for achieving the on-line learning, the Levenberg-Marquardt optimization method with a trust region approach is adapted to train the NNs. The objective of the second phase is to develop intelligent flight controllers. A NN-based adaptive PID control scheme that is composed of an emulator NN, an estimator NN, and a discrete time PID controller is developed. The emulator NN is used to calculate the system Jacobian required to train the estimator NN. The estimator NN, which is trained on-line by propagating the output error through the emulator, is used to adjust the PID gains. The NN-based adaptive PID control system is applied to control three angular rates of the nonlinear F-16 model. The body-axis pitch, roll, and yaw rates are fed back via the PID controllers to the elevator, aileron, and rudder actuators, respectively. The resulting control system has learning, adaptation, and fault-tolerant abilities. It avoids the storage and interpolation requirements for the too many controller parameters of a typical flight control system. Performance of the control system is successfully tested by performing several six-degrees-of-freedom nonlinear simulations.     

神经网络PID的无人动力伞偏航控制研究

对于具有非线性、时变和强耦合特性的动力伞系统,采用常规控制方法难以获得满意的控制效果,而采用神经网络与传统PID相结合作为控制器,使得所设计控制器能够针对非线性、时变的气动特性自适应地调整控制参数,实现对PID控制器参数的寻优整定,简化了设计过程。利用Matlab软件对系统进行仿真,给出了相应的仿真结果。     

电液伺服扭振试验机模糊PID控制仿真研究

为提高电液伺服扭振试验机控制系统抗参数变化和干扰的能力,保证控制精度,提出了应用于本试验机控制系统的模糊PID控制。首先根据控制系统结构原理建立了控制对象的数学模型。然后设计了模糊PID控制器,使用正交试验法对PID控制参数进行整定,以获得较优的PID控制参数,同时使用模糊控制器对PID的控制效果加以修正。最后利用MATLAB／Simulink对控制系统进行了仿真。仿真结果表明：模糊PID控制对于参数的变化和干扰,能实现控制参数的自调整．具有较好的控制效果。     

基于模式识别的脉冲压力自适应控制

脉冲滴丸机压力控制系统是具有非线性、参数时变性和耦合性特征的复杂系统,系统响应要求快速、准确、鲁棒性强,但传统的控制方法如常规的固定参数的PID控制器很难使系统同时达到这种最优控制。因此,提出了将自适应控制、模式识别和PID控制相结合的思想,设计了一种基于模式识别的脉冲压力自适应控制策略,通过在线辩识系统的动态输出,根据系统响应所处的状态,采取相应的控制算法,使系统得到了较好的控制。MATLAB仿真和现场实验结果均表明该方法具有较高的动态性能和控制精度,以及较强的鲁棒性。该控制系统已成功投入现场运行。     

火电机组单神经元非线性控制方法研究

把非线性逆系统原理和单神经元自适应PID控制相结合,设计出一种新的非线性输出跟踪控制器。针对火电单元机组模型,首先用逆系统原理对该模型求取稳定逆的解,然后用单神经元自适应PID作为该系统的反馈控制器。在不同负荷下的仿真结果表明,该控制系统具有很好的抗干扰、快速响应以及稳定跟踪能力。     

气动恒力控制系统的自抗扰控制

针对磨削和抛光等对恒力控制装置的迫切需求,开展气动恒力控制系统研究。由于气动系统存在比例流量阀死区、气缸摩擦力以及气体可压缩等非线性问题,提出了一种二阶线性PID自抗扰控制器,并加入了死区补偿器。该控制器采用跟踪微分器对输入信号进行过渡,利用扩张状态观测器对非线性参数影响进行估计,并通过线性PID反馈控制律进行补偿,同时引入死区补偿器快速跳过死区范围。试验结果表明,相比传统PID控制和积分型线性自抗扰控制(I-LADRC),线性PID自抗扰控制具有更好的动态响应以及更强的鲁棒性,并且稳态误差小于2 N。     

基于单神经元PID新型多能源烟草烤房控制系统的研究

在烟草烤房系统中,由于难以建立精确的数学模型,常规的PID控制方法很难兼顾烤房控制系统的动态品质和稳态精度之间的矛盾关系。本文应用智能控制理论,提出了一种基于单神经元PID控制方法,充分利用单神经元网络自适应、自学习和PID控制结构简单、鲁棒性强的优点;利用西门子PLC实现烤房的智能系统,通过MODBUS-RTU通信的方式进行数据采样,其控制结构优于普通自动控制方法;该系统弥补了常规PID控制在非线性、时变及滞后的系统中的不足;实验与运行表明,烤房的温湿度控制精度与烟叶烘烤质量均得到了显著提高。     

变频泵控马达调速系统单神经元自适应PID控制

针对大惯性负截变频泵控马达调速系统动态性能差的特点，提出了采用不必基于模型的单神经元自适应PID控制。介绍了单神经元自适应PID控制器的结构和算法。仿真结果表明，单神经元自适应PID控制器较常规PID控制器具有更快的响应特性和良好的动态特性，对模型失配和负载扰动表现出更强的适应性和鲁棒性，而且不论是在加速段、等速段还是减速段，都具有较好的跟踪效果。     

基于结构改进Smith预估单神经元PSD的长时延NCS研究

针对长时延网络控制系统（NCS）中存在时延和被控对象等问题,提出了一种新型结构改进Smith预估单神经元PSD控制器.新型控制器由结构改进Smith预估器和单神经元PSD控制器组成,结构改进Smith预估器通过对传统Smith预估器模型结构上的改进,避免了建立网络时延的预估模型,无需对网络时延进行在线测量、估计或辨识,补偿了网络时延对系统的性能带来的影响;单神经元PSD控制器解决了结构改进Smith预估器的模型失配问题,通过Matlab环境下的TrueTime工具箱对NCS进行仿真实验,并对传统PID控制方法、结构改进Smith预估PID控制方法和结构改进Smith预估单神经元PSD控制方法进行了仿真比较.研究结果表明,该新型控制器有效地补偿了网络时延对NCS的性能带来的影响,在模型失配情况下具有良好的鲁棒性和适应性,是对长时延NCS-种可行且有效的控制方法.     

负载模拟器的DRNN神经网络控制

为了增强负载模拟器的自适应能力以抵抗系统的非线性、时变参数及运动扰动的影响,特提出利用对角回归神经网络(DRNN)与PID的并联进行控制与调节的控制方法。PID保证了系统的初始稳定性,由于神经网络引入了速度信号作为参考输入,使系统具有了很好的自适应消扰能力,减小了多余力的影响。仿真和试验证明了该方法的可行性和有效性,收到了很好的控制效果。     

桥式起重机的单神经元防摆控制系统

桥式起重机运行过程中的防摆控制是起重机控制的一个关键问题,许多学者对此进行了大量的研究。由于桥式起重机的数学模型具有不确定性的特点,常规的PID控制器不易在线调整,难以对摆角进行有效的控制。本文设计了一种基于单神经元控制器的起重机控制系统,利用2个单神经元控制器分别对小车的位置和摆角进行控制。仿真结果证明,该神经元控制器比PID控制器对于不同的绳长和载荷质量具有较好的自适应能力和鲁棒性。     

A novel auto-tuning PID control mechanism for nonlinear systems

In this paper, a novel Runge–Kutta (RK) discretization-based model-predictive auto-tuning proportional-integral-derivative controller (RK-PID) is introduced for the control of continuous-time nonlinear systems. The parameters of the PID controller are tuned using RK model of the system through prediction error-square minimization where the predicted information of tracking error provides an enhanced tuning of the parameters. Based on the model-predictive control (MPC) approach, the proposed mechanism provides necessary PID parameter adaptations while generating additive correction terms to assist the initially inadequate PID controller. Efficiency of the proposed mechanism has been tested on two experimental real-time systems: an unstable single-input single-output (SISO) nonlinear magnetic-levitation system and a nonlinear multi-input multi-output (MIMO) liquid-level system. RK-PID has been compared to standard PID, standard nonlinear MPC (NMPC), RK-MPC and conventional sliding-mode control (SMC) methods in terms of control performance, robustness, computational complexity and design issue. The proposed mechanism exhibits acceptable tuning and control performance with very small steady-state tracking errors, and provides very short settling time for parameter convergence.