多变量发酵过程的神经网络在线解耦控制

为提高多变量系统解耦控制的性能,提出了一种基于参考模型的神经网络在线解耦控制方法.构造神经网络实现前馈解耦,通过参考模型的输出与被控系统输出估计耦合作用对被控量的影响,由此设计神经网络权值参数学习算法,在线调整网络参数使多变量耦合系统实现解耦;对解耦后的子系统分别设计闭环控制器,以达到优良的控制性能.仿真实验结果表明,提出的解耦控制方法是简单有效的.     

多变量解耦控制系统设计与仿真

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

多变量解耦控制系统设计与仿真北大核心CSCD

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

冷连轧机厚度和张力系统的多变量解耦鲁棒控制

针对冷连轧过程中多变量、强耦合、不确定的厚度和张力系统,提出了基于不变性原理解耦的H∞混合灵敏度鲁棒控制策略.建立了厚度和张力系统的动态耦合模型,应用不变性解耦原理实现了对厚度和张力系统的解耦,以减弱系统的耦合影响,并针对系统动态模型的参数摄动以及外部扰动等不确定性,采用H∞混合灵敏度方法设计了鲁棒控制器以保证系统的鲁...     

专家控制在球磨机中的应用

中储式球磨机制粉系统是一个大迟延、强耦合的多变量非线性时变系统。针对强耦合多变量的特性,提出一种新的解耦方法——利用专家控制器代替前馈补偿器进行补偿解耦。介绍了专家控制器的制定过程,并应用于球磨机制粉系统中。仿真结果表明：该方法具有较好的解耦能力,动静态特性及鲁棒性。     

多模型分层递阶自适应前馈解耦控制器

针对参数跳变系统,提出一种基于分层递阶结构的多模型自适应前馈解耦控制器.该控制器采用多模型方法来提高系统的暂态性能;采用自适应方法消除系统的稳态误差,采用分层递阶结构减少系统模型集的数量和计算时间.为了在分布式计算机集散控制系统(DCS)中得到应用,该控制器根据耦合的形成机理和DCS的结构特点,将系统变量之间的耦合作用视为可测干扰,采用前馈结构予以消除.通过加权多项式的选取,不仅实现了极点配置,而且可以动态解耦.最后给出了全局收敛性分析.仿真结果表明,与常规多模型控制方法相比,大大减少了固定模型的数量;而当模型数目相同时,系统的暂态响应、解耦效果都大为改善.     

多变量预测控制工程应用的控制模型前馈解耦策略

针对多变量预测控制计算量大、控制效果对扰动和模型失配敏感等特点,提出一种适用于预测控制工程应用的控制模型前馈解耦策略.基于结构分析,保留重要的被控变量与操作变量配对关系,将不重要的被控变量与操作变量配对作为前馈引入进行补偿,简化了系统结构,降低了系统耦合程度,减弱了预测控制器对扰动和模型失配的敏感程度,极端情况下形成的单入单出或小规模多入多出系统有效减小了在线计算量;基于分布式预测控制思想,给出控制模型前馈解耦策略的分散优化策略,进一步减小了系统规模和在线计算量.最后,通过仿真验证了所提策略的可行性与有效性.     

热风炉燃烧系统最优控制

热风炉燃烧系统是复杂多变量系统,基于最优控制策略,对具有耦合作用的多变量热风炉燃烧系统进行解耦.通过引入神经网络环节,将强耦合多变量系统转化成多个独立的单变量系统,对每个单变量系统进行预测函数控制,实现热风炉燃料流量的最优控制和拱顶温度及废气温度的平稳控制.解耦控制采用前馈补偿器解耦,解耦补偿器采用BP神经网络结构.现场实际应用结果表明,该控制策略具有较好的动态跟踪特性,能满足复杂多变量控制系统的实时控制要求.     

非最小相位逐维定位多模型自适应解耦控制器

针对多变量系统中多个参数同时跳变导致模型数目巨大、计算时闻长等问题.提出了采用逐维定位技术的多模型自适应解耦控制器.该方法将多维空间的并行寻优问题转化为多个一维空间的串行寻优问题,可大大减少系统模型集的数量.针对非最小相位系统,将系统的耦合作用视为可测干扰,采用前馈方法予以消除.最后给出全局收敛性分析.仿真结果表明当采用相同数目的模型时,其控制效果明显优于常规多模型控制器.     

基于Smith预估多温区温度解耦控制研究

针对多温区电加热炉温度控制系统存在强耦合和纯滞后的特点,采用前置反馈补偿解耦控制法,将多变量耦合系统转化成单变量独立控制系统,并用Smith预估补偿器对解耦后的系统进行延迟补偿,仿真结果表明解耦效果令人满意,滞后环节得到了补偿,并且整个系统的抗干扰性能得到了提高,从而证明了方法的有效性.     

磨煤机制粉系统解耦内模控制器的设计及仿真

本文针对工业过程中常见的多变量时滞耦合输入输出系统,基于内模控制结构提出了一种多变量解耦内模控制设计的方法,该方法设计的内模控制器同时具有解耦器和控制器的作用。其优点是能够实现标称系统输出响应之间的近似或完全解耦,并且改善了系统的大迟延的特性。并与PID对角矩阵解耦设计方法相对比,结果表明：解耦内模控制器设计方法有更好的鲁棒性。     

感应电机最大转矩电流比的预测函数控制研究

研究感应电动机效率优化的最大转矩电流比控制问题,设计了基于Laguerre模型的稳定自适应预测函数控制器(PFC).采用前馈补偿解耦设计的思想,将系统分解成两个具有可测扰动的单入单出子系统,通过解方程组实现了PFC的设计.仿真实验结果表明,与传统的PI电流控制器相比,该控制器能在线辨识模型参数,跟踪精度高,响应迅速,抗扰能力强,取得了良好的控制效果.     

基于LESO的MMC-RPC反馈线性化直接功率控制

模块化多电平铁路功率调节器作为一个耦合的多变量非线性系统, 传统PI控制的直接功率控制难以实现 对系统的精确解耦. 本文提出了一种基于线性扩张状态观测器的反馈线性化直接功率控制方法, 根据Lie导数构建 了模块化多电平铁路功率调节器(MMC-RPC)两输入/两输出功率仿射模型, 设计了精确反馈线性化功率解耦控制 器. 针对不确定因素等扰动对精确反馈线性化控制效果的影响, 设计了线性扩张状态观测器对扰动进行观测和补 偿, 实现了功率的精确跟踪控制. 最后, 通过MATLAB/Simulink平台搭建仿真模型对所提控制方法进行了验证.     

大型单元机组实现协调预测控制的研究

大型单元机组的控制对象复杂、滞后大且是时变的多变量系统 ,模型难于准确建立 ,传统的控制策略很难使其达到最佳的运行状态。针对双输入双输出的火电机组机炉协调控制系统 ,提出了一种建立在解耦基础上的多变量DMC的分散优化算法 ,将多变量的DMC算法分散为单变量的DMC算法 ,该算法简单、计算量少、鲁棒性强。仿真结果表明 ,所提出的这种算法在单元机组负荷控制系统中是十分有效的。     

并网逆变器逆系统自学习滑模抗扰控制

针对三相并网逆变器模型的多变量、非线性、强耦合等特点,采用开关函数法建立其开关周期平均模型,在此模型的基础上采用逆系统方法实现反馈线性化和解耦控制,对伪线性系统设计自适应滑模抗扰控制器,使用非线性光滑函数设计扩张状态观测器以实现内部建模误差与外部扰动的扩张状态估计,并将非线性扩张状态观测器和跟踪微分器与自学习滑模控制器结合使用.仿真结果表明,该方法具有响应速度快、控制精度高、抗扰能力强的特性,在并网逆变器中具有较大应用价值.     

Pressure control of an electro-hydraulic actuated clutch via novel hysteresis model

This paper mainly focuses on the development of pressure tracking control logic of electro-hydraulic actuators for vehicle application. This is done to improve and ensure the performance of a precise lower-level controller for evolving modern shift control logic. The required performance is obtained by hysteresis model-based feed-forward control and additional feedback control. The hysteresis and the time delay, which adversely affect pressure control, are well known nonlinear behaviors in electro-hydraulic actuators. In order to cope with the hysteresis, a novel hysteresis model is proposed based on a physical phenomenon. A mathematical model based on a characteristic curve obtained in preliminary experiments is presented using only one tuning parameter, and this model can be inverted easily to construct a feed-forward controller. In addition, a feedback controller is designed considering the stability margin of a time delay system. The feedback control inputs ensure compensation of the feed-forward errors caused by model error and uncertainty. The proposed controller is designed to lower computational cost considering applicability for production vehicles. As a result, the developed pressure controller is applied to a transmission control unit of a production vehicle and verified experimentally for various driving scenarios.     

基于最近邻聚类支持向量机辨识的电弧炉电极逆控制

基于核函数的支持向量机(support-vector-machines, SVM)与三层神经网络等价关系, 构造基于SVM的多变量阶时延逆系统实现对原系统的伪线性化解耦, 提出最近邻聚类的SVM模型辨识算法, 设计了一种带前馈的参数自适应PD调节器和SVM逆控制相结合的控制策略. 通过对典型的MIMO离散非线性可逆系统和电弧炉电极系统的仿真研究, 表明该控制策略对于数学模型未知的不确定系统, 只需要一定量的输入输出数据作为样本学习, 就可实现对系统逆模型的高精度逼近, 控制系统具有良好的动态响应和跟踪精度. 当模型严重不确定、参数摄动、有外界干扰时, 系统具有很好的抗干扰能力和鲁棒性.     

导弹交流电动舵机的非线性解耦控制与仿真

针对交流电动舵机系统非线性,多变量和强耦合的特性,提出了一种基于微分几何方法和变结构控制理论的非线性解耦控制方法。建立了交流电动舵机的非线性模型,利用微分几何理论,通过对系统进行微分同胚变换和反馈变换,实现了非线性系统的精确线性化和输入/输出解耦,并针对电动舵机系统参数摄动和负载扰动的特点,利用指数趋近律设计了电动舵机的变结构控制器。仿真结果表明不仅可以有效地实现交流电动舵机系统的非线性解耦,具有良好的静、动态特性。     

稀土萃取过程的广义预测解耦控制

考虑稀土萃取过程具有多变量、强耦合特性,提出一种基于广义预测解耦控制(GPDC)的稀土萃取过程控制方法.首先针对模型未知的强非线性稀土萃取过程,构建基于极限学习机的组分含量系统模型,并依据模型特点设计多个稀土萃取过程GPDC控制器;然后为降低各控制回路间的耦合性,在控制器的性能指标中引入校正策略,通过回路中模型预测值与...     

Robust design of feedback feed-forward iterative learning control based on 2D system theory for linear uncertain systems

For a class of linear discrete-time uncertain systems, a feedback feed-forward iterative learning control (ILC) scheme is proposed, which is comprised of an iterative learning controller and two current iteration feedback controllers. The iterative learning controller is used to improve the performance along the iteration direction and the feedback controllers are used to improve the performance along the time direction. First of all, the uncertain feedback feed-forward ILC system is presented by an uncertain two-dimensional Roesser model system. Then, two robust control schemes are proposed. One can ensure that the feedback feed-forward ILC system is bounded-input bounded-output stable along time direction, and the other can ensure that the feedback feed-forward ILC system is asymptotically stable along time direction. Both schemes can guarantee the system is robust monotonically convergent along the iteration direction. Third, the robust convergent sufficient conditions are given, which contains a linear matrix inequality (LMI). Moreover, the LMI can be used to determine the gain matrix of the feedback feed-forward iterative learning controller. Finally, the simulation results are presented to demonstrate the effectiveness of the proposed schemes.