基于阶跃模型的非线性模糊PID控制算法研究

针对大多数非线性系统建模和控制较困难的问题,引入了基于C-R模糊阶跃模型的非线性系统建模方法,该模型中的参数ai*是时变的,能够表征系统的非线性特征。根据C-R模糊阶跃模型的结构特点,与PID控制算法结合,将ai*表示出PID控制算法的参数,提出了非线性模糊PID控制算法CR-PID,克服了常规PID控制的参数难以较好地表征非线性的问题。通过对连续搅拌反应釜控制系统的仿真结果表明了该方法的有效性。     

基于T-S模糊神经网络的Hammerstein模型预测控制

针对化工生产过程中强非线性、大滞后、时变特点的复杂特性,提出了一种基于T-S模糊神经网络的Hammerstein模型动态矩阵预测控制方法。采用非线性控制分离策略,应用动态矩阵控制算法计算该模型动态线性部分的中间变量,作为T-S模糊神经网络的输入,进而通过T-S模糊神经网络逆映射出控制量,以实现基于T-S模糊神经网络的Hammerstein模型预测控制。pH中和过程的仿真控制实验表明,所提方法明显优于传统的PID控制方法,具有良好的设定值跟踪及抗干扰效果。     

基于C-R模型的非线性系统模糊内模控制算法研究

针对大多数非线性系统的内模控制难以建立精确的对象模型和逆模型的问题,引入了基于C-R模型的非线性系统建模方法,并在此基础上研究基于C-R模型的非线性系统的模糊内模控制设计。由C-R模型的辨识递推算法获得对象模型和逆模型,并建立模糊内模控制算法。通过对连续搅拌反应釜控制系统的仿真表明,该控制方法有效、可行,具有良好的控制品质。     

一种智能预估控制算法在间歇造气炉控制中的应用

针对间歇造气炉工艺流程的特点，提出一种智能预估控制算法。该算法利用智能加权因子建立模糊内模预估器，实时预测气化层温度，在线修正模型失配，从而有效地消除非线性、时变等因素的不利影响。     

加热炉炉温的模糊广义预测控制仿真研究

针对加热炉炉温的大惯性、大滞后及非线性等特点,提出一种基于T-S模糊模型的模糊广义预测控制策略。T-S模糊模型的前件和后件参数分别采用粒子群优化的模糊C-均值算法和递推最小二乘法辨识,根据输入变量更新模型隶属度并将T-S模糊模型等价转换为线性模型,以此作为预测模型应用于广义预测控制。仿真结果表明:该方法在不同工况下均具有较短的调节时间,在扰动作用下有很强的鲁棒性。     

基于模糊非线性回归的煤炭发热量预测研究

针对经典线性回归模型无法反映变量间的非线性关系,不适宜预测有模糊数的煤炭发热量的问题,提出了一种基于三角模糊数的多元非线性回归的煤炭发热量预测模型。以我国新疆伊犁地区煤炭工业分析为建模数据和模型检验数据,将计算模糊中心值和模糊幅度值的问题转化为约束非线性优化问题,采用MATLAB优化工具箱求解。最后对比分析了模糊非线性回归、经典线性回归、BP(Back Propagation)神经网络及支持向量机回归4种模型对测试煤样发热量的预测结果。结果表明,模糊非线性回归模型的线性拟合优度值为0.9997,调整后的非线性拟合优度值为0.9838,均方误差为0.4473;测试煤样的平均相对误差为0.0203,80%的测试煤样模糊隶属度大于0.5。模糊非线性回归模型具有很高的精确度和可靠性,可用来预测预报煤炭发热量。     

蓝藻生长时变系统非线性动力学分析及水华预测方法

为解决现有蓝藻生长动力学模型难以有效描述实际水体中蓝藻生长时变系统的非线性动力学特性,导致水华预测准确性不高的问题,构建蓝藻摄食和营养盐循环模型,并考虑水温、光照等主要影响因素随时间变化对蓝藻生长的影响,进一步建立蓝藻生长时变系统非线性动力学模型,对其常值参数采用遗传算法与数值算法结合的方法进行优化率定,对其时变参数采用多元时序方法进行建模预测,根据分岔理论及时变系统理论分析水华暴发行为的非线性动力学机理,实现对蓝藻生长时变系统的水华预测。通过太湖流域监测实例表明,与现有研究相比,引入时变参数的蓝藻生长动力学模型更能反映蓝藻生长时变系统下水华暴发行为的非线性动力学特性,其水华预测结果更为准确。     

模糊预测函数控制在水泥回转窑分解炉温控系统中的应用研究

通过对水泥回转窑系统中预分解炉温度控制回路的特性分析,提出一种基于模糊模型的增量型预测函数控制算法,根据生料流量的波动来修正相应的预测函数控制律,并以Hoenywell公司的Plantscape集散控制系统为平台,开发了实时控制软件,实际应用表明对存在大迟后和参数时变的水泥回转窑系统,该算法能达到良好的控制效果。     

基于模糊PID的退火炉温度控制研究

退火炉的自动控制策略已成为过程控制的研究热点。由于退火炉是一个大惯性、纯滞后、参数时变的非线性控制对象,很难准确建立起炉子的精确数学模型,根据退火炉工业系统的特点,采用了模糊PID参数自调整控制的控制方法,将其应用于退火炉温度控制环节。本文利用Simulink对模糊神经网络PID控制算法进行仿真试验。试验显示,模糊神经网络控制算法能够展现强抗干扰性、强鲁棒性以及良好的控制性能,适用于对退火炉的温度控制中。     

基于FCM的模糊神经控制器在水泥回转窑上的应用

针对水泥回转窑生产过程非线性时变特性，在FCM聚类分析的基础上结合神经网络设计一种新型的模糊控制器，与传统的模糊系统相比，减少了规则数目，同时系统具备一定的学习能力和较快的收敛速度。将其应用于水泥回转窑的温度控制，运行结果表明，控制效果良好，能满足生产工艺要求。     

基于T-S模糊模型与粒子群优化的非线性预测控制

引言模型预测控制属于一种基于模型的多变量的控制算法,发展至今已在化工过程控制方面得到了广泛的应用[1-5]。状态反馈预测控制[6-8]是模型预测控制技术的一种,基于状态空间模型,采用实测状态     

铅锌烧结过程烧穿点的模糊预测控制方法

针对具有时滞、非线性、不确定等特性的铅锌密闭鼓风烧结过程,提出一种烧穿点的模糊预测控制方法。首先,基于台车速度和烧穿点之间的分段线性化关系,建立烧穿点的模糊T-S模型。然后,采用动态线性化方法获得烧穿点的全局模型,并在此基础上进行模型预测控制器设计,以实现烧穿点的模糊预测控制。最后,采用烧结生产历史数据,对模糊预测控制方法进行了仿真和实验研究。结果表明：模糊T-S模型能有效抑制垂直燃烧速度不确定性的影响,具有较高的辨识精度,能够满足工业现场生产指导的需要;此外,烧穿点的模糊预测控制方法比单纯的模糊控制调节时间短、超调量小,能快速有效地响应烧穿点的变化,具有一定的应用价值。     

连续反应釜温度控制系统的设计与仿真

针对连续反应釜中进行的化学反应特性,按照过程的动力学方程和能量平衡等关系,设计了一套基于西门子PCS7的连续化学反应釜(CSTR)温度控制系统。由于连续反应釜内温度的非线性、时变等特性,采用变结构模糊控制结合前馈、串级、分程等先进的控制方式,克服了传统PID算法参数调整复杂、超调量大的缺点。仿真结果表明:对温度采用变结构模糊控制能获得较好的稳态精度和动态特性,满足了反应釜内温度控制的要求。     

基于T-S模糊模型的间歇过程的迭代学习容错控制

间歇过程不仅具有强非线性,同时还会受到诸如执行器等故障影响,研究非线性间歇过程在具有故障的情况下依然稳定运行至关重要。针对执行器增益故障及系统所具有的强非线性,提出一种新的基于间歇过程的T-S模糊模型的复合迭代学习容错控制方法。首先根据间歇过程的非线性模型,利用扇区非线性方法建立其T-S模糊故障模型,再利用间歇过程的二维特性与重复特性,在2D系统理论框架内,设计2D复合ILC容错控制器,进而构建此T-S模糊模型的等价二维Rosser模型,接着利用Lyapunov方法给出系统稳定充分条件并求解控制器增益。针对强非线性的连续搅拌釜进行仿真,结果表明所提出方法具有可行性与有效性。     

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。     

智能积分模糊控制在污水处理控制系统中的应用

针对循环式活性污泥法（CASS）处理城镇污水控制系统中对溶解氧（DO）浓度控制的大延迟、非线性和时变的特点。设计一套基于智能积分器的模糊控制、倍福嵌入式PC、组态王软件的自动控制系统方案。从硬件配置和软件设计两方面探讨了倍福嵌入式PC在污水处理控制系统中的应用。实际运行结果表明,该系统运行稳定、可靠,达到了预期的控制要求。     

地表水质分析及方法比较

在水质评价过程中,水环境质量等级之间存在非线性关系,这给水质评价工作带来难度。针对此,以某地地表水质作为研究对象,对单因子分析法、离散Hopfield神经网络模型和T-S模糊神经网络模型3种水质评价方法进行分析比较。仿真结果表明:模糊神经网络算法结合了神经网络系统和模糊系统的优势,集学习、联想、识别与信息处理于一体,评价结果稳定、合理,优于离散Hopfield神经网络模型,非常适合对于此类问题的研究;而单因子分析法存在一定的局限性。