基于模糊自适应PID的电阻炉温度控制系统

采用模糊自适应PID控制方案,实现了对PID参数的在线自动整定.将这种控制方案应用到含有大惯性、纯滞后的系统.仿真结果表明,此种方案鲁棒性、快速性及动态性能良好,能够较好地满足生产工艺要求.     

热电偶校验炉程序升温装置的智能PID控制研究

针对具有较大的滞后性、非线性和时变性特点的热电偶校验炉对象，常规方法难以达到良好的控制效果，结合模糊专家系统控制器与PID控制器，提出了一种智能PID控制器结构．它具有PID控制器的参数在线白整定和直接控制型模糊控制器的功能，既保持了模糊控制灵活而适应性强的优点，又具有常规PID控制器的动态跟踪品质好和稳态精度高的特点，解决了热电偶校验炉的控制问题．仿真结果表明：智能PID控制方案是可行性的、有效的，与常规PID控制器相比，系统的响应速度提高了、超调量减少了．     

应用于污水处理站的模糊自适应PID速度控制系统

本文采用模糊自适应PID控制方案,实现了对PID参数的在线自动整定.将这种控制方案应用泵类的速度控制系统.仿真结果表明,此种方案鲁棒性、快速性及动态性能良好.该技术可应用于化工、环保等领域的泵类控制系统.     

一阶时滞不稳定系统的镇定及复合PID控制

针对具有时滞一阶非最小相位系统的被控对象，提出了一种复合ＰＩＤ控制方法，推导出复合ＰＩＤ控制器控制参数的整定公式及修正方案。考虑到被控对象的不确定性、慢时变等特点，以神经网络构造ＰＩＤ控制器，解决了ＰＩＤ控制参数在线调整的问题，使ＰＩＤ控制器适用范围更广泛。对闭环控制系统仿真结果表明，该系统控制参数整定方法简单，具有非常好的控制效果。     

PID控制的参数模糊自整定方法

针对一般PID控制算法在线调整PID的三个参数难度较大的问题,研究了PID控制的参数模糊自整定方法,即根据偏差和偏差变化率与PID三个参数的模糊关系,进行参数模糊自整定.该方法具有通用性和适应性强,参数容易整定,控制效果好等特点.并应用在WK-1型温度控制系统上,进行了实时控制实验,取得了很好的控制效果.     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．     

模糊PID自整定在加热炉上的应用

分析在加热妒温控系统中,常规PID控制器的不足,指出如何引入模糊控制才能使控制方案更合乎控制要求,并由此设计出模糊PID自整定控制器。经过仿真证明控制性能显著提高,且在实际应用也取得了很好的控制效果。     

神经网络PID复合智能控制参数自整定研究

针对具有时滞一阶非最小相位系统的被控对象,提出了一种基于神经网络的PID复合智能控制设计方案,推导出复合PID控制器控制参数的整定方法.考虑到被控对象的不确定性、慢时变等特点,以神经网络元构造基于自动化复合PID控制器,解决了基于自动化复合PID控制参数在线调整的问题,使复合PID控制器适用范围更广泛.对闭环控制系统模拟结果表明,该系统控制参数整定方法简单,具有非常好的控制效果.     

自适应内模控制器参数的智能整定

提出了智能在线调整ｆ的方法：第一种方法是引入模糊控制，根据系统系统误差和模型失配误差对参数ｆ进行整定；第二种方法是根据系统误差及模型失配误差与ｆ的关系，提出一种简单的线性ｆ的方法。     

基于Fuzzy-PID的超薄快速铝板铸轧机前箱液位控制

液位控制精度是影响超薄快速铝板铸轧机产品质量的关键因素之一。在对典型系统动态响应分析的基础上，提出了一种基于Fuzzy推理的PID参数自整定控制器，利用Fuzzy推理，对PID参数在线自整定，从而使液位控制系统在不同状态都能得到比传统PID更好的控制效果，达到较高的控制精度，仿真试验证明了这一点。     

城市交通信号免疫自适应控制

针对城市交通流具有较强的时变特性,传统控制方法控制效果不佳的问题,借鉴免疫系统自学习、自适应原理,提出一种城市交通信号免疫自适应控制方法,该方法采用免疫网络记忆控制过程中获得的控制经验,采用克隆选择算法进行绿信时间的全局优化,通过采用知识引导下的在线学习模式,实现了快速在线自适应控制.仿真结果表明该方法可以获得较好交通信号实时控制效果.     

基于模糊干扰观测器的抗饱和自适应反步控制

针对一类输入受限的非匹配不确定非线性系统,提出了一种抗饱和自适应反步控制方法.利用模糊干扰观测器在线逼近系统的未知非匹配不确定及干扰,采用反步控制方法设计自适应控制器.控制系统设计中引入限幅滤波器,有效降低了控制输入饱和对系统稳定性的影响,并且控制器设计无需对虚拟控制律进行重复求导.利用李亚普诺夫稳定性定理,证明了闭环系统渐近稳定.仿真结果表明了该方法的有效性.     

一种用于PWM直流位置控制系统的模糊控制器

提出了一种采用连续隶属函数和在线推理计算控制量的方法设计的模糊控制器,并将它用于PWM直流位置控制系统中.仿真结果表明,该控制器较常规PI控制器具有系统超调量小、自适应能力强等优点.     

基于递归神经网络的减震结构模糊控制研究

根据神经-模糊控制理论和减震结构混合控制理论,利用基于弹塑性时程分析自动提取减震结构模糊控制规则的方法获取原始训练样本,能考虑不同地震动特性的影响.应用带偏差单元的递归神经网络(RN-NWBU)形成减震结构模糊控制规则的关系生成方法和推理合成算法,能够实现神经网络驱动的混合控制结构体系模糊推理,从而能实现神经-模糊控制器的设计,应用装设有神经-模糊控制器的系统能够在线控制结构地震反应.通过半主动调谐质量阻尼器(SATMD)与消能减震相结合的混合控制结构体系的数值仿真分析,可看出本文方法能有效地在线控制结构地震反应.本文对推动结构控制理论的发展具有重要意义.     

基于CARIMA模型GPC算法的感应电机直接转矩控制

针对感应电机直接转矩控制在低速时转矩脉动大等缺点,本文首次提出了一种基于CARIMA模型的广义控制算法,并使其应用于感应电机的直接转矩控制。该算法直接作用于直接转矩控制中的转速控制,不依赖于电机的具体模型,通过系统辨识与参数估计获得算法模型参数,具有在线辨、滚动优化和对模型的要求不高等优点。通过仿真表明,此算法提高了感应电机直接转矩控制的控制精度和低速性能。     

多模型预测控制及其在火电厂过热汽温控制中的应用

针对火电厂存在的过热汽温问题,设计了多模型预测控制系统.根据若干建模工况点,离线训练局部人工神经网络模型,利用贝叶斯估计的方法在线计算每个局部神经网络模型概率,加权计算出模型预测输出值.根据预测控制的原理,利用Newton-Raphson迭代法得到控制信号,从而得到了仅含一个控制器的多模型预测控制系统.仿真结果表明,在负荷大范围变化的工况下仍能保持良好的控制性能,具有较强的鲁棒性.     

Inverse Control of Nonlinear Servo System Based on Neural Networks

ＩｎｖｅｒｓｅＣｏｎｔｒｏｌｏｆＮｏｎｌｉｎｅａｒＳｅｒｖｏＳｙｓｔｅｍＢａｓｅｄｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓＷＡＮＧＣｈａｎｇｈｏｎｇＸＵＬｉｘｉｎＧＡＯＸｉａｏｚｈｉＺＨＵＡＮＧＸｉａｎｙｉ（王常虹）（徐立新）（高晓智）（庄显义）（Ｄｅｐｔ．...     

面向智能电网负荷调节的自适应储能系统控制

提出一种自适应储能系统控制方法,对智能电网中电动汽车的动态无线充电负荷进行调节.该方法在系统代价函数中联合考虑电网侧功率的变化率和充放电对电池寿命的影响,采用自适应动态规划算法,通过在线神经网络训练,估计并最优化系统长期代价,从而得到近似最优的储能系统控制策略.仿真结果表明,该方法能有效降低电网侧功率的斜率,使负荷更加平稳,同时延长储能系统中电池的寿命.