神经网络分数阶PID控制器在纸浆浓度控制中的应用

分数阶PID控制器继承了常规PID控制器的优点,并且具有更高的控制精度和更强的鲁棒性。针对常规PID控制器在纸浆浓度控制过程中存在的问题,设计了一种基于神经网络的分数阶PID控制器。用分数阶PID控制器代替常规PID控制器,并通过神经网络调节分数阶PID控制器的5个控制参数,实现一种参数自整定的PID控制器。仿真实验结果表明,神经网络分数阶PID控制器比常规PID控制器的控制精度高,对纸浆浓度的控制更稳定;采用神经网络分数阶PID控制器控制纸浆浓度是切实可行的,具有很好的推广应用前景。     

基于PID神经网络的纸浆浓度控制

本文将一种不同于用神经网络调整PID参数的新的融合算法—PID神经网络(PIDNN)应用于纸浆浓度控制。经过对纸浆浓度控制系统的仿真研究表明,PIDNN既具有常规PID控制器结构简单的优点,又具有神经网络自学习、自适应之能力,大大改善了纸浆浓度控制系统的性能。     

神经网络PID控制器在纸浆浓度调节中的应用

在造纸过程中,针对纸浆浓度控制系统的大滞后和模型不确定的特性,利用BP神经网络所具有的自学习能力和任意非线性表达能力,提出了用BP神经网络自整定PID参数的控制策略,对纸浆浓度的调节进行控制,并使用MATLAB软件进行仿真研究。仿真结果表明:基于BP神经网络的PID控制器具有很强的适应性,可以获得满意的控制效果。     

纸浆浓度的PID控制优化的研究

提出采用遗传算法去优化纸浆浓度的PID控制参数。仿真结果表明:通过遗传算法得到的PID控制参数与Zieglar-Nichols方法相比,该方法得到的PID控制器在纸浆浓度控制中超调小,过渡时间短,控制更平稳,能获得更好的控制效果。     

基于变论域模糊PID的纸浆浓度控制系统研究

针对传统模糊PID控制器因变量论域、比例因子、量化因子等参数设置固定不能实现纸浆浓度精确控制的问题,本课题提出将变论域思想与模糊PID控制相结合的变论域模糊PID控制算法。首先在模糊控制器中引入论域伸缩因子使模糊控制器输入输出变量的论域范围随纸浆浓度误差及误差变化率进行伸缩调整,以提高模糊控制器的控制精度;然后利用变论域模糊控制器对PID的3个参数进行调整,实现PID控制器的实时在线整定。仿真结果表明,变论域模糊PID控制算法可以有效地克服纸浆浓度控制过程存在的时变性、多干扰、时滞性缺点,能够实现纸浆浓度控制的稳定性和精确性。现场实际应用表明,应用变论域模糊PID控制算法的控制系统可将上浆浓度误差控制由±0. 3%降为±0. 025%以内。     

纸浆浓度的专家-模糊PID控制系统

介绍了应用于纸浆浓度控制的模糊控制与专家控制复合控制系统。根据纸浆浓度本身存在的大滞后特性以及模型的不确定性,结合模糊控制和专家控制二者各自的优缺点进行探讨,并利用Matlab仿真对比。结果表明,专家-模糊PID控制的控制性能明显优于传统PID控制系统,能很大程度地改善系统的动态特性,使得系统更快地进入稳定状态,具有良好的鲁棒性。     

基于免疫-单神经元PID算法的纸浆浓度控制

针对单神经元PID算法中的增益K不能自调整引起的动态响应慢的问题,提出了一种将免疫算法与单神经元PID算法相结合的控制算法——免疫-单神元PID算法。依据T细胞免疫机理调节单神经元PID算法中的增益K,使增益K获得自调整功能,以改善单神经元PID算法的动态性能,提高其学习速度。仿真结果表明,该算法可克服纸浆浓度控制过程中存在的多干扰性、时变性、非线性等缺点,能够满足纸浆浓度控制的稳定性、快速性要求。与单神经元PID算法相比,该算法响应速度具有明显的优越性,并具备了单神经元PID算法本身较强的抗干扰能力以及自学习自适应的能力。“THJSK-1”平台上的实时控制也验证了免疫-单神经元PID算法的可行性。     

纸浆浓度调节在DCS中的应用

将模糊控制器和PID调节器结合使用,提高了纸浆浓度调节DCS(集散控制系统)系统的动态特性和鲁棒性的稳定性,取得了较好的控制效果。     

基于神经网络PID的番茄室温环境控制

番茄在温室环境中种植时,温度、湿度、CO_2浓度是影响番茄品质的重要因素。番茄温室环境通常是一个非线性、时变性、滞后性复杂系统,采用传统PID对温度、湿度、CO_2浓度进行控制效果并不理想。为提高番茄温室环境控制效果,设计一种基于神经网络PID的自适应控制方法。介绍番茄温室控制方案,结合控制方案设计控制系统硬件。为提高温室系统自适应能力,将神经网络自学习算法与PID算法相结合,实现PID参数的在线自适应调整。仿真结果表明,该控制方法与传统PID控制方法相比,大幅降低系统收敛时间,控制精度得到大幅提高。     

纸浆浓度控制系统的设计

介绍了应用自整定PID控制的纸浆浓度控制系统的设计。首先建立纸前沿浓度控制的数字模型，包括干扰和参数变化的分析，在此基础上进行了自整定PID控制器的设计。通过固定参数PID控制器和自整定PID控制器实际运行效果的比较，表明设计的自整定PID控制器具有很高的性能。实际运行结果表明，系统可以实现初次应用时控制参数自整定和过程参数变化情况下控制参数自整定，保证系统一直在最优状态运行。     

碱化过程温度二自由度控制

针对造纸工业制浆工段碱化过程的碱化塔温度控制要求及工艺特点，采用二自由度控制结构，设计了HD及PD控制器。经实际运行表明，该控制系统响应速度快、控制效果好、有较强的鲁棒性，完全满足生产工艺要求。     

改进型模糊-Smith控制器在纸浆浓度控制系统中的应用

本文提出改进型模糊-Smith控制器并将其应用于纸浆浓度控制系统。该控制器利用Smith预估算法克服纯滞后，利用模糊控制来提高系统的鲁棒性，而在稳态阶段则切换为PID控制来提高控制精度。仿真实验结果表明该方法可以提高系统的控制品质，实际应用表明了该控制器的优越性。     

基于单神经元PSD的纸浆浓度控制算法研究

稳定的纸浆浓度是保证纸张质量的重要因素,但是纸浆浓度本身又处于长期不可预测的波动中。针对常规方法无法解决纸浆浓度模型的不确定、大时滞、时变性等特点带来的控制问题,提出了一种单神经元PSD的控制算法。利用增益自调整中的PSD算法改善单神经元响应慢的特性,使其增益具有自调整功能,设计出一种不依赖模型、实时性好的快速自适应控制算法。在Simulink中,调用s函数进行仿真,结果表明,与单神经元控制算法以及常规PID算法相比,改进的PSD控制算法响应速度快,并有较强的抗干扰性和自适应性。THJSK-1平台中的控制研究也表明该算法具有可行性。     

气垫式流浆箱解耦控制的分析及应用

在建立气垫式流浆箱数学模型的基础上,利用神经网络原理设计了神经网络解耦控制器。根据总压和浆位给定值以及其输出值,通过自学习、调整网络权值来实现闭环控制的神经网络解耦控制思路,将强耦合的总压和浆位分解为两个单回路PID闭环控制系统。采用PID控制算法对解耦后的两个单回路闭环系统进行常规控制。实际运行效果表明,该控制系统可使总压和浆位的调整互不影响,且系统稳定。     

复贴机张力的模糊自整定PID控制

介绍了复贴机张力控制及其基本原理,由于复贴机是一个典型的复杂、联动、时变、非线性卷绕系统,对其进行恒张力控制具有相当的难度。传统的PID控制不能满足要求,为了有效解决系统的非线性时变和数学模型建立困难等问题,在原有PID张力控制器的基础上提出一种较新的控制算法———模糊自整定PID控制,对比了传统PID控制和模糊PID仿真曲线,可以看出模糊控制器对卷径变化比普通PID控制具有更强的适应性。