基于模糊控制的热力除氧器控制

热力除氧器是火电机组给水加热系统的重要设备.水位和压力是除氧器控制的主要调节参数,对二者的快速、精确控制,对于提升除氧器的除氧效果意义重大.传统的PID控制依赖于被控对象的数学模型且未考虑参数的耦合,由于除氧器是非线性、不确定性系统,数学模型难以描述,其控制品质较差.提出了通过模糊控制结合模糊前馈补偿的热力除氧器控制方案,即采用模糊控制,不依赖于数学模型,且充分考虑了参数耦合问题,利用模糊前馈补偿实现解耦.仿真结果表明,该控制方法的控制品质较为理想.     

非线性系统中自调整模糊神经网络控制方法的应用研究

针对难以解决的纯滞后非线性系统控制,提出一种基于自调整模糊神经网络控制的辨识Smith预估方法,采用模糊神经网络与PID控制动态复合,保持了模糊控制较强的鲁棒性和神经网络可以任意逼近非线性系统的能力以及PID调解器消除静态误差的优点.同时利用神经网络进行参数在线辨识以构成Smith预估器,适应了被控对象的实时变化.在热连轧中的仿真结果证明了该方法的有效性.     

基于神经网络的模型跟随控制方法

提出了一种用于数学模型未知多变量系统的模型跟随神经元控制方案,该方案利用神经网络逼近非线性映射的能力及学习能力实现系统对参考模型的,以达到优化控制的目的.同时,提出了一个模型优化学习控制算法,利用该算法获取作为神经元控制器训练样本的最优模型跟随控制律数值解.将模型跟随神经元控制方法用于一个造纸机网前箱的多变量过程,获得了良好仿真研究结果.     

基于单步预测的模型参考自适应逆控制

针对非线性系统,提出一种基于单步预测的模型参考自适应逆控制方案.该方案将预测思想引入自适应逆控制中,采用Elman网络作为模型辩识器,利用它建立非线性系统输出的预测模型;采用模糊神经网络作为自适应逆控制器,由预测误差进行参数的在线自适应寻优.仿真结果表明,该方案具有很好的跟踪效果和较强的鲁棒性.     

基于模糊神经元网络的阀控马达系统仿真

提出了一种基于模糊神经元网络的阀控马达控制方案.在系统中，将模糊控制技术与神经元网络技术相结合，构建了模糊神经元网络控制器.该控制器结合模糊控制与神经元网络各自的优点，既具有模糊控制器简单和有效的非线性控制作用，又具有神经元网络自学习和自适应能力,改善了控制系统的性能.     

单电磁悬浮系统的神经网络模糊滑模控制

为实现单电磁悬浮系统悬浮气隙的精确控制,提出一种基于神经网络的模糊滑模控制方案.根据单电磁悬浮系统的动态非线性数学模型,设计使系统状态在有限时间内到达稳定点的滑模面,同时根据滑模切换状态,通过引入神经网络的模糊控制方法对滑模切换控制量的增益进行评估,实时对滑模控制量进行调整,实现切换控制信号的柔化.基于神经网络的模糊滑模控制系统不仅能很好地跟踪给定信号,而且能削弱滑模控制抖振,对外部扰动具有完全的鲁棒性.仿真结果表明,所设计的控制系统零超调,具有速度跟踪性能,对外部扰动具有很强的鲁棒性.     

基于fuzzy-PID的灰水处理控制系统

根据现场情况推导出第二级蓄水池的近似数学模型.基于控制对象迟滞、非线性的特点,将模糊PID控制应用于水位控制系统中.阐述了模糊控制器的设计过程:模糊化、模糊控制规则的建立和反模糊化,并给出合适的隶属函数、量化因子取值及模糊控制规则等.同时从理论上推导出模糊PID控制器消除稳态误差的原理,并用MAT-LAB工具箱对系统进行仿真试验.通过对仿真结果的分析得出:模糊PID控制器既能消除稳态误差,又有很强的鲁棒性,对于此类非线性迟滞系统具有良好地控制性能.     

基于BP神经网络的模糊PID风量控制

针对煤矿主风机通风系统多变量、非线性、时变滞后性等问题,提出一种基于BP神经网络的模糊PID算法。该算法综合神经网络、模糊控制与PID调节的各自优点,既具有神经网络的自学习和自适应能力,又具有模糊控制的非线性控制作用,同时兼备PID调节的广泛性。仿真结果表明,该算法的响应速度、稳态精度均优于传统的PID调节,取得比较理想的控制效果。     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.     

基于优化模糊RBF神经网络的挖掘机铲斗轨迹控制研究

针对挖掘机电液伺服控制系统中存在的非线性和时变性问题,本文结合RBF神经网络和模糊控制各自的优点提出一种基于模糊RBF神经网络PID控制方法。利用K-means层次聚类法确定模糊神经网络的结构参数,并采用改进SSA算法优化训练模糊神经网络。本文还建立了挖掘机铲斗系统的AMESim模型和电控系统的Simulink控制策略模型,并进行联合仿真分析。仿真结果表明：与一般模糊RBF神经网络相比,本文优化后的模糊RBF神经网络在铲斗系统空载时,能将控制精度提升33.7%,在铲斗系统满载时,能将控制精度提升36.2%。     

300 MW机组磨煤机制粉系统智能控制研究

探讨了一种新型的300MW机组磨煤机制粉系统智能控制方法．该方法特点是在系统偏差大时采用模糊控制方案，偏差小时采用神经元控制方案．现场应用表明此系统可有效解决磨煤机制粉系统的大迟延，强耦合控制问题．     

模糊控制在火电厂制粉系统中的应用

中储式球磨机制粉系统是一个典型的多变量强耦合非线性慢时变系统,基于经典控制系统很难投入自动运行,难于同时保证磨煤机的出力大且制粉电耗低的要求．采用模糊控制直接算法对球磨机制粉系统进行控制,简化了系统的控制设计,解决了系统变量之间的耦合问题、提高了制粉系统运行的经济性和安全性,有着良好的市场前景和应用价值．     

水泥分解炉运行参数预测模型

为了实现水泥分解炉非线性系统的建模与控制,利于数学分析等特点的T-S型模糊推理与可以实现任意非线性映射的神经网络相结合,在水泥分解炉生产工艺分析的基础上,建立了水泥分解炉运行参数的模糊神经网络预测模型.该预测模型结合某大型水泥厂现场采集的生产数据,进行了仿真验证.结果表明,模型计算简单,模型网络运算输出值(预测值)与样本期望值(现场采集数据)相差很小,说明该模糊神经网络具有较好的预测能力和泛化能力.     

基于模糊神经网络的非线性系统预测函数控制研究

针对预测函数控制难以很好地实现非线性系统控制的问题,将模糊神经网络与预测函数控制相结合,设计一种基于模糊神经网络的非线性系统的预测函数控制器。用模糊神经网络辨识非线性系统的模型,辨识结果送到预测函数控制中,从而得到预测模型,最终得到最优的控制量。通过Matlab计算机仿真,可以看出此控制器对于非线性系统具有良好的控制效果和鲁棒性。     

球磨机单神经元自适应PID解耦控制系统仿真

针对球磨机制粉系统的多变量、强耦合、非线性和时变性等特点,提出了球磨机自适应神经元PID解耦的控制方法.将静态解耦逆矩阵与球磨机对象串接,以解除球磨机多变量之间的耦合,再采用两个单神经元自适应PID控制器对解耦后的两变量对象进行闭环控制.仿真结果表明,该控制法相比常规的PID解耦控制法有更好的控制品质,跟踪快、鲁棒性强、解耦好,可较好地解决球磨机系统的时变性、耦合性等问题.     

模糊RBF神经网络在麻醉深度控制系统中的应用

麻醉深度通常用病人的平均动脉压（MAP）值来直接反应和度量。针对平均动脉压的时变、非线性特点,提出了基于模糊RBF神经网络的麻醉深度PID控制系统。通过采用模糊RBF神经网络对检测到的平均动脉压值进行模糊化处理及神经网络辨识,从而在线整定PID控制器各个参数,以获得更好的控制效果。MATLAB仿真结果表明模糊RBF神经网络用于麻醉深度控制具有良好的动态响应性能。     

T-XP分散控制系统在扬州第二电厂的应用

扬州第二电厂 2× 6 0 0MW机组的控制系统采用德国西门子公司TELEPERM XP分散控制系统 ,实现机组数据采集、模拟量控制、顺序控制、燃烧管理控制 .该系统采用当今先进的分级控制结构和可靠的网络系统 ,为电厂生产过程提供监视和操作的全部设备 .主要介绍和评述该系统的硬件配置、系统特点及应用情况 ,并提出了一些可行的和合理的建议     

多变量PID型神经元网络控制系统及在除氧器水位解耦控制中的仿真研究

介绍了多变量PID型神经元网络控制系统.给出了网络的结构和学习算法,说明了系统参数选取方法,分析了除氧器水位控制的特点.仿真结果表明,该控制系统对多变量强耦合的除氧器水位控制对象具有良好的解耦性能和自学习控制特性.     

基于RBF神经网络二级倒立摆系统的PID控制

针对二级倒立摆系统,提出一种基于RBF神经网络的PID控制方法。该方法采用RBF神经网络对PID控制器的参数进行优化修正,从而使控制器处于最优状态,实现二级倒立摆的稳定控制。仿真结果表明,该方法的控制精度较高,响应迅速,超调量较小。对于多变量、非线性、不稳定的快速系统,具有较好的控制效果。