带钢热连轧活套系统的NNMSAC解耦控制

针对现代带钢热连轧中活套系统的解耦控制问题,提出了基于神经网络简单自适应多变量解耦控制方法（NNMSAC）。该方法运用简单自适应理论结合了神经网络技术用于多变量系统。着重描述了该控制算法的结构和原理,给出了参数选择原则和设计方法,并针对活套系统实例进行了仿真研究。仿真结果表明,这种控制算法具有实现简单,解耦效果好的特点,有效地改进了活套系统的控制效果。     

一种新的间接自适应前馈控制算法及其应用

本文提出的单变量随机间接自适应控制算法适于控制大滞后的系统.它不仅能消除可测 干扰的影响,而且可以应用到多变量系统实现自适应解耦控制.该算法即使用于非最小相位 系统也具有全局收敛特性.本文还介绍了该算法在多变量电加热系统中的应用.     

基于虚拟模型的自适应解耦抗扰控制

针对一类多变量非线性耦合系统,提出了一种基于虚拟模型的非线性自适应控制器.首先将非线性系统线性化处理并将其作为虚拟模型,对该模型设计线性自适应控制律.然后将线性控制律分别应用在虚拟系统和受控的实际非线性系统上,根据两者的输出误差设计补偿控制律,以达到对实际被控对象进行自适应解耦抗扰的目的.利用李雅普诺夫稳定理论给出了控制系统稳定性条件.实验仿真验证了控制算法的有效性.     

一种直接多变量自适应解耦控制算法

本文将广义最小方差控制策略和前馈控制策略结合进来,提出了解耦控制器并讨论了如何采用修改最小二乘辨识算法和直接方案对具有任意延时结构的一般随机多变量系统实现自适应解耦控制,本文还证明了所提出的自适应算法即使用于开环不稳定或非最小相位系统也具有整体稳定性和收敛性。     

一类非线性多变量系统的多模型自适应解耦控制

针对一类多变量离散时间非线性动态系统。分别设计线性鲁棒自适应解耦控制律和神经网络非线性自适应解耦控制律．根据指定的性能指标,通过它们之间的切换对系统进行控制．理论分析和仿真结果表明,该控制策略不但可以保证闭环系统BIBO稳定,而且能够改善系统的性能．     

关于多变量PID自适应解耦控制器的设计

本文对于多变量自适应解耦控制与PID控制相组合．这一工业过程控制的重要设计方法，主要是对一些控制算法和全局收敛性分析等问题，进行了研究和探索。     

具有降阶模型的多变量鲁棒自适应前馈控制器

本文提出了一种多变量鲁棒自适应前馈控制器。该控制器采用低阶模型来控制参数未知的高阶多变量系统时,在可测干扰和有界不可测干扰作用下能保证自适应系统稳定运行。当可测干扰与系统输出之间存在未建模动态时,它可以对可测干扰实行有效的动静态补偿。当只有有界干扰作用时,它能使有界干扰对系统产生的影响最小。本文还给出了采用所提出的控制器控制某钢厂间歇式余热锅炉的仿真结果。     

一种基于双神经元自适应预估控制的静态解耦系统

当前在多变量系统的解耦控制的实际应用中,存在对象精确模型的依赖型问题,造成动态控制效果不够理想.大规模神经网络等技术控制算法过于复杂,在很多程度上影响了控制的可实现性和实时性.提出了一种基于双神经元自适应预估控制的静态解耦控制系统.详细阐述了所采用的基于神经元的自适应预估控制算法.使用一个神经元作为回.路的自适应控制器...     

一类非最小相位非线性系统的神经网络自适应控制策略

针对一类非最小相位非线性系统，基于线性化和前馈补偿的思想，提出了神经自适应控制算法。得到了前馈控制律的闭环稳定性分析，并给出仿真结果。     

使用低阶参考模型的离散多变量MRACS

本文提出了一种高阶被控对象跟随低阶参考模型的离散多变量模型参考自适应控制系统(MRACS)的设计方法,它利用数字滤波器将系统降阶,通过求解p个一次代数方程而确定的自适应控制输入信号,能够使多变量被控对象的每个多输入单输出(MISO)子系统的输出渐近收敛到对应的单输入单输出(SISO)低阶参考模型的输出,提出的自适应控制器不仅避免了引进正反馈和辅助信号,而且实现了自适应解耦控制,仿真结果表明该控制器具有较好的控制性能。     

Elementary nonlinear decoupling control of composition in binary distillation columns

Elementary nonlinear decoupling (END) is a model based control algorithm intended to decouple and linearize a nonlinear multivariable process in order to achieve better control than can be obtained by conventional decentralized linear feedback control. The application of END to the composition control of a theoretical binary distillation column illustrates that the quality achievable is very high.     

强制循环蒸发系统的非线性自适应解耦PID控制

本文结合现场的实际过程数据,首先应用能量平衡建立了强制循环蒸发过程的动态模型.针对该过程的多变量、非线性以及强耦合特性,在常规增量式PID控制器的基础上提出基于神经网络与多模型切换的非线性自适应解耦PID控制策略.该控制器是由线性自适应解耦PID控制器和基于神经网络的非线性自适应解耦PID控制器以及切换机构组成.其中线性自适应解耦PID控制器可以保证系统的稳定,而基于神经网络的非线性自适应解耦PID控制器则可以有效地提高系统的性能.上述过程的PID参数是通过广义预测的方法得到,最后通过仿真表明,上述控制方法不仅消除了回路间的耦合,在稳定生产的同时提高了蒸发的效率.     

基于神经网络与多模型的非线性自适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性.     

Achieving vector relative degree for nonlinear systems with parametric uncertainties

Several algorithms for adaptive control, as well as for static state feedback decoupling, feedback linearization, or inversion of nonlinear multivariable systems require that the systems have full vector relative degree, in order to be applied. In this paper, we provide a parameter-independent method of achieving full vector relative degree for nonlinear multivariable systems which do not have it. We determine conditions under which a diagonal dynamic precompensation is sufficient to achieve vector relative degree for multivariable nonlinear systems, and describe a simple algorithm which determines such compensation.     

基于非线性静态反馈解耦的三容系统PI控制

三容系统实验台是模拟多容器流程系统的多输入多输出、时变、强耦合、非线性的实验系统。采用一种基于非线性静态反馈的解耦方法进行三容实验系统的液位控制,当系统满足一定的务件时,可以寻找到一个输出与等效新输入之间的线性微分方程关系,然后再选择合适的状态反馈形式即可使该非线性系统解耦。经解耦,三容系统可分解为两个相互独立的单输入单输出线性子系统,对每个这样的子系统可以采用PI控制。给出了应用的实验结果和与没有使用解耦的PI控制方法的比较：     

电流滞环控制PWM逆变器异步电动机的非线性解耦控制系统

本文针对电流滞环控制PWM逆变器异步电动机系统这一非线性、多变量、强耦合的控 制对象,采用非线性变换和非线性反馈,实现了系统的动态解耦和全局线性化.其中关键问 题是对合性条件的满足,从而分解成线性化的转速子系统和转子磁链子系统,两个子系统的 调节器可按古典线性理论设计.最后,用8096十六位单片机实现非线性解耦控制算法,组成 了交流变频调速系统,并给出实验结果.     

Composite nonlinear control with state and measurement feedback for general multivariable systems with input saturation

In this paper, we present a design procedure of composite nonlinear feedback control for general multivariable systems with actuator saturation. We consider both the state feedback case and the measurement feedback case without imposing any restrictive assumption on the given systems. The composite nonlinear feedback control consists of a linear feedback law and a nonlinear feedback law without any switching element. The linear feedback part is designed to yield a closed-loop system with faster rise time, while at the same time not exceeding the actuator limits for the desired command input levels. The nonlinear feedback law is used to reduce overshoot and undershoot caused by the linear part. As such, a highly desired tracking performance with faster settling time and smaller overshoot can be obtained. The result is illustrated by a numerical example, which shows that the proposed design method yields a very satisfactory performance.     

Adaptive actuator failure compensation for multivariable feedback linearizable systems

A feedback linearization‐based adaptive control scheme is developed for multivariable nonlinear systems with redundant actuators subject to uncertain failures. Such an adaptive controller contains a direct adaptive actuator failure compensator to compensate the uncertain actuator failure, a nonlinear feedback to linearize the nonlinear dynamics, and a linear feedback to stabilize the linearized system. The key new design feature is the estimation of both the failure patterns and the failure values, for direct adaptive actuator failure compensation, newly developed for multivariable feedback linearizable nonlinear systems. With direct control signal adaptation, the adaptive failure compensation design ensures closed‐loop stability and asymptotic output tracking in the presence of actuator failure uncertainties. Simulation results from an application to attitude control of a near‐space vehicle dynamic model are presented to verify the desired system performance with adaptive actuator failure compensation. Copyright © 2015 John Wiley & Sons, Ltd.     

Multivariable Intelligent Decoupling Control System and its Application

Many industrial processes have compositive complexities including multivariable, strong coupling, nonlinearity, time-variant and operating condition variations. Combining multivariable adaptive decoupling control with neural networks, this paper presents a multivariable neural network-based decoupling control algorithm. This control algorithm is integrated with distributed control technique and intelligent control technique, and a three-leveled intelligent decoupling control system consisting of basic control level, coordinating control level, and management and decision level is developed. The configuration and function of the control system are discussed in detail. This system has been successfully applied in ball mill pulverizing systems of 200MW power units, and remarkable benefits have been obtained.