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。     

基于代数算法的RBF神经网络解耦控制

提出一种基于代数算法的RBF(Radial Basis Function)神经网络自适应PID控制方法.该方法采用动态的径向基函数网络对非线性系统进行在线辨识被控对象,并将获得的灵敏度信息对PID控制参数自整定,实现了系统的解耦控制.仿真结果表明该设计方案具有控制精度高,实时性好,且具有很强的鲁棒性和自适应性.     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化PID神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的PID神经网络控制器具有逼近控制目标更快、响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

一种新的多变量参考模型解耦控制的方法

为了能使解耦控制和主回路控制相互独立,同时改善动态和静态解耦特性,提出一种新的参考模型解耦方法.参考模型回路由控制器和被控对象的传递函数2部分组成,而不是一般意义上的只由单一的参考模型传递函数构成.解耦控制器被引入到解耦环节,使解耦与主回路控制独立,控制与解耦功能分别由2个不同的控制器独立完成.控制器的设计非常简单、方便,不会顾此失彼.以性能指标逼近的方式,该方法基本上能实现动态和静态的解耦.通过对实际工业系统的仿真,取得了良好的解耦效果.     

一种工业陶瓷窑炉温度模型及其解耦控制

本文研究和推导了重油抽屉窑的温度数学模型。它是一个多输入多输出的复杂系统,因而,对它采用目前工程上常用的分区控制将产生误差。本文探讨了其解耦方法,得到了十分简单的解模耦型,实现了分区控制。     

一种基于控制量一致的参考模型解耦方法

基于"控制量一致"的思想,提出了一种新的多变量参考模型解耦方法.参考模型回路由控制器和被控对象的传递函数两部分组成,而不是一般意义上的只由一个参考模型传递函数构成.解耦比例系数被引入到解耦环节,使解耦设计变得非常简单,并且兼顾了解耦和主回路控制的性能指标.以控制器输出逼近的方式,该方法基本上能实现动态和静态解耦.通过对实际工业系统的仿真,取得了良好的解耦效果.     

基于神经网络的解耦控制方法

本文介绍了BP算法的基本原理及其实现步骤,并将BP算法应用于神经网络解耦器和PID神经网络的训练中,即本文中各个神经网络的训练算法均采用BP算法,提出了一种神经网络在线解耦控制算法,即将神经网络解耦和神经网络PID控制两者结合,对系统进行解耦控制。将解耦与控制结合,既避免了单独采用自适应PID控制时控制效果不佳的问题,又避免了单独采用解耦时原有控制器不能适应变化后的对象问题。最后对一组双输入双输出耦合系统进行了仿真研究。     

人工鱼群算法优化的PID神经网络解耦控制

针对多变量系统解耦控制的要求和特点,传统的PID神经网络在选取初始权值难以确定,往往是随机得到,容易导致采用的BP学习算法陷入局部极值.提出了一种人工鱼群算法优化PID神经网络初始权值.通过对多变量控制对象的mat-lab仿真验证,把人工鱼群算法优化得到的最优初始权值带入PID神经网络,结果显示加快了PID神经网络的收敛速度,使控制量迅速地接近控制目标,保证了系统稳定性,取得了满意的控制效果.     

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...     

多变量间接自适应解耦控制算法

本文提出了一种新的间接自适应控制方案.它具有如下优点:1)可以自适应解耦具有任意传输延时结构的一般随机多变量系统;2)减少辨识参数;3)可以控制开环不稳定或非最小相位系统.文中还证明了该方案具有全局收敛特性,参数估计具有强相容性.     

多变量线性系统解耦控制算法研究

由于耦合现象的存在使得多变量被控对象的控制和分析变得非常复杂,耦合严重时甚至使原来稳定的单回路系统变得发散,无法正常运行;针对这种现象,对多变量耦合被控对象的解耦问题进行了研究,阐述了多变量线性系统基于状态反馈和输入变换的解耦控制理论,详细推导了状态反馈矩阵和输入变换矩阵的构造方法和具体计算步骤,并就此问题给出了一个具有较高实用价值的MATLAB通用程序,仿真结果验证了该程序的有效性;为多变量耦合系统的进一步设计提供了条件.     

基于参数辨识的自适应解耦控制算法的研究

多变量模型的复杂结构、强耦合性、被控对象参数的未知、慢时变等问题要求控制器必须具有良好的自适应性,针对以上问题提出了一种基于改进的广义最小方差闭环自适应解耦控制器实现更好的自适应,其由参数可调的控制器和自适应控制律组成,此控制器通过将闭环系统方程的传递函数矩阵等于期望的对角矩阵来实现解耦,同时改进的辨识算法可进行在线辨识控制器的参数实现同步自适应解耦。通过以CARMA为多变量控制模型,采用该方法进行仿真有效的解决了多变量之间的耦合性。结果表明该方法能够适应相应的变化,跟踪性能较好,且具备良好的解耦能力,进而保证了闭环系统的稳定性,从而验证了此方法能够效提高控制系统的稳定性和鲁棒性。     

基于强化学习的浓密机底流浓度在线控制算法

复杂过程工业控制一直是控制应用领域研究的前沿问题. 浓密机作为一种复杂大型工业设备广泛用于冶金、采矿等领域. 由于其在运行过程中具有多变量、非线性、高时滞等特点, 浓密机的底流浓度控制技术一直是学界、工业界的研究难点与热点. 本文提出了一种基于强化学习技术的浓密机在线控制算法. 该算法在传统启发式动态规划 (Heuristic dynamic programming, HDP)算法的基础上, 设计融合了评价网络与模型网络的双网结构, 并提出了基于短期经验回放的方法用于增强评价网络的训练准确性, 实现了对浓密机底流浓度的稳定控制, 并保持控制输入稳定在设定范围之内. 最后, 通过浓密机仿真实验的方式验证了算法的有效性, 实验结果表明本文提出的方法在时间消耗、控制精度上优于其他算法.     

空间移不变系统图像超分辨复原的快速解耦算法

超分辨率图像复原是当今一个重要的热门研究课题. 本文提出了一种基于全变差模型的超分辨率复原快速解耦算法. 利用半二次正则化思想, 提出了一个新的解耦TV (Total variation)模型. 利用交替最小化方法和线性空间不变模糊的性质将上采样融合、去模糊和去噪分步进行. 算法中对上采样融合采用非迭代的直接计算方法; 去模糊过程采用基于变换的预处理共轭梯度迭代算法, 而去噪过程采用了子空间投影方法. 本文算法降低了算法复杂度; 超分辨率重建图像在去除噪声的同时, 不仅能够保证图像平坦区域的保真度, 较好地抑制阶梯效应的产生, 而且能够保持图像中边缘等重要几何结构的清晰度.     

逻辑型多变量鲁棒自校正解耦间接算法

本文提出了一种多变量鲁棒自校正解耦间接算法。它采用一种新的正则化和相对死区实现了鲁棒自校正解耦控制。这种方法可以使系统跟踪特性不受死区界和正则化因子的影响。本文还给出了算法的鲁棒性分析和仿真结果。     

柔性关节机器人非线性解耦控制

本文提出了一种柔性关节机器人模型的非线性解耦控制规律，并给出了全局线性化系统的变换方程。     

基于DRNN的多变量解耦控制系统

本文针对一类有强耦合带时延的多变量系统,采用对角递归神经网络(DRNN)与带动量项的PID梯度优化算法(PIDGDM),自适应调整PID控制器的二项参数,并行完成系统的解耦与控制工作。仿真结果表明,系统具有很好的静态和动态性能。     

A Review of Industrial MIMO Decoupling Control

International Journal of Control, Automation and Systems - In recent decades, MIMO (Multi-Input-Multi-Output) systems become more and more widely used in industrial applications. A variety of...