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。     

基于模糊调整单神经元增益的黑液液位控制算法研究

单神经元PID算法在非线性、时变性以及模型不确定的控制系统中能表现出优越的静态性能,同时模糊算法在未知模型和不精准控制的控制系统中,具有良好的动态性能。针对黑液液位的时变性、非线性等特点,将模糊算法与单神经元PID算法相结合,设计出一种动静态性能良好的模糊调节单神经元增益的新型算法。仿真结果表明,该算法在黑液液位控制中具有很强的鲁棒性,响应速度快、自适应能力强。     

基于免疫机理的单神经元苛化温度控制研究

针对苛化温度的高阶非线性、时变性、多干扰及大时滞等特点,提出来一种基于免疫机理的单神经PI D控制算法。该算法利用T细胞免疫机理调节单神经元的比例系数K,克服单神经元PID控制响应速度慢的缺点。在Simulink中进行苛化温度的动态仿真研究,并通过加入高斯白噪声及变换对象模型,验证该算法的鲁棒性及自适应能力。仿真结果表明:该算法既继承了单神经元PID算法较强的抗干扰能力与自适应能力,又具有较快的动态响应速度。该算法的实际应用也验证其具有可行性。     

电加热炉计算机控制系统的设计

本文以电加热炉为被控对象,通过对电加热炉对象特性的分析来确定电加热炉系统的构成及控制方案(策略)。在不建立电加热炉数学模型的情况下,实现了电加热炉炉温的单神经元自适应PID智能控制和单神经元自适应PSD智能控制。算法仿真结果表明:单神经元自适应PSD智能控制算法简单,效果较好,有较高的理论价值和实用价值。     

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。     

基于专家经验的单神经元串级温差控制研究

针对置换蒸煮锅内存在的温差及温差对象的非线性严重、大时滞、要求控制实时等特点,提出了保证蒸煮锅内温度一致的、基于专家经验的单神经元串级PID自适应控制策略。该控制策略引入专家经验调节单神经元增益K,同时将单神经元PID自学习和自适应的能力与串级优势相结合,可实时快速地进行温差控制。在Simulink中,调用该控制策略的s函数,进行温差对象特性的动态仿真实验,以验证其鲁棒性和模型失配响应。结果表明：该控制策略的鲁棒性与自适应性比常规温差-流量串级PID控制及单神经元PID串级控制更好;THJSK-1平台中的实时控制还表明,该控制策略具有可行性。     

基于单神经元自适应算法的经纱张力控制器设计

经纱张力稳定性是影响织物质量的重要因素之一。为得到经轴转速与经纱张力之间的数学关系,实现控制器对经纱张力的准确控制,建立了织机运行过程中的经纱动力学模型。设计了以单神经元自适应算法为控制算法、以单片机MCF5213为处理器的电子送经/卷取控制器。将单神经元自适应控制算法与常规PID算法的控制效果做仿真比较,结果表明,单神经元自适应控制对外界扰动具有更好的抑制性能。以RFJA10喷气织机作为现场调试平台进行台架试验。实验数据表明,该控制器控制效果良好,提高了张力控制系统的动态性能和稳定性。     

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。     

纸浆浓度的神经网络PID控制

针对造纸过程中纸浆浓度控制的特点,通过BP神经网络与PID相结合,组成神经网络控制器,用于纸浆浓度控制。利用神经网络自学习、自适应的功能,根据实际工况在线实时调整PID参数,使纸浆浓度的控制处于一种最优状态,达到较好的控制品质。     

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。     

Single Neuron PID Control Based on Expert Experiences for Temperature Difference Control System of a Digester

Considering the temperature difference of displacement cooking characterized by severe non-linearity, large time delay, and real-time control, a cascade PID adaptive control strategy composed of a single neuron is proposed to ensure cooking temperature uniformity. The control strategy introduces expert experiences to adjust the single neuron gain K, while a single neuron PID self-learning and adaptive ability, as well as cascade advantage can be combined to realize the real-time and fast temperature difference control. In the Simulink, the s-function of this control strategy is used to carry out a dynamic simulation experiment with temperature difference characteristics and verify the robustness and response to model mismatch. Compared to conventional temperature difference-flow PID cascade control and single neuron PID cascade control, this control strategy has better robustness and stronger adaptability. The results of real-time control on the THJSK-1 experiment platform indicate this control strategy is feasible.     

高浓锥形磨浆机浓度控制系统的研究

介绍了高浓锥形磨浆机双闭环浓度控制方法。该方法能在保证锥形磨浆机较高生产效率的同时改善纸浆质量;通过控制磨浆区内稀释水流量,可获得最佳出浆浓度,提高浆料在磨浆区内部的浓度,使纤维在磨盘间的停留时间延长,可降低磨浆强度,同时也避免了因磨浆区外部浓度过高而导致的磨盘堵塞。     

基于自适应变异差分进化算法的溶解氧浓度控制系统

溶解氧是造纸中段废水好氧处理过程中的重要参量,但溶解氧过程控制回路存在大时滞、非线性等问题,常规PID控制难以收到理想效果。本课题在分析差分进化算法的基础上,提出了一种自适应变异差分进化算法,用于PID控制器的参数优化,实现对溶解氧浓度的精准控制。MATLAB仿真结果表明,与常规PID控制和基于传统差分进化算法的PID控制相比,本算法具有响应速度快、超调量小的优点,能够收到良好的控制效果。本算法已经投入实际应用,COD_(Cr)去除率达到84.5%,BOD去除率达到93.4%,水处理系统运行良好,能够实现废水达标排放。     

基于RBF神经网络整定的经纱张力PID控制系统

针对目前国内大多织机经纱张力控制系统采用传统PID控制,对数学模型依赖度高,难于达到较好控制效果的缺陷,提出了一种基于Kalman滤波器的RBF径向神经网络整定的PID控制算法。这种控制算法采用3输入、单输出的RBF径向神经网络对系统性能学习以寻找出最佳的PID组合,Kalman滤波器有效地滤掉了织机中的各种噪声,实现经纱张力值的恒定。仿真实验结果表明,基于神经网络整定的经纱张力控制系统的控制效果和动态性能都明显优于传统PID控制。     

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。