基于阶跃模型的非线性模糊PID控制算法研究

针对大多数非线性系统建模和控制较困难的问题,引入了基于C-R模糊阶跃模型的非线性系统建模方法,该模型中的参数ai*是时变的,能够表征系统的非线性特征。根据C-R模糊阶跃模型的结构特点,与PID控制算法结合,将ai*表示出PID控制算法的参数,提出了非线性模糊PID控制算法CR-PID,克服了常规PID控制的参数难以较好地表征非线性的问题。通过对连续搅拌反应釜控制系统的仿真结果表明了该方法的有效性。     

基于T-S模糊模型与粒子群优化的非线性预测控制

引言模型预测控制属于一种基于模型的多变量的控制算法,发展至今已在化工过程控制方面得到了广泛的应用[1-5]。状态反馈预测控制[6-8]是模型预测控制技术的一种,基于状态空间模型,采用实测状态     

模糊非线性内模控制算法及其在pH值控制中的应用

pH值控制过程具有较强的非线性,历来是过程控制研究的一大热点,本文针对pH值控制系统提出了一种基于模糊推理网的非线性内模控制算法（FNIMC）。模糊推理网用于辨识对象的模糊模型;FNIMC由一个逆模控制器和具有一个可调参数的鲁棒滤波器组成。仿真结果表明该算法优于非线性PID调节器,且计算效率高。     

基于自适应模糊神经网络的非线性系统模型预测控制

针对非线性动态系统的控制问题,提出了一种基于自适应模糊神经网络(adaptive fuzzy neural network,AFNN)的模型预测控制(model predictive control, MPC)方法。首先,在离线建模阶段,AFNN采用规则自分裂技术产生初始模糊规则,采用改进的自适应LM学习算法优化网络参数;然后,在实时控制过程,AFNN根据系统输出和预测输出之间的误差调整网络参数,从而为MPC提供一个精确的预测模型;进一步,AFNN-MPC利用带有自适应学习率的梯度下降寻优算法求解优化问题,在线获取非线性控制量,并将其作用到动态系统实施控制。此外,给出了AFNN-MPC的收敛性和稳定性证明,以保证其在实际工程中的成功应用。最后,利用数值仿真和双CSTR过程进行实验验证。结果表明,AFNN-MPC能够取得优越的控制性能。     

基于神经网络和多模型的非线性自适应PID控制及应用

针对一类未知的单输入单输出离散非线性系统,提出了基于神经网络和多模型的非线性自适应PID控制方法。该方法由线性自适应PID控制器、神经网络非线性自适应PID控制器以及切换机构组成。采用线性自适应PID控制器可保证闭环系统所有信号有界;采用神经网络非线性自适应PID控制器可改善系统性能;通过引入合理的切换机制,能够在保证闭环系统稳定的同时,提高系统性能。理论分析表明,该方法能够保证闭环系统所有信号有界,如果适当地选择神经网络的结构和参数,系统的跟踪误差将收敛于任意给定的紧集。将所提出的方法应用于连续搅拌反应釜,仿真结果验证了所提出方法的有效性。由于该方法基于增量式数字PID控制器,在工业过程中有着广阔的应用前景。     

连续搅拌反应釜系统的非线性鲁棒控制

基于非线性鲁棒控制理论,针对一类单输入单输出连续搅拌反应釜（CSTR）模型设计了具有高增益观测器的非线性鲁棒控制器（ONRC）,并提出了一种简单的控制器参数整定方法。与非线性鲁棒控制器（NRC）和滑模控制方法（SMC）的仿真结果比较表明,ONRC对系统不确定性和干扰具有更好的抑制作用,通过Monte-Carlo试验检验显示,ONRC在模型参数摄动时具有更好的性能鲁棒性。     

基于动态补偿逆的非线性RBF内模控制及其应用

针对非线性不确定系统和传统的非线性内模控制在控制上存在的不足,提出一种基于动态补偿逆的非线性不确定系统RBF内模控制,在引入RBF建立逆模型的同时,将无模型自适应控制方法作为附加控制器,用于模型偏离被控对象时在线修正逆模型。仿真结果表明,本文提出的方法不仅对系统的常量摄动具有较好的鲁棒性,对时变不确定性仍然保持较好的跟踪效果,具有较好的实时性、鲁棒性和在线校正功能。     

应用非线性降阶观测器在线估计连续搅拌反应釜系统状态

本文以实际非线性连续搅拌反应釜(CSTR)为背景,利用 Lyapunov稳定性和指数可观系统概念,提出并设计了一种适合于工程实际应用的非线性降阶观测器,并实际用作实时在线观测估计CSTR系统的不可测状态。结果表明,这种观测器计算量小、结构简单、适应性强,且便于实时在线估算,即使系统处于随机干扰的环境,亦能获得满意的结果。     

基于自适应模糊推理的非线性系统辨识器设计

针对传统模糊建模方法中模型参数都是根据经验选取的局限性,提出一种类高斯隶属函数,推导了基于类高斯隶属函数的自适应模糊推理模型,利用Stone-Weierstrass定理证明了该模型能以任意精度逼近非线性系统.将自适应模糊推理模型应用于非线性动态系统辨识中,设计了非线性系统辨识器,采用梯度下降算法学习模型中参数,通过仿真得到了较好的辨识效果.     

变增益的非线性预测控制算法

采用变增益策略,用输入与稳态输出的映射表示系统的静态非线性,用一个增益为1的ARX模型表示系统的动态模型,代替多数文献中常用的分段线性多模型方法进行非线性系统的预测控制.文中通过对连续搅拌釜反应器(CSTR)的仿真,验证了本算法的有效性.     

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。     

基于模糊控制的智能温室系统

针对现代温室的特点,将模糊控制应用于温室控制系统的设计中。给出了智能温室控制系统的硬件组成、软件实现以及核心算法,并对该系统进行了实现。应用效果表明,系统不仅能够将温度恒定在一个制定范围,还能够最大限度的节约能源消耗。     

基于快速正交搜索算法的非线性预测控制

针对一些非线性系统的模型辨识和预测控制计算繁琐的问题,提出基于快速正交搜索算法的预测控制方法,可准确地对非线性系统模型进行辨识。该方法优化了计算方法,省去了繁琐的迭代过程,并减少了每次迭代过程中引入的误差。利用辨识模型建立预测模型,对非线性系统进行直接预测控制。仿真实验结果证实了该方法的有效性和可行性。     

基于模糊控制的气体扩散模型选择

提出一种气体扩散模型的选择方法,可应用于有害气体泄漏源的发现和搜寻。比较模糊控制原理的优点,再优化部分学者提出的气体扩散模型,设计出气体扩散模型选择的模糊推理系统。该系统可根据对环境的测量数据推理出适合特定环境条件下的气体扩散模型。在模糊推理系统中,由传感器测量的环境数据作为输入量导入模糊控制器,经Mamdani模糊算法,最终导出的输出量即某一气体扩散模型。使用Matlab中的模糊控制工具箱(Fuzzy)对模糊推理系统进行仿真实验,结果表明:不同气体在不同环境条件下的气体扩散模型能够通过模糊推理得到,说明该方法可行。     

基于变结构参数自整定模糊PID的节能控制系统

设计基于变结构参数自整定模糊PID和空气源热泵的节能控制系统,分析模糊运算规则,实现风量温度的高精度控制。用力控组态软件对整个节能控制系统进行组态。实际生产运行结果表明:该系统的节能效果明显,操作界面友好。