多变量解耦控制系统设计与仿真

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

基于BP神经网络的多变量PID解耦控制

基于神经网络的智能PID控制策略，以经典的PID控制理论为基础，并通过具有多变量解耦控制自学习功能的神经网络参数整定来实现。本文给出了网络的结构和算法，示出了一组二元变量强耦合时变系统的实时仿真结果。通过计算机仿真证明，基于神经网络的PID控制具有良好的自学习和自适应解耦控制能力。该系统融解耦器和控制器于一体，易于实现，适用于非线性多变量系统的解耦控制。它使解耦后的系统具有较好的动态和静态性能，特别是当根据BP控制规律确定了网络连接权系数的初值时，还能使系统参数快速收敛。     

多变量广义开环解耦控制算法

针对离散多变量系统提出了一种能有效地处理过程时滞、开环不稳定和非最小相位的解耦控制算法。它原理简明，易于实施，每一回路仅需整定一个参数。仿真结果表明，这一新控制算法在跟踪性、鲁棒性和抗干扰性等方面均可获得满意的控制效果。     

多变量解耦控制系统设计与仿真北大核心CSCD

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

基于神经网络的多变量非线性自适应解耦控制研究

提出神经网络前馈自适应解耦控制算法．该算法将多变量非线性系统在平衡点处利用Taylor公式展开．分为线性部分和高阶非线性部分。这样．将高阶非线性部分的影响视为可测干扰，采用前馈补偿的方法加以消除．就可以借助多变量线性系统的自适应解耦控制算法．实现多变量非线性系统的自适应解耦控制．这种方法可以取消被解耦系统为最小相位的限制。     

电加热反应器温度的多变量广义开环解耦控制

多段电加热反应器的温度对象是一个存在着严重耦一听多变量，工且呈现一定非线性特性，因此，采用各回路单独调节方式很难对其进行快速，平稳和准确的控制。针对这一问题，本文设计了新型的多变量广义开环解耦控制器，并在小型反应装置上实施：结果表明该控制器控制效果好，容影印件实现并且具有较强的鲁棒性。     

多变量自学习动态解耦控制

针对多变量系统提出自学习动态解耦控制算法,该控制算法设计简单,具有较好的动态和静态性能,能实现在线实时动态解耦。     

自适应神经元非模型多变量优化补偿控制*

根据解耦补偿和优化控制的思想，本文提出了一种完全不依赖于对象模型的自适应神经元多变量优化补偿器模型，命同了神经元权系统的在线学习方法，分析了其工作机理，进一步给出在某多侧线精馏塔和连续搅拌釜式反应器（ＣＳＴＲ）上的仿真结果。     

多变量多时滞系统的前馈补偿解耦及IMC-PID控制

多变量系统控制器设计中遇到的主要难题是多时滞和强铰链耦合问题;对于非奇异方阵系统,根据解耦理论通过串级前馈时滞补偿器将原系统解耦为多个单变量小时滞系统,运用模型降阶技术,将解耦后的复杂单变量小时滞系统逼近为FOPDT(一阶环节+延时)形式,采用IMC控制策略实现多个单变量系统单位反馈控制,运用了麦克劳林级数展开式,通过相应项系数的比对得到了传统PID控制器;仿真分析表明了该方法能够有效性地补偿系统时滞,同时现实解耦;解决了多变量多时滞系统控制器设计复杂性的难题,有一定的工程参考价值。     

两种基于不同周期的多变量预测控制研究

本文在一般预测控制的基础之上，对于两种特殊的系统分别提出了对应的预测控制算法，仿真效果表明了这两种算法的正确性和实用性。     

不确定多变量系统的高阶滑模控制

针对一类系统矩阵和输入矩阵存在不确定性的多变量系统,结合微分估计器技术和极点配置技术,提出一种二阶非奇异终端滑模分解控制方法.所提方法适用于维数较高系统,可简化控制器设计,消除控制信号的高频抖振,实现系统的鲁棒递阶控制.仿真结果验证了所提方法的有效性.     

Nonlinear multivariable adaptive control using multiple models and neural networks

In this paper, a multivariable adaptive control approach is proposed for a class of unknown nonlinear multivariable discrete-time dynamical systems. By introducing a k-difference operator, the nonlinear terms of the system are not required to be globally bounded. The proposed adaptive control scheme is composed of a linear adaptive controller, a neural-network-based nonlinear adaptive controller and a switching mechanism. The linear controller can assure boundedness of the input and output signals, and the neural network nonlinear controller can improve performance of the system. By using the switching scheme between the linear and nonlinear controllers, it is demonstrated that improved performance and stability can be achieved simultaneously. Theory analysis and simulation results are presented to show the effectiveness of the proposed method.     

多变量解耦控制的工业过程运行层次控制方法

基于多变量解耦控制技术,提出了一种工业过程运行的层次控制方法,用于实现表征过程整体运行性能的工艺指标.底层回路控制系统采用多回路PI/PID控制技术进行设计,用于将关键工艺参数控制在给定的工作点.针对中被控过程和底层回路控制系统构成的文义对象,采用扩展的单位反馈解耦方法设计上层回路设定控制器,该回路设定控制器能够克服系...     

粮情智能测控系统的研制

本文介绍了作者研制开发、经过粮库试验的粮情智能测控系统的系统结构，并对系统中有特色的部分作了进一步的分析。     

可控受限多变量耦合系统的智能控制

针对可控受限多变量耦合系统,提出了一种基于对角递归神经网络(DRNN)整定的PID混合解耦控制。采用对角递归神经网络来辨识系统模型,进而对PID控制器参数进行整定,实现多变量解耦控制。通过对多变量耦合控制系统的设计和实时控制,实际控制结果达到了解耦控制的要求,并具有无超调、响应速度快、控制精度高等特点。     

混合液温度流量解耦控制算法及系统虚拟

针对一种具体的混合液温度流量非线性控制问题，文中提出了一种解析方式的解耦控制算法。采用MatLab对算法的仿真表明，这种解耦控制算法具有良好的解耦和控制效果。为全面分析该算法，设计了交互式实时混合液温度流量解耦控制系统虚拟软件，该软件的使用结果说明，这种算法可以很好地解决这种解耦控制问题。     

未知参数多变量线性系统自适应模糊广义预测控制

对未知参数多变量线性系统提出了自适应模糊广义预测控制方法.该方法直接用模糊逻辑系统组成的向量设计广义预测控制器,并基于广义误差向量估计值对控制器中的未知向量和广义误差估计值中的未知矩阵进行白适应调整.该方法不但能保证闭环系统所有信号有界,而且可使广义误差向量收敛到原点的一个邻域内.     

Observer-based multivariable flatness control of a cold rolling mill

The synthesis methodology developed by Kimura (1985) based on the design theory of output regulators essentially due to Wonham (1974) has been applied successfully to the flatness control system for a 6-high cold rolling mill. The system has the following remarkable features.

1. (1) The structure of the controller is simple. This makes it easy to tune the control system.

2. (2) The controller copes well with the detection time delay, and thus high performance is obtained even at a low rolling speed.

3. (3) The flatness error caused by the rolling force variation in mill acceleration and deceleration time would be kept to a minimum by the function to adjust roll bending force using the signal of rolling force.