基于预测模型算法控制的动态配料系统仿真分析

模拟人的思维特点,分析混凝土搅拌站动态配料系统的控制过程,在系统动态称重配料过程中引入迭代自学习控制策略和预测模型算法控制(MAC),并对该系统的非线性误差的控制过程进行了分析;MATLAB仿真表明,系统的配料精度和速度都达到要求,在模型匹配时性能良好,在模型失配时依然能满意运行,表现出响应快、鲁棒性强及超调量小的特点.     

基于RBFNN的料场称重预测控制系统

为提高称重配料过程的控制精度,探讨了基于径向基神经网络(RBFNN)辨识的模型预测控制(MPC)系统的应用,着重介绍了径向基神经网络的特点,模型预测控制特性,提出了以径向基神经网络作为预测器和控制器的模型预测控制系统。实践证明,该系统可以改进被控对象的性能,适用于较为复杂的不确定性强的非线性控制对象。目前已成功在福建某钢铁厂烧结料场控制系统改造项目中投入使用,并取得了良好的控制效果,该系统在钢铁冶炼烧结称重环节不同料种圆盘中有广阔的应用前景。     

混凝土搅拌配料控制系统

在分析、研究日本公司的CB920、美国托利多的Panth以及长沙建设电子的PLC-3的基础上，提出了一种新型螺旋加料动态定量称重控制方法。该方法基于自校正预测控制算法，较好地解决了动态定量称重过程中精度和速度的矛盾。从系统硬件结构、控制策略及软件设计策略三方面论述了4通道混凝土搅拌配料控制系统。     

基于增量加权的预测函数控制

介绍了预测函数控制方法的主要思想和特点。针对通常的预测函数控制在优化求解的目标函数中仅含有输出误差的平方和序列,没有考虑控制增量的变化,通过在性能指标中对控制增量适当加权,提出了一种双值预测函数控制算法,提高了系统的稳定性,克服了系统的稳态偏差。在工业过程模型中,用Matlab软件进行了仿真研究,取得了良好的控制效果,表明该算法跟踪快、控制精度高、稳定性强,是一种比较有效的控制方法。     

复杂系统控制中的神经网络预测器研究

本文从径向基函数(RBF)神经网络原理分析出发,探讨了一种用于非线性复杂系统预测控制的神经网络预测模型方法,并将此方法用于实际非线性系统的预测控制.结果表明,基于RBF的神经网络预测模型可快速准确地完成对非线性动态过程的预测描述,因而可以在非线性系统的预测控制中得到良好地应用.     

动态定量称重系统神经网络预测PID控制器研究

采用神经网络预测与PID控制理论相结合,为动态定量称重系统设计了一种神经网络预测PID控制器。该控制器算法简单,通过自学习、记忆功能在线调整PID控制参数KP、Kl、KD。建立了动态定量称重系统的仿真模型,将神经网络预测的PID控制与常规PID进行对比分析,神经网络预测PID控制器具有很好的控制效果。     

模糊神经网络预测控制在配料系统中的应用

针对水泥生产过程中皮带配料系统的惯性、滞后、非线性及现场干扰频繁等特点,设计一种模糊神经网络预测控制算法,将模糊控制、神经网络与预测控制相结合,增强算法的自学习、跟踪与抗干扰能力,神经网络预测模型有效地补偿了传统预测控制基于线性模型的局限性.将该控制算法用于皮带配料控制系统中,仿真结果表明,物料流量控制效果优于传统的P...     

基于灰色系统模型的预测函数控制方法研究

以灰色系统模型为基础，建立了一种预测函数控制方法．分析了灰色系统建模、模型预测输出和控制量计算方程的求解．通过仿真结果表明，该算法具有鲁棒性好、跟踪快速和抑制干扰能力强等特点。     

基于稳态非线性模型和线性ARX模型组合的非线性预测控制

通过点集映射来表示非线性系统的稳态模型,用系统的稳态增益来修正具有外界输入的线性自回归（AutoRegressive with eXternal input, ARX）模型的动态增益,提出了一种基于稳态非线性模型和线性ARX模型组合的非线性预测控制算法．该算法用递归最小二乘法在线辨识系统的动态模型参数,用序列二次规划算法求解目标函数．最后通过对典型化工非线性对象pH中和过程的仿真对本算法进行了验证．结果表明,本算法比广义预测控制算法具有更好的设定值跟踪性能和抗干扰能力．     

一种空间飞行器姿态控制非线性模型的预测控制新算法

空间飞行器的姿态控制受到诸如带时延的非线性动态特性、模型和参数的不确定性等因素的影响 ,其控制相当复杂。传统的控制技术 (如PID控制 )对控制对象的过程模型要求较高 ,且不能解决过程控制中非线性、时变、控制输入的约束性等因素的影响 ,其控制所能达到的性能和效率也远不够满足当前飞行器的控制要求。该文将介绍一种新型的基于控制输入的函数空间最优化的模型预测控制算法 ,称为函数空间模型预测控制 (F -MPC)。该法可用于线性和非线性系统 ,对过程模型要求不高 ,能在控制输入约束条件存在的情况下通过在线优化使系统很好地跟踪期望轨迹 ,并且解决了PID控制所遇到的问题。同时 ,将该算法用于空间飞行器的姿态控制仿真 ,仿真结果表明控制效果很好。