发酵过程建模与优化控制的研究

针对发酵过程的时变性和强非线性,本研究采用神经网络对发酵过程建模,在线预测某些重要生物参数,并以这些生物参数的预测值为指导,使用遗传算法(GA)在线优化主要的环境参数,确定各参数的最优轨线来控制发酵过程,并构建了由PC机和单片机组成的发酵优化控制的监控系统.实验表明,该控制系统应用于实际发酵生产过程能有效提高发酵生产效率.     

基于ARM7的智能生物发酵模糊控制系统

基于ARM7和模糊控制算法开发的生物发酵智能控制系统。软件设计中移植了μC/OS-II操作系统,采用多任务程序设计方法设计,大大降低了编写程序的复杂度。针对生物发酵控制过程中的时变性、非线性、延时性、随机性等特点,提出采用模糊逻辑控制技术来实现系统的控制。在一定程度上解决了传统控制方法不易得到系统数学模型、难于对控制系统进行有效控制的不足。     

神经网络的强耦合控制系统仿真研究

研究工业控制领域的优化控制问题,工业控制对象具有强耦合特性,传统方法无法对其进行精确解耦,导致系统控制精度比较低.为提高工业控制系统的控制精度,提出一种PID控制和神经网络相融合的控制方法.利用PID优良动态控制特性和BP神经网络非线性控制特性对控制系统进行解耦,在权值调整算法式中加入增大动量项,提高网络学习效率,并采用粒子群算法优化权值初始值,提高控制精度,减少振荡产生.在MATLAB环境下,对非线性控制系统进行仿真研究,仿真结果表明,PID神经网络提高系统的抗干扰能力,提高系统控制精度,能够对系统进行精确解耦,使工业控制系统的性能得到改善.     

基于ARM9的生物发酵智能控制系统

介绍了基于ARM9内核和模糊神经网络的生物发酵智能控制系统.ARM9使用方便、实时性好,有利于复杂系统的控制.针对生物发酵控制过程中的时变性、非线性、延时性、随机性等特点,提出了采用基于遗传算法的模糊神经网络控制方法,该控制方法结合了遗传算法、模糊理论及神经网络的优点,在一定程度上解决了传统控制方法不易得到精确数学模型,难于对系统进行有效控制的不足.实验仿真表明:该系统具有较强的鲁棒性,能够达到预期的控制效果,可以实现对发酵系统进行有效控制.     

基于ARM内核的生物发酵温度PID-NN控制系统

采用基于ARM内核的嵌入式系统开发了生物发酵温度控制系统.软件设计中移植了pC/0S-Ⅱ实时操作系统,采用多任务程序设计方法设计,大大降低了编写程序的复杂度.针对生物发酵过程中温度的时变性、非线性、随机性等特点,提出了一种基于神经网络与PID相结合的PID-NN控制算法,在一定程度上解决了传统PID不易在线实时整定参数,难于对控制系统进行有效控制的不足.实验结果表明,系统设计可靠,满足发酵过程对控温精度的要求.     

PID控制器参数优化算法的仿真研究

研究PID控制器参数优化问题,现代控制对象具有复杂非线性、时变性特点,引起系统的输出品质特性差,超调大稳定性时间长,控制精度差等.传统PID控制是针对线性控制系统提出的,控制精度比较低.为了提高PID控制精度,基于神经网络提出PID控制器参数自适应优化方法.通过将系统控制偏差和PID控制器的3个参数作为神经网络的输入,最优控制性能作为优化目标,通过神经网络自身学习和加权系数调整,获得最优控制性能的PID控制器参数.仿真结果表明,神经网络的PID控制方法提高了系统控制精度,系统响应速度更快,具有很强的自适应性和鲁棒性,为优化控制系统提供了参考.     

生物发酵过程温度模糊PID控制系统的研究

针时生物发酵过程温度控制的非线性和时变性的特点,设计了一种基于模糊PID的温度控制系统.采用偏差和偏差变化率的变化规律为依据,查询模糊规则表生成控制规则,对发酵过程中难以整定的PID参数进行在线调节.将模糊PID控制算法应用于ε-聚赖氨酸发酵监控系统,对发酵罐的温度进行实时检测控制.通过实验验证了模糊PID的优越性.     

基于粒子群算法的抄纸过程PID神经元网络优化控制

抄纸过程中定量和水分的控制是一个大纯滞后、强耦合和非线性的系统,本文提出使用粒子群算法优化的PID神经元网络来解决这些控制问题。设计的双PID神经元网络闭环控制系统中,网络结构简单,使用增加动量项的误差反向传播算法,提高了学习速度,减少了系统的反应时间,并采用粒子群算法优化网络的初始权值,克服PID神经网络学习过程中由于权值易陷入局部最优值的缺点,提高了系统的控制精度。仿真结果表明：初始权值优化后的PID神经网络控制系统具有更高的控制精度和更快的响应时间,能更好地实现抄纸过程的解耦控制。这为抄纸过程定量水分的自动控制提供了一种新的方法。      

多温区电加热炉的PID神经网络控制

研究温度控制对提高产品品质意义较大.多温区电加热炉具有强耦合、时变性等特点,针对多温区电加热炉要求动态品质好、控制精度高等特点,采用将PID控制融合入神经元网络的方法,比例元、积分元和微分元的存在,使得PID神经网络的控制系统响应快、超调小、无静差.采用改进的反向传播学习算法,在权值调整算法式中加入阻尼项,提高了算法收敛速度和学习速率,又不易产生振荡.在MATLAB环境下,用S函数编写算法进行仿真.仿真结果表明,PID神经网络达到较好的解耦效果,提高系统的抗干扰能力,改善了系统的动态品质,使多温区电加热炉温度控制系统的性能得到改善.     

直流电动机调速控制系统的仿真研究

研究直流调速系统控制性能优化问题,直流调速系统是一种具有时变性和非线性的复杂控制系统,无法建立精确数学模型,传统PID控制的控制效果依赖于被控对象的精确数学模型,传统PID无法动态适应直流调速系统,难以获得较高的控制精度.SVM具有非线性控制能力,不需要建立精确的直流调速系统数学模型就可以进行精确逼近,为提高了直流调速系统控制精度,提出一种支持向量机和传统PID相结合的直流调速系统控制方法(SVM-PID).通过支持向量机对传统PID控制器3个参数进行在线整定,使PID控制器能够适应直流调速系统非线性变化,从而实现对适应直流调速系统精确控制,最后采用仿真验证SVM-PID性能.仿真结果表明,SVM-PID较好的克服了传统PID控制器存在的不足,提高了系统的抗干扰能力,减小了系统的超调量,为提高控制系统的性能提供了依据.