粒子群优化算法优化BP神经网络联合PID模型的烧结自动加水控制

针对烧结混合料自动加水控制的难点,尤其是在烧结配料过程中自动加水系统的大滞后、非线性、低稳定性问题进行了加水控制算法研究。采用内环和外环方案分别控制两级混合机加水,设计基于粒子群优化(particle swarm optimization, PSO)算法优化BP(back propagation)神经网络联合模糊PID控制模型以解决时变、非线性系统的局限性问题。通过PSO算法对BP神经网络进行训练优化以获得最优控制参数,将预测的烧结料水分加入模型参与下一步控制。考虑系统存在较大延时,Simulink仿真中同步加入延时环节。仿真结果表明,相比BP神经网络模型,PSO-BP预测模型的拟合性能更加优越;相比PID、BP-PID控制算法,PSO-BP-PID控制算法在超调量、响应时间以及震荡周期等指标上均有显著提高。经梅钢4号烧结机实际应用数据表明,相比传统PID控制,PSO-BP-PID控制平均误差下降约45.75%,控制标准差下降约62.72%,可以明显提高混合料水分控制的精准度、稳定性、敏捷性,提高烧结过程的稳定性。     

基于WinCC和Matlab的预测控制器设计

主要研究新型预测函数控制算法的工业应用,从而解决工业实际中大滞后对象控制的难题.首先,对传统PID控制和预测函数控制进行了仿真比较,得出预测函数控制算法的优势;其次,用WinCC软件实现数据采集和算法运算,并开发了人机界面.利用Matlalb实现预测函数控制算法的参数运算是实现预测函数控制工程化的一个有效途径.     

基于模糊BP变结构控制的钛加工过程优化

钛金属加工是一个精密的控制过程,需要一种优化的控制算法作为引导,提出一种基于模糊BP变结构控制的钛加工过程优化控制算法。首先描述了钛金属加工的被控对象模型,分析了控制约束参量,构建变结构BP神经网络模型,采用模糊神经网络控制算法,实现钛加工过程的优化。仿真结果表明,改进后的控制算法精度较高,稳健性较好,误差为零,优越于传统方法。     

基于BP神经网络PID控制及其仿真

对BP神经网络算法进行了改进,克服了直接使用神经网络算法进行PID控制的不足之处.仿真表明,设计了附加动量项的BP神经网络,能有效地提高算法的收敛速度.实验结果表明控制效果优于传统的PID控制算法的仿真结果.     

模糊预测控制在工业窑炉温度控制系统中的应用

针对工业窑炉的容量大、滞后量大、非线性等特点,提出了一种将模糊控制与预测控制相结合的控制算法,增强了算法的跟踪与抗干扰能力.仿真结果表明,与传统的PID控制相比,该方法有着较高的稳态精度和动态特性.     

一种烧结炉温度神经网络动态矩阵控制器

针对工业烧结炉具有大时滞、非线性的问题,提出了一种基于RBF神经网络的动态矩阵预测控制方法。该方法将RBF神经网络与动态矩阵预测控制相结合,既保留了常规预测控制的优点,又克服了复杂对象难以精确建模的缺点,有效地解决了不确定时滞对烧结炉温度控制性能的影响。仿真结果表明,该方法比常规预测控制有更好的控制效果。     

广义预测控制在泵池回路中的应用

广义预测控制融合了预测控制和自适应控制的优点,是自适应控制中另一类型的预测控制方法,易于在线估计参数,以实现自适应控制。磨矿生产中,泵池回路控制是一个复杂的慢时变动态过程控制,具有很强的非线性、强耦合、大滞后、强干扰等特性,而传统的PID控制算法很难达到理想的控制效果和较高的自动投运率。为此,针对泵池控制回路的特点,提出基于模型性能指标和加权系数的广义预测控制算法,建立了泵池控制模型,并于2010年将该模型应用于金川选矿厂磨矿生产的泵池回路控制。实际工业应用表明,这种广义预测控制具有较强的适应性和较高的控制精度,控制效果优于传统PID控制算法。     

预测函数控制在张力系统中的应用

预测函数控制是一种控制量计算方程简单,实时控制效果好的新型预测控制算法,可以处理不稳定、时滞、带约束等系统,尤其适用于快速系统的控制.本文将预测函数控制用于冷连轧机张力控制系统中,分析了系统的鲁棒性、稳定性和快速性,仿真结果表明预测函数控制具有良好的控制性能.     

一种基于模糊神经网络FNN在加热炉温度控制中的应用

从实际出发,以昆明钢铁集团公司中板厂加热炉为研究对象,对具有时变性、非线性、模糊性的随机过程进行了研究。着重研究了神经网络与模糊系统融合的可行性及融合方式,采用了一种新型的智能控制方案——模糊神经网络控制。对提出的模糊神经网络控制算法进行了仿真试验,仿真结果表明,对比PID控制和自整定PID控制,采用本文所提出的模糊神经网络控制算法对加热炉进行控制,具有推理速度快,跟踪性能好,抗干扰能力强的优点,它完全能够满足工业生产需要,具有较强的可行性和实用性。     

带有负载观测的异步电动机广义预测控制

提出了一种带有负载观测功能的异步电动机广义预测控制算法,在对系统动态模型分析的基础上建立了调速系统的受控自回归积分滑动平均模型.该控制算法给出了能够使下一次采样时刻的实际转速以最优特性跟踪下一时刻参考转速的广义预测控制律,并采用负载转矩观测器的前馈功能增强速度控制的抗干扰能力.仿真和实验结果表明,通过合理选择控制器参数,具有转矩预测功能的直接转矩控制系统在转速跟踪和抗扰能力方面得到一定提高.     

采用广义模糊加权的金属连杆自适应控制算法设计

金属连杆的优化控制在汽车轴承控制、机器人控制等领域都具有较好的应用价值。提出一种基于广义模糊加权的金属连杆自适应控制算法。构建金属连杆的运动数学模型,进行被控对象建模和控制约束参量分析,采用广义模糊加权自适应神经网络控制方法,实现控制算法改进。仿真实验分析表明,该控制算法的精度较高,控制品质较好,误差收敛到最小。     

神经网络PID控制

以工业PID控制中控制器参数调整困难为背景,在分析神经网络特性的基础上,提出神经网络控制方法,设计了具有自适应性的神经网络PID控制器。在描述了神经网络的学习机理的基础上,给出了控制器控制算法。通过2个实例验证了神经网络在线控制的可行性。     

基于BP的二自由度时滞系统容错性控制算法

二自由度时滞系统容错性控制算法设计在无人机控制、冶金机电控制等领域具有较好的应用价值。提出一种基于BP神经网络模糊控制的二自由度时滞系统容错性控制算法。仿真结果得出,该控制方法进行时滞系统控制的控制参量输出的稳定性和自适应性较好,避免了失真,实现容错性控制。     

基于BP神经网络的CVC冷连轧机板形预测控制模型

将BP神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于BP神经网络的板形预测控制数学模型.经用宝钢1420mm冷轧实测数据仿真验证表明该模型具有很高的预测精度.     

基于预测PI的加热炉温度控制

在加热炉的炉温控制系统中存在大量干扰,其中的处理对象温度具有非线性,大惯性,大滞后和时变等特性。传统的PID控制算法在控制具有大滞后过程的加热炉系统中时常会有超调和振荡等现象,并且抗干扰能力不强。对比传统的PID控制,将预测PI算法结合到此过程对象中进行研究和仿真,仿真结果表明基于预测PI的控制算法具有良好的鲁棒性和快速性,可以很好地抑制住大滞后、时变等的影响,非常具有实际应用价值。     

广义预测PID控制

根据广义预测控制(Generalized Predictive Control,简写GPC)与PID控制控制律结构的相似性,通过对广义预测控制性能指标函数中控制加权序列Qj(z-1)的配置给定,导出了具有PID算法结构的广义预测控制律.从而借助广义预测控制算法参数的递推关系链,自动优化整定PID调节参数,并实施广义预测PD控制.     

动态矩阵控制在线径控制系统中的应用

针对具有大滞后、非线性特性的电线生产线线径控制问题,提出了动态矩阵控制的算法.该算法具有适应性强、响应速度快、超调量小、调节时问短、鲁棒性强等特点,而且通过对模型精确度要求不高的实验结果表明,应用预测控制算法的线径控制系统工作稳定,控制效果显著.     

预测控制理论综述

研究多种用于预测控制的方法,包括模型预测控制、动态矩阵控制、鲁棒预测控制以及设计和分析预测控制系统的内部模型控制.经过比较后认为模型预测控制适用于渐进稳定的线性过程,但在实施中需要注意若干问题,例如:稳态余差问题、脉冲响应系数长度N的选择等.动态矩阵控制算法比较简单,计算量少,鲁棒性较强,适用于纯滞后、开环渐进稳定的非最小相位系统.     

自热炉计算机模拟控制

采用热力学机理模型和神经网络相结合的预测模型控制算法 ,建立了自热熔炼优化操作的计算机辅助控制模型及软件系统 ,采用在线校正 ,优化了控制模型输出。     

可逆冷连轧卷取张力系统中的预测控制应用

针对某双机架可逆冷连轧卷取机卷取张力控制中存在的张力波动问题,引入预测控制算法,在间接一直接张力复合控制思想的基础上,采用动态矩阵预测控制器代替原系统张力PI调节器的方法.计算机仿真结果表明系统动态特性改善,保证了张力控制的精度.