强耦合温度对象的多变量动态矩阵解耦控制

针对实验室的现场总线过程控制装置中,电加热锅炉与强制对流换热器之间存在强耦合的现象,提出了将动态矩阵解耦控制策略应用于该控制装置中,同时控制锅炉内胆水温及强制对流换热器的出口热水水温,并与多变量动态矩阵控制算法进行比较。实验结果表明,采用动态矩阵解耦控制,与原来的多变量动态矩阵控制相比,其参数调整灵活,运算量相对减少,而且能够获得比较好的解耦性能,实验结果对实际工业过程的控制有一定的指导意义。     

循环流化床锅炉双模糊解耦控制的研究

针对循环流化床锅炉多参数、非线性、时变、强耦合的特点,引入了一种新型的模糊解耦算法,依据解耦补偿原理和模糊控制思想,提出了以模糊控制器作为解耦补偿器,以模糊PID作为系统控制器的双模糊解耦控制方法。以耦合最严重的燃烧系统为研究对象,通过相对增益确定多变量的耦合程度,并配对合适的输入输出变量。利用模糊控制器不要求被控对象精确的数学模型,适合于强耦合、大滞后等优点,有效地减少了系统动态响应时间,提高了实时性和控制精度。仿真结果表明,本文提出的控制策略简单可行、效果良好。     

基于Hammerstein模型的多变量动态矩阵解耦控制研究

许多工业过程都具有强耦合、非线性等复杂过程特性;针对具有变量间强耦合和执行机构非线性的一类典型过程对象,提出基于Hammerstein模型的多变量动态矩阵解耦控制算法;并针对实验室电加热锅炉与强制对流换热器组成的广义对象,采用s7—300可编程序控制器,将控制策略应用于该对象,实现了对锅炉内胆水温及强制对流换热器出口水温的控制;实验结果表明,采用基于Hammerstein模型的多变量动态矩阵解耦控制策略,在解耦效果、设定值跟踪及抗干扰响应等方面,都能取得满意的结果,能够解决一类多变量非线性系统的控制问题。     

激光束的正弦轨迹跟踪控制研究

激光束跟踪技术被广泛地应用于工业和航天领域.基于一个激光束跟踪控制平台的控制要求,提出了带位置误差预测的PD反馈控制与模糊逻辑控制相结合的控制策略,将控制过程分段,并分别设计了预测算子的算法和确定了模糊逻辑控制阶段的模糊子集.根据实验经验,选定了PD控制器参数、确定了模糊逻辑控制的模糊规则.最后,以固定幅值和频率的正弦信号作为参考输入,运用设计好的控制器在平台上进行了实验.并且与传统的PD控制输出进行了对比,以验证新的控制策略的有效性.     

四容水箱的小波神经网络广义预测控制

针对四容水箱系统的多变量、大时滞、非线性及强耦合等特性,采用了小波神经网络广义预测控制（WNNGPC）策略。利用小波神经网络良好的函数逼近能力,对系统被控对象进行辨识,得到控制系统的预测模型,再结合广义预测控制良好的控制性能,达到对四容水箱系统的稳定控制。在系统辨识的过程中,采用的是改进的BP学习算法,这一算法能够快速平稳地修正网络权值和阈值,使预测输出平滑地趋近期望输出。在解决系统的耦合问题上,利用了模糊控制的通用逼近性,设计了模糊前馈补偿解耦。基于模糊补偿解耦的WNNGPC对四容水箱进行控制实验,并对比分析实验结果。结果表明,这一控制策略对四容水箱进行控制时取得了较好的控制效果。     

神经网络非线性多步预测逆控制方法研究*

提出了基于多步预测控制方法的多变量非线性神经网络逆控制方案。利用预测模型对系统动态特性进行预测,使用一个带有时延因子的前馈神经网络作为控制器,利用多步预测性能指标对其在线训练,实现神经网络逆系统;在多步预测过程中还对每一步的预测误差进行预测,以实现预测误差补偿。将所提出的控制算法用于锅炉这种大滞后非线性对象的控制,仿真实验证明,该控制策略具有良好的解耦和动态跟踪性能。     

高压饱和气体制备系统饱和室多变量控制研究

高压饱和气体制备系统的饱和室出口压力、流量和温度调节系统是一个相互耦合的三输入三输出系统。针对以上特点采用部分解耦控制策略,压力—流量调节子系统采用静态解耦的专家控制方式,温度调节子系统采用串级模糊PID控制方式。通过仿真试验证明这种控制策略能够获得良好的控制效果。     

基于模糊内模控制的球磨机系统的研究

球磨机系统具有多变量、强耦合、长时滞以及生产工况变化大等特点,采用常规控制策略很难达到控制目标。针对该问题,文章提出了一种基于模糊内模控制的球磨机系统的设计方案,分析了球磨机工作原理,建立了其数学模型,详细介绍了球磨机系统的解耦分析,最后给出了球磨机模糊内模控制器的设计方法。仿真结果表明,基于模糊内模控制的球磨机系统具有良好的解耦能力,鲁棒性强,能够较好地解决球磨机系统的时变性、耦合性和延迟性问题,具有一定的工程应用价值。     

自适应解耦补偿控制在变风量空调系统中的应用

针对变风量（VAV）空调系统正常运行的必要条件——稳定性问题进行研究,把变风量空调系统基于分解协调的策略合理地分解为机组部分和末端部分。应用了单神经元自适应PID控制器的概念,并结合神经元自适应解耦控制的策略,对变风量空调系统的机组部分进行了解耦与控制,还从实验系统测试的方面对解耦控制策略进行了验证。实验结果证明了这种解耦控制策略的有效性。     

精馏塔的自适应解耦控制

本文针对某精馏塔提出了一种简单的自适应解耦控制器。该控制器将广义最小方差控制策略和解耦补偿器结合起来,不仅可以对随机多变量系统实现动静态解耦而且具有良好的伺服跟踪性能。该控制器与常规PI控制器在某精馏塔双组分控制中的对比实验结果表明自适应解耦控制的性能优越于常规PI控制。     

基于模糊神经网络的多变量解耦控制

针对焦炉集气管压力这类多变量非线性系统，提出了一种基于PID神经网络和RBF模糊神经网络的多变量解耦控制方案，RBF模糊神经网络对多变量对象解耦，PID神经网络控制器控制过程的动态特性。工程应用表明，提出的控制策略有效地解决了集气管压力这类复杂对象的过程控制问题。     

多模型控制策略在化石燃料发电机组上的应用(英文)

火力发电厂中广泛使用的化石燃料发电机组(FFPU)具有非线性、强耦合、参数随工况变化等复杂特性,依据单个工作点处的线性模型设计的多变量控制策略常常导致控制效果不佳,甚至系统不能稳定运行。针对该问题,本文提出了一种有效的多模型控制策略,以改善FFPU大工况范围运行时的控制性能。首先,通过定义归一化特征值作为系统非线性测度,将FFPU工作运行区间划分成多个局部模型区域,在每个区域用线性模型表征系统特性;随后,根据每个局部区域的线性模型,实施一种基于FFPU特性而设计的包含静态前馈、PD前馈和模糊解耦的混合解耦补偿,进而采用模糊PID结构设计分散控制器;最后,依照电力负载跟随调度策略,模糊加权局部控制器得到全局控制器输出,使得系统在大工况范围运行时平滑切换。为实现该控制策略,采用了双层控制结构:上层为监督控制层,作用是根据负载要求进行设定点调度以及进行局部控制器的模糊切换;下层为直接控制层,实施混合解耦补偿和各回路的模糊PID控制。仿真表明,所提出的控制策略性能良好且实用有效。     

板带钢平整机张力-速度解耦控制

分析平整机产品质量存在的问题。从张力一速度系统的耦合动力学模型入手，提出基于极点配置的解耦控制策略，详细介绍解耦控制器设计的原理及实现方法。理论分析、计算机仿真和工业实验都表明，该控制方法能实现对平整机前张力、后张力和工作辊速度的解耦控制，降低了它们之间的相互耦合程度，改善了系统的控制效果，有利于提高带材产品的质量。     

双馈风力发电机功率解耦的非线性控制研究

针对传统矢量控制双馈风力发电机动态解耦不佳现象及电机参数依赖性问题,提出基于滑模变结构控制和反馈线性化控制的非线性控制策略。分别对两种策略的控制原理和优缺点进行了详细分析。在PSCAD环境中,将非线性控制策略应用于DFIG矢量控制中,建立其系统模型。仿真结果表明：提出的两种策略均能实现双馈风力发电系统最大功率点跟踪以及有功功率和无功功率解耦。对仿真结果进行对比分析,发现基于滑模变结构的系统有较好的解耦效果,较强的全局鲁棒性,控制效果优于反馈线性化控制,为双馈发电机励磁控制系统的设计奠定了理论基础。     

基于模糊RBF的双馈风机励磁控制研究

针对传统矢量控制精度依赖于发电机精确数学模型和参数等缺点,在分析双馈感应发电机电磁关系基础上,研究一种基于模糊神经网络的励磁控制策略.设计了基于模糊RBF解耦的励磁控制器,并对模糊RBF解耦算法进行研究;对基于模糊RBF的励磁控制的兆瓦级双馈风力发电系统进行仿真,结果验证了基于模糊RBF励磁控制的双馈发电机系统具有有功、无功功率的快速解耦能力,其调节过程响应速度快,超调量小,无静差;对于外界干扰和电机内部参数变化等问题都有良好的鲁棒性和参数自适应性.     

间歇精馏过程的模糊逻辑与增益自调整PID混合控制

针对间歇精馏过程的强非线性和非平稳时变特性,结合模糊逻辑控制和增益自调整PID控制的优点,提出了一种模糊逻辑和增益自调整PID混合控制的先进控制策略,详细推导了其控制算法,设计了相应的控制器,并在EuroBEEB工控机上用实时BASIC语言编程实现,对一套甲醇/水二元间歇精馏塔的塔顶浓度进行了推断控制实验,获得了比单独采用模糊逻辑控制时更好的控制结果。这说明,模糊逻辑和增益自调整PID混合控制是强非线性和非平稳时变过程的一种有效控制策略。     

模糊神经网络在解耦控制中的研究

在工业生产过程中,针对纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法。这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温一主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性。     

模糊神经网络在解耦控制中的研究

在工业生产过程中,针时纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法.这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性.     

基于神经网络的聚氯乙烯汽提过程自适应解耦控制

聚氯乙烯汽提过程具有高度非线性和时变性等特点,是一类复杂的非线性工业过程.首先基于动态模糊神经网络建立了数据驱动的聚氯乙烯树脂（PVC）汽提过程的被控对象模型;然后采用一种神经网络分散式解耦控制器对汽提过程进行解耦,得到浆料流量-塔顶温度和蒸汽流量-塔底温度两个单变量系统;最后采用BP神经网络PID控制器对系统进行控制.仿真实验结果验证了所提出集成控制策略的有效性.     

内模控制研究进展

内模控制由于其本质鲁棒性的优势,被广泛应用于工程实际中.系统地评述了内模控制系统中控制器设计、滤波器改进、两自由度结构、单变量内模控制、多变量解耦内模控制等问题此外,内模控制与其他先进控制策略的结合是提升内模控制效果的重要途径,详细介绍了内模控制与预测控制、神经网络、模糊控制、自适应控制、最优控制等先进控制策略的结合,...