基于改进单神经元的PET吹瓶机温度解耦控制系统研究

将神经网络应用到PID控制器的参数整定过程中,提出一种基于改进单神经元PID的控制算法,通过在吹瓶机温度解耦控制系统中的应用,得出了仿真结果及结论.仿真结果表明:该控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的控制效果,因而可以广泛地应用于多变量系统的解耦控制中.     

DRNN神经网络的电加热炉解耦控制

基于DRNN神经网络参数自学习的PID原理对电加热炉进行解耦控制。给出了网络的结构和算法,分析了时变对象的特点,并对电加热炉时变系统进行了仿真。仿真结果表明:DRNN神经网络对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性。     

基于CMAC和PID的非线性耦合系统解耦控制研究

为了实现多变量非线性耦合系统的解耦控制,提出了一种基于CMAC与PID的复杂关联自适应解耦控制策略,并给出了详细算法。该控制策略采用PID控制器和CMAC控制器共同构成一个复合控制器,多个复合控制器通过多输入多输出线性神经网络,实施对复杂非线性耦合对象的控制作用。由于神经网络的自适应特性,可使得耦合系统逼近参考模型,实现解耦控制。仿真结果表明,该控制策略实现了耦合系统的解耦控制,并且具有较强的抗干扰能力和鲁棒性。因此采用此控制策略能够实现多变量非线性耦合系统的解耦控制。     

熔融碳酸盐燃料电池/燃气轮机混合发电系统的温度解耦控制

通过对熔融碳酸盐燃料电池/燃气轮机混合发电系统温度控制系统的研究分析,提出了对多变量系统进行解耦控制的方法.在解耦控制器的设计方面,采用了基于准对角递归神经网络的双变量动态解耦PID控制法.仿真结果表明,所设计的解耦控制器能使得系统各部件在期望温度范围内运行.     

基于改进逆向解耦的超超临界机组机炉协调控制

针对超超临界机组机炉耦合系统采用常规的PID控制时参数调整困难且难以获得好的控制效果的问题,先将耦合的多变量高阶被控对象解耦为具有典型二阶惯性环节的多个单入单出广义被控对象。对解耦后的单入单出广义被控对象,分别设计了PID控制器,基于内模控制原理整定PID控制器参数。在MATLAB/SIMULINK仿真环境下,通过实验验证了本方法能够很好地消除变量之间的耦合影响,实现各被控变量良好的设定值跟踪能力和干扰抑制能力。     

多变量PID型神经元网络控制系统及在除氧器水位解耦控制中的仿真研究

介绍了多变量PID型神经元网络控制系统.给出了网络的结构和学习算法,说明了系统参数选取方法,分析了除氧器水位控制的特点.仿真结果表明,该控制系统对多变量强耦合的除氧器水位控制对象具有良好的解耦性能和自学习控制特性.     

多输入多输出系统的神经网络PID解耦控制器

基于神经网络的ＰＩＤ控制,提出了一种可用于有耦合的多输入多输出系统的比例、积分和微分参数在线自整定的神经网络ＰＩＤ解耦控制器,可以实现对多变量系统的角耦控制,仿真结果表明系统具有很好的动态及稳态性能。     

DLF神经网络在多变量非线性系统中的设计与应用

为了克服PID控制器和一般神经网络的缺点,探讨了基于DLF神经网络控制器在多变量非线性系统的应用,并与传统的PID控制器和一般神经网络的控制效果进行了比较.结果表明,DLF神经网络控制器对多变量非线性系统具有训练速度快和较强的解耦能力.     

船用核动力装置二回路PID神经网络解耦控制研究

直流蒸发器的船用核动力装置是一个非线性、时变及多变量强耦合的被控对象.针对该被控对象设计了改进型PID神经网络控制系统,用于船用核动力装置多变量解耦控制,该神经网络控制器不需要对系统进行辨识,在调整权值的学习过程中使控制系统具有良好的解耦控制性能.仿真结果表明,直流蒸发器压力和汽轮机转速控制之间协调性好,并具有响应速度快、鲁棒性好等特点.     

汽包锅炉燃烧的PID型神经网络解耦控制系统仿真研究

介绍了汽包锅炉燃烧控制系统的控制任务、物理量间关系、原则性控制方案、传统控制方法,以及解耦控制方法的发展,引入了PID型神经网络控制系统的结构、学习算法、初始权值参数选取.MATLAB仿真结果表明,该控制系统对多变量强耦合时变的锅炉燃烧控制对象具有良好的解耦性能和自学习控制特性.