用SLC500实现多温区电加热炉的PID解耦控制

介绍了AB公司的SLC500可编程逻辑控制器集成的PID控制指令的特点和用法,并以多温区电加热炉为对象,讨论如何用该指令在多变量耦合系统中实现PID解耦控制,实际运行结果证明,该指令编程简单,控制品质良好。     

多温区电加热炉自适应PID控制方法

多温区电加热炉是一种典型的多输入多输出系统(MIMO),存在着耦合性、不确定性和非线性的控制难点.针对此问题,提出了一种自适应PID控制方法.该方法先以解耦减小系统耦合性,再利用小脑模型关节控制器(CMAC)在线学习系统的未知不确定性及外部扰动,证明了CMAC神经网络在线逼近的收敛性和自适应控制方案的稳定性.实验结果表明,该控制方法有效地控制了各个温区的温度,提高了控制性能,具有实际应用意义.     

带有反向传播学习算法的自适应模糊炉温控制系统

本文介绍以控制电加热炉的实际对象为背景研制的一种计算机控制系统。该系统引入了带有基于反向传播学习算法的自适应模糊控制。这种控制方法超调小,调整时间快,精度高。     

自适应模糊控制在多温区电加热炉中的应用

提出一种新型自适应模糊控制，结合“逆系统法”的思想和ＶＲＥ技术，将聚类算法和常规模糊控制加权求和得到系统的控制量，对一类非线性、大延迟、强耦合的对象进行控制。实验表明该方法自适应性和鲁棒性强，实时性好，具有一定的工程实用性。     

多温区电加热炉的系统模型辨识及仿真试验

多温区电加热炉建模是系统辨识领域中的一个典型问题,电加热炉控制过程往往表现出非线性、大迟延和耦合性等特点,难以用传统方法建立精确的数学模型.针对此问题,提出了一种加权最小二乘递推辨识算法,并应用到钟罩式加压烧结炉的建模试验中,通过试验验证了该方法能够获得较好的数学模型.此方法对多变量工业过程的控制方法研究、多变量系统的控制理论研究有着广泛的理论和实际意义.     

基于人工鱼群的PID神经网络非线性系统控制

研究造纸工业中的流浆箱非线性系统优化控制问题。流浆箱系统是工业过程中常见的一类非线性系统,存在着非线性、强耦合等特性。针对流浆箱要求动态响应好、精度高的特点,提出并设计了人工鱼群算法训练的PID神网络控制器。人工鱼群算法克服了PID神经网络采用BP算法训练权值时,初始权值难以确定,易陷入局部最优的缺点,实现对流浆箱的有效控制。在MATLAB环境下,对流浆箱系统进行了控制仿真。仿真结果表明,人工鱼群算法训练的PID神经网络在动态性、稳定性和精确性等方面均优于BP算法,明显改善了流浆箱这类非线性系统的控制性能,具有很好的应用效果。     

非线性PID算法及其在电加热炉集散控制系统中的应用

本文介绍非线性PID算法及其在电加热炉集散控制系统中的应用.实时控制结果表明,该算法具有控制精度高、调节时间短和抗干扰能力强的优点.     

多温区机械设备的一体化控制解决方案

VarioPLC紧凑型模块化控制系统是丹纳赫公司旗下PMA品牌中的创新产品之一，是特别针对塑料行业的用户需求和应用特点而开发的系统，适用于各种塑料挤出设备、流延膜设备、电线电缆设备、热流道等应用，实现高精度和高性价比的完美结合。     

小型电加热炉间接控制的探讨

小型电加热炉采用前后两段电阻丝加热方式,加热功率达几千瓦,加热炉的炉腔与放物料的内胆分离且有一定的间隙,通过测量外温间接控制内胆的温度,根据内温达到工艺要求的时长确定加热时间。通过此法取得的工艺参数经过生产测试,满足了生产要求。     

自主学习模糊神经网络PID加热炉炉压控制

炉膛压力的稳定将直接影响加热炉的加热效率和加热质量.但由于加热材料的周期性进出,对炉压会产生较大的干扰,采用传统的PID控制已经不能满足实时控制要求.现提出一种自主学习模糊RBF神经网络辨识PID在线实时控制炉压,控制效果更加稳定.     

基于PID神经网络的电加热炉温度控制

针对加热炉温度控制,提出了基于PID神经网络的控制系统的设计。PIDNN将PID控制器与具有自学习功能的神经网络相结和,综合了PID和神经网络控制两者在温度控制时各自的优点,使得对加热炉的温度控制有了更好的效果。利用MATLAB软件对温控系统进行了仿真测试,并对测试结果进行了分析。     

基于PID神经网络的电加热炉Smith预估温度控制

本文提出了基于PID神经网络和Smith预估器的电热炉温度控制器。PID神经网络将PID控制器与具有自学习功能的神经网络相结合,综合了PID和神经网络控制各自的优点,改善参数时变对系统性能的影响。PIDNN-Smith控制器加入Smith预估器解决了加热炉的滞后影响,使控制器对加热炉的温度控制有了更好的效果。利用MATLAB软件对温控系统进行了仿真测试,并对测试结果进行了分析。     

电加热炉系统预测函数PID控制算法的研究

由于电加热炉系统具有大时滞、时变性、非线性等特点,提出了一种新型预测函数PID控制算法.该算法将PID控制算法和预测函数控制算法结合起来,通过预测被控对象的未来输出值,得到一个新的优化目标函数,实时优化控制参数,得到控制量的解析解.仿真结果表明,与常规PID控制和预测函数PID串级控制相比,所设计的控制器满足系统对快速性和稳态精度的要求,系统具有较强的抗干扰性和鲁棒性,能够实现对电加热炉系统的有效控制.     

玻璃窑炉温度系统的神经网络PID控制

以玻璃窑炉的温度系统作为控制对象,采用具有自学习能力的BP神经网络与传统PID相结合的智能控制算法对其实施控制,并利用Matlab软件进行仿真。仿真结果表明,神经网络PID控制器具有较高的精度和较强的适应性,可以获得满意的控制效果。     

电弧炉电极调节器的优化研究与仿真

研究电弧炉电极存在非线性与时变性难以调节的问题,针对目前电弧炉电极调节系统在干扰下容易产生振荡且实时性差,造成电极反复调节浪费电能的现状。为解决上述问题,提出引入对角递归神经网络与PID控制相结合的DRNN-PID控制器,解决了传统电极调节系统抗扰性与实时性差的问题。仿真结果表明:DRNN-PID控制器改善了传统电极控制器的动态性能,提高了动态调节精度与实时性,为调节器设计优化提供了参考。     

灰色预测神经网络PID控制研究

由于火电厂过热汽温控制系统的大惯性、大迟延和时变等特性,传统的串级PID控制方法不能适应负荷变化,因而难以取得满意的控制效果。因灰色预测具有少数据、贫信息且运算量小的优点,将灰色预测控制及神经网络相结合,提出了基于灰色预测的神经网络PID控制策略。仿真研究表明,该策略的控制效果优于常规的PID控制,能适应对象参数的变化并表现出良好的控制品质,具有较强的鲁棒性和自适应能力。     

神经网络在电弧炉炼钢控制系统中的应用研究

将神经网络智能控制理论应用于电弧炉炼钢控制系统,运用改进的BP算法,建立了电弧炉神经网络预估控制系统,满足了实时控制的自适应要求.仿真结果表明,采用神经网络智能控制方法,对电弧炉电极可以进行有效的控制.该系统响应速度快,适应性和鲁棒性强,具有推广应用价值.     

基于模糊神经网络PID算法的电阻炉温控系统

由于电阻炉温控系统是一个大惯性、大滞后、时变、且非线性的系统,采用传统PID控制不能解决系统的非线性、时变和PID参数的在线整定难等问题,为此提出一种控制算法—模糊神经网络PID算法。可根据电阻炉的温度的偏差及其变化率实时对PID的3个参数进行优化,达到具有最佳组合的PID控制,从而实现PID控制的自适应和智能化性能。使用MatLab的simulink仿真,通过传统PID与模糊神经网络PID阶跃响应曲线的比较,表明系统采用模糊神经网络PID算法具有更好的动、静态特性和自适应性,对突加的外部的扰动具有良好的抗干扰能力,具有实用价值。