基于模糊控制理论的智能雨刷控制器

提出一种基于模糊控制理论的智能雨刷控制器,该系统通过雨量传感器检测雨量大小,然后对雨量传感器的非线性信号X处理,得到电压差分量AX和电压变化量E,作为模糊控制系统的两个输人量,经模糊控制系统输出控制信号U,调节F330单片机的PWM信号控制雨刷器的工作状态;通过在实际模型车中的应用说明了该算法在这类控制系统中是可行的;该系统采用模糊控制器取代传统的PID控制器,无需建立精确的数学模型,克服了非线性因素对系统造成的影响,能明显改善系统的稳态和动态性能.     

DHP在锅炉燃烧控制系统中的应用研究

由于锅炉的燃烧控制系统是一个具有强耦合性的较复杂的多变量非线性控制系统,现有的控制方法不能达到较理想的控制效果,还造成了资源的浪费。针对这种情况,提出了双重启发式动态规划(DHP)控制方法,通过对DHP原理的分析和锅炉燃烧控制系统的研究,结合神经网络建立数学模型,将DHP方法应用于锅炉燃烧控制系统中,最后根据控制要求进行仿真。结果显示系统的各个状态量均能够被稳定控制在合理的范围内,并且系统反应迅速,达到了理想的控制效果,证明了DHP方法的适用性。     

非线性离散系统的自适应PID控制器

针对非线性离散系统设计了利用TSK(Takagi Sugeno Kang)模糊模型的自适应PID控制器。利用模糊模型预测控制信号误差,通过控制信号误差自适应PID控制器参数。比较系统输出和模糊模型输出自适应模糊模型的参数。该方法可以弥补系统参数的模糊性、数学模型的模型误差和系统参数的变化。非线性离散系统的仿真实验验证了所设计的自适应PID控制器对非线性离散系统控制的有效性。     

基于性能协调的平面二级倒立摆控制

针对平面二级倒立摆系统具有的多变量、非线性、强耦合、稳定控制实时性和快速性要求高的特点,设计了利用协调因子优化控制效果的改进型LQR控制器.运用分析动力学方法对倒立摆建立数学模型,以LQR理论设计了平面倒立摆的最优控制器,在此基础上加入性能协调因子,它能根据状态变量的变化实时调整控制作用的大小,进而对LQR输出的预控制...     

不确定仿射非线性系统的自适应控制--GRBF网络学习方法

研究一类不确定仿射非线性系统的自适应控制问题,构造出基于滑动模型控制和ＧＲＢＦ网络的自适应控制器,使得对于任意的系统初值和网络初始仅重,被控系统的输出均能渐近跟踪已知参考信号,控制器设计中所需估计参数数学于实际参数个数。仿真结果令人满意。     

基于RBF-ARX模型的四旋翼飞行器的预测控制

四旋翼飞行器运行中具有不稳定、非线性和强耦合特性,较难建立其准确的数学模型,针对这个问题,提出了基于RBF-ARX模型的预测控制设计方法;RBF-ARX模型是线性自回归(Auto-Regressive eXogenous,ARX)模型和高斯径向基函数(Radial Basis Function,RBF)神经网络相结合设计的模型,可用于建立非线性系统的全局模型,描述非线性系统的非线性特征。预测控制算法根据系统输入、输出信号预测对象未来输出变化趋势,并将其与系统实际输出的误差反馈校正,使误差最小;该法首先建立四旋翼飞行器的RBF-ARX模型结构,就模型参数的辨识、优化给出了详细分析;并基于该模型设计了系统预测控制器,最后通过仿真和实时控制效果证实了该方法的可行性和有效性。     

不确定仿射非线性系统的自适应控制——GRBF网络学习方法

研究一类不确定仿射非线性系统的自适应控制问题,构造出基于滑动模型控制和ＧＲＢＦ网络的自适应控制器,使得对于任意的系统初值和网络初始仅重,被控系统的输出均能渐近跟踪已知参考信号,控制器设计中所需估计参数数学于实际参数个数。仿真结果令人满意。     

基于神经网络的分解炉温度控制系统设计

根据水泥生产预分解窑系统的工艺过程，设计了以工控机为核心的分解炉温度控制系统。并利用改进的BP神经网络算法实现了分解炉温度的控制。     

多变量模糊控制系统的结构分解及其应用

对于无法获得精确数学模型的多变量、非线性、时变系统,很难用单一的模糊控制器使各受控量达到满意的指标,而且直接建立多变量模糊控制器的控制规则是非常困难的。采用分层分级的方法对多变量系统进行结构分解和降维处理,以达到简化设计的目的,并针对大型水泥管桩生产线的控制过程,给出了控制流程中关键环节模糊控制器的设计方案。仿真结果达到了控制要求。     

基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法

对于非线性系统预测控制问题, 本文提出了一种基于模型学习和粒子群优化(PSO)的单步预测控制算法.该方法使用最小二乘支持向量机(LS-SVM)建立非线性系统模型并预测系统的输出值, 通过输出反馈和偏差校正减少预测误差, 由PSO滚动优化获得非线性系统的控制量. 该方法能在非线性系统数学模型未知的情况下设计出有效的预测控制器. 通过对单变量多变量非线性系统进行仿真, 证明了该预测控制方法是有效的, 且具有良好的自适应能力和鲁棒性.     

基于神经网络的回转窑建模及其优化控制设计

实现水泥回转窑温度稳定性控制,水泥回转窑熟料煅烧是一个涉及传质、传热和物理化学反应的复杂多变量、多扰动非线性过程。为了稳定回转窑烧成温度以提高孰料烧成质量,降低能耗,传统的控制方法,存在干扰大,稳定时间长等问题。在分析水泥回转窑工艺的基础上,采用Elman神经网络建立回转窑系统的模型,提出BP神经网络的PID控制方法,根据系统的运行状态,调节PID控制器的参数,以达到性能指标,设计了回转窑温度优化控制器,具有超调量小、动态性好、收敛速度快和控制精度高等优点。进行仿真的结果表明,回转窑烧成带温度逐渐趋于稳定,实现了对水泥回转窑的优化控制。     

水泥回转窑优化控制系统的研究与开发

本文通过对水泥生产线的运行数据进行采集、分析和筛选,进而建立神经网络模型和动态ARX模型,设计出水泥回转窑系统的滚动变增益的预测控制器,使用序列二次规划算法（SQP）对控制器的操作变量进行实时最优求解,再通过仿真实验对预测控制算法进行了验证。     

基于神经网络的水泥回转窑控制系统研究

水泥回转窑的工作过程是水泥生产中的核心部分,它的生产过程是一个具有大惯性,纯滞后,非线性和强耦合的过程,建立精确的复杂模型非常困难,针对水泥回转窑工作过程中起关键作用的物料温度、窑转矩、含量,用ART-2和BP两种神经网络进行数据融合、分类,得到能较准确反映现场的工况信息,达到对回转窑电机的控制。     

A digital quality control system for an industrial dry process rotary cement kiln

A multivariate autoregressive moving average (ARMA) model for an industrial dry process rotary cement kiln is identified, from real process data, using the maximum likelihood method. The model obtained is then used in computing a controller for quality control of clinker production. It is shown that it is relevant to compute a minimum variance controller subject to restrictions both in the controller structure and the variances of the control signals. The resulting controller is finally implemented on the cement kiln process, together with a target adaptive controller for automatic adjustment of the clinker quality setpoint, in order to save energy.     

Abnormal condition detection in a cement rotary kiln with system identification methods

In this paper, we use system identification methods for abnormal condition detection in a cement rotary kiln. After selecting proper inputs and output, an input–output model is identified for the plant’s normal conditions. A novel approach is used in order to estimate the delays of the input channels of the kiln before identification part. This method eases the identification since with determining the input channels delays, the dimension of search space in the identification part reduces. Afterward, to identify the kiln’s model, Locally Linear Neuro-Fuzzy (LLNF) model is used. This model is trained by LOcally LInear MOdel Tree (LOLIMOT) algorithm which is an incremental tree-structure algorithm. Finally, with the model for normal condition of the kiln, the incident of abnormalities in output are detected based on the length of duration and magnitude of difference between the real output and model’s output. We distinguished three abnormal conditions in the kiln, two of which are known as common abnormal conditions and another one which was not characteristically known for cement experts either.     

基于模糊神经网络的水泥回转窑PID复合温度系统的设计

水泥回转窑温度系统具有严重的非线性和较大的时间滞后性,很难建立精确的数学模型,本文采用模糊神经网络控制与PID控制结合的复合控制策略,对水泥回转窑预热器四级筒出口温度进行实时监控,现场运行结果表明,该控制系统具有控制精度高、速度快、稳定性强等优点,控制效果优于传统PID控制或模糊控制。     

Model predictive control of a rotary cement kiln

A first principles model of a cement kiln is used to control and optimize the burning of clinker in the cement production process. The model considers heat transfer between a gas and a feed state via convection and radiation. Furthermore, it contains effects such as chemical reactions, feed transport, energy losses and energy input. A model predictive controller is used to stabilize a temperature profile along the rotary kiln, guarantee good combustion conditions and maximize production. Moving horizon estimation was used for online estimation of selected model parameters and unmeasured states. Results from the pilot site are presented.     

水泥回转窑点火用双模控制器设计

在水泥生产中,回转窑因新建或停窑检修后,都要重新开窑点火。点火问题处理得好坏,对回转窑能否又快又好地投入正常生产关系很大。笔者在研究了点火问题的基础上,提出了一种用于点火的控制器,把常规控制和FUZZY控制结合起来,形成一种双模控制器,经试运行显示,其结果大大好于人工控制。     

水泥回转窑的计算机控制

本文针对我国水泥回转窑的现状,提出了一套可行的模糊控制方案.文中给出了辨识水 泥回转窑模糊模型以及量测数据模糊滤波的方法.经两个月的运行实践表明,该控制方案明 显地提高了水泥熟料的产量与质量.     

立窑水泥生料质量控制装置

本文介绍了一种立窑水泥生料质量控制装置,本装置以ＩＰＣ总线工业控制机作为控制核心,由我元素分析仪在线检测ＣａＯ、Ｆｅ２Ｏ３含量,采用预测自校正和ＰＩＤ挖掘相结合的控制算法,并能与上位机进行通讯。实际运行结果表明本装置是目前技术上较为 较为合理的一种,可以明显地提高水泥的产量和质量、具有广阔的推广应用前景。