循环流化床锅炉燃烧过程的多变量解耦控制系统研究

循环流化床锅炉燃烧系统是一个多变量、大时延、强耦合、非线性、慢时变的复杂对象,建立该对象的精确数学模型和采用传统控制方法控制该对象都非常困难.首先采用前馈补偿器对系统进行动态解耦,然后采用常规PID控制器、常规模糊控制器及模糊自适应PID控制器3种控制方法对解耦后的燃烧系统进行MATLAB仿真对比研究,仿真结果表明模糊自适应PID控制器在控制的快速性、稳定性、适应性、鲁棒性、抗干扰能力上均优于常规PID控制和常规模糊控制器.     

流化床锅炉燃烧系统的神经网络解耦控制

提出一种基于BP算法的人工神经网络解耦控制策略，并将其应用于流化床锅炉的燃烧系统中，其思想是在加入神经网络解耦环节以后，使得包括该解环节在内的广义被控对象的第一系统矩阵为对角矩阵，仿真结果证明，该策略能收到良好的控制效果，成功解决了主汽压力和料床温度的燃烧系统控制难题：即同时控制给煤量和一次送风量，有望用于循环流化床锅炉燃烧系统这类复杂过程的控制。     

基于ANFIS的循环流化床锅炉燃烧系统控制研究

循环流化床锅炉的燃烧系统是一个时变、大滞后、多变量强耦合的复杂对象,常规的PID控制效果不佳.为了更好地解决这类对象的控制问题,提出了一种新型的控制方案,基于自适应神经网络模糊推理系统(ANFIS)设计自适应模糊神经网络控制器.将其应用到循环流化床锅炉燃烧系统控制中,利用Matlab对该控制系统进行仿真,并与常规PID...     

钢丝连续拉丝机张力自适应解耦控制

以钢丝连续拉丝机为研究对象,通过对拉丝机张力模型的研究,将PID控制器和自适应拉丝模尺寸变化的自适应律以及前馈解耦方案相结合,提出了一种新的应用于拉丝机张力的自适应解耦控制方案.给出了系统张力模型和用于参数调整的自适应解耦算法.通过仿真与实验研究,表明该控制器可以解决拉丝机张力耦合控制问题,实际应用效果良好.     

神经网络解耦控制策略及在锅炉燃烧系统中的应用

针对循环流化床锅炉燃烧被控对象的非线性，时变及多变量强耦合的特点，将基于人工神经网络的解耦控制策略应用于该系统中，仿真结果表明，该策略能收到良好的控制效果。     

单神经元PID在单元机组协调控制系统中的应用

基于神经网络PID控制和协调系统强耦合的特点,应用一种针对多输人、多输出解耦系统的单神经元PID解耦控制算法和结构,并在算法中增加了自适应学习速率,更好地实现对单元机组的解耦控制。仿真结果表明,这种单神经元PID解耦控制算法实现的控制与常规的PID控制比较,不仅具有较好的动态性能和稳态性能,而且还具有很强的自学习功能和自适应解耦能力。     

级联STATCOM输出的单神经元解耦控制

级联STATCOM是一个强耦合的复杂非线性系统,实现对级联STATCOM精确控制的最有效途径是对级联STATCOM进行解耦控制。本文针对普通解耦控制难以实现级联STATCOM高性能控制的问题,利用神经元出色的学习能力以及不依赖于对象模型的优点,提出了一种基于单神经元的级联STATCOM交流输出的有功和无功解耦控制策略,深入探讨了单神经元解耦控制策略的Delta学习规则、解耦机理和控制器设计方法,并在matlab/simulink仿真平台上搭建了单神经元耦控制策略的级联STATCOM系统仿真模型,给出了仿真结果。理论研究和仿真结果表明,基于单神经元解耦的STATCOM输出控制方法,与普通的解耦控制方法相比,具有响应速度快、无静差、控制精度高的优点,是一种高效的级联STATCOM解耦控制方法。     

多变量系统的神经元网络智能控制

本文研究了多变量系统的自适应神经元网络智能控制，基于神经元无模型控制的特点［１］，提出了一种非常简单的工程控制方法，这种方法通过粗略计算静态解耦矩阵，对多变量系统进行静态解耦，使用自适应神经元网络对解耦系统进行学习控制。仿真实验表明了这种新方法的有效性。     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力 ,用于控制时可不依赖控制对象的数学模型。异步电机矢量控制技术是通过坐标变换 ,实现对定子电流的励磁分量与转矩分量的解耦控制。为实现对交流电机快速和精确控制 ,本文基于单神经元设计出用于异步电机矢量控制的自适应磁链和转速控制器 ,利用神经元的自学习功能在线调节连接权重 ,实现自适应控制。并将此设计应用于由数字信号处理器 (DSP)实现的交流电机矢量控制系统中 ,实验表明此方法设计的控制器结构简单 ,易于数字化实现 ,控制系统动态性能良好。     

基于神经网络自适应PID的异步电动机定子磁场定向控制

针对异步电动机这一多变量、非线性、强耦合的控制对象, 提出了一种基于神经网络自适应PID控制器的异步电动机定子磁场定向解耦控制的新方法.采用定子磁场定向控制,以定子磁链作为反馈量,运用电流励磁分量解耦补偿环节,实现了定子磁场定向控制下电机转速与定子磁链间的解耦控制.同时为实现对异步电动机快速和精确控制,设计出用于异步电动机的神经网络自适应PID控制器,利用神经元的自学习功能在线调节连接权重,实现自适应控制.实验结果表明:这种方法具有控制性能不受电机转子参数的影响,以及快速的转速和转矩响应的特点.     

基于PSO算法的多变量PID型神经元网络在球磨机控制上应用

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,基于PID控制的简单结构和良好性能优势以及神经元网络的自调节和自适应的特长,设计了具有PID结构的多变量自适应的PID型神经元网络控制器。给出了这种控制系统的结构和算式,其为一种3层前向神经网络,其隐层单元分别为比例(P)、积分(I)和微分单元(D),各层神经元个数、连接方式、连接权值的初值是按PID控制规律确定的。神经元网络参数采用了粒子群优化(PSO)学习算法,并给出了相关算式。分析了球磨机制粉控制系统的特点,并应用提出的控制方法对其进行了仿真研究,比较了文中控制方法与传统的PID控制方法的控制效果。仿真结果表明了所提方法具有较好的控制品质、良好的自适应解耦能力和自学习功能。     

基于神经网络控制的两电动机同步系统研究

以多变量、非线性、强耦合的两电动机同步控制系统为研究对象,对变频器供电的感应电机系统进行重点研究,建立两电机同步系统的数学模型.采用RBF神经网络自适应PID控制器,结合自适应神经元解耦补偿的解耦控制技术,设计了两电机同步调速系统的神经网络控制器,试验结果表明该方法可以实现电机转速和皮带张力的解耦控制.     

循环流化床锅炉解耦模型的自适应控制研究

CFBB是一个多参数、非线性、时变及多变量紧密耦合的复杂系统,很难建立精确的数学模型,从而使得单纯用常规的控制理论解决这一自动控制问题变得非常困难.针对CFBB控制难点--汽压-床温耦合系统控制问题,根据其具有强耦合、大迟延、慢时变的特性,采用预测控制和在线辨识自适应控制的方法,致力于实现CFBB的汽压-床温解耦模型的自适应控制.     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力,用于控制时可不依赖控制对象的数学模型.感应电动机矢量控制技术是通过坐标变换,实现对定子电流的励磁分量与转矩分量的解耦控制.为实现对交流电机快速和精确控制,本文基于单神经元设计出用于感应电动机矢量控制的自适应磁链和转速控制器,利用神经元的自学习功能在线调节连接权重,实现自适应控制.并将此设计应用于由数字信号处理器(DSP)实现的交流电机矢量控制系统中,实验表明此方法设计的控制器结构简单,易于数字化实现,控制系统动态性能良好.     

循环流化床锅炉控制系统设计研究

循环流化床锅炉已经在很多领域得到应用。但由于它自身特点,决定了常规控制方法难以取得理想的控制效果。作为对循环流化床锅炉控制系统的探索,提出了双设备冗余解耦控制系统。此系统在硬件上实现了双设备冗余,提高了系统的安全稳定性;在控制原理上,把神经网络引入到循环流化床锅炉的解耦控制中,提高了控制品质,取得良好的经济效益,具有良好的应用前景。     

球磨机多模型PID型神经元网络控制系统

针对球磨机制粉系统的多变量、强耦合、非线性、时变性等特点,提出了采用基于PID型神经元网络的多模型控制方法,在不同工况下系统的时变特性采用多个模型进行描述,而每个模型的控制器则采用PID型神经元网络进行解耦控制。通过在线计算模型匹配程度,选择相应的模型和控制器,组成闭环系统,切换算法实现多模型间无扰切换,同一工况慢时变采用控制器参数自调整来提高鲁棒性。PID型神经元网络是一种特殊的3层前向神经网络,其隐层单元分别为比例(P)、积分(I)和微分单元(D),各层神经元个数、连接方式、连接权值的初值按PID控制规律确定。仿真结果表明,文中提出的控制方法相比传统控制方法有更好的控制品质,跟踪快、鲁棒性强、解耦好,较好地解决了球磨机系统的时变性、耦合性等问题。     

神经元自适应控制器在矢量控制中的应用

感应电机矢量控制技术是通过坐标变换，实现对定于电流的励磁分量与转矩分量的解辐控制。传统PID控制器在电机参数改变时鲁棒性较差。神经网络具有自学习、自适应能力，用于控制时可以不依赖控制对象的数学模型。为实现对交流电机快速和精确控制，基于单神经元设计出用于感应电机矢量控制的自适应磁链和转速控制器，利用神经元的自学习功能在线调节连接权重，实现自适应控制。并将此设计应用于交流电机矢量控制系统中，数字仿真实验表明，此方法设计的控制器可克服传统PID控制器在电机参数改变时控制性能差等不足，鲁樟性强。该设计结构简单，实现应用时易于数字化实现。     

450t/h循环流化床锅炉机组动态仿真模型研究

采用模块化建模方法建立了我国设计制造的首台450t/h循环流化床锅炉机组实时仿真数学模型,介绍了锅炉机组模型的各子系统构成及其性能.以循环流化床燃烧系统为例,详细介绍了其主要仿真模块的数学模型,并据此仿真模块搭建了该子系统的仿真模型.仿真试验表明所建模型能够正确反映循环流化床锅炉机组的动态和静态特性,模型运算稳定可靠.所建锅炉机组仿真模型已用于多期仿真机培训,并可为循环流化床锅炉机组控制系统设计与分析提供对象模型.     

基于解耦策略的直线感应牵引电机法向力自适应最优控制

中低速磁悬浮列车和部分地铁车辆均采用直线感应牵引电机作为驱动机构,该电机特有的边缘效应和法向力对直线感应牵引电机的效率以及性能均产生很大的负面影响,因此直线感应牵引电机采用常规的电传动控制策略并不能取得良好的控制效果。该文充分考虑边缘效应的影响,建立了直线感应牵引电机的数学模型。将推力与磁通进行解耦,并分析磁通、推力与电流控制环节的非线性与时变性,提出了神经自适应控制的设计方法。分析了法向力的组成与特性,得出其数学表达式,以推力与磁通解耦为基础,结合最优化理论,考虑多个优化目标建立损耗最小函数,实现直线感应牵引电机的损耗最优控制。计算机仿真与实验对所提控制策略与传统控制策略进行对比,验证了该方法在典型工况下的有效性。