用无模型控制方法改善DCS的基础控制

目前大量应用的集散型控制系统DCS存在的问题,影响了其应用效果。这些问题主要表现在其基础控制部分的PID控制方法对复杂对象的不适应性。因此,说明了基础控制部分实现闭环稳定控制的重要意义,指出了无模型控制方法是基础控制部分实现闭环稳定控制的好方法。介绍了无模型控制方法在过程控制中成功应用的实例,并提出了把现有DCS改造成基于无模型控制方法的DCS的建议。     

Honeywell R100集散控制系统应用于啤酒发酵过程的研究与实现

研究了Ｈｏｎｅｙｗｅｌｌ Ｒ１００集散控制系统应用于啤酒发酵过程的硬件配置、软件组态和发酵温度的控制策略，并研制了一套发酵和糖化控制系统。经过生产运行考验，得到较满意的效果。     

偏苯三酸酐生产过程计算机分布式控制系统的研究与实现

针对偏苯三酸酐难以规模生产的问题,提出并实现了偏苯三酸酐生产过程计算机分布式控制系统,该系统自投入使用以来,运行可靠,性能良好。     

小波神经网络在黄豆含水率测量中的应用

提出一种用于多元非线性函数逼近的小波神经网络的训练算法,设计了网络拓扑结构和对其参数进行估计的混合递阶遗传算法。该方法避免了经典BP算法容易陷入局部极小和训练效率低的缺点,保持了较高的泛化精度,且收敛速度快,进而提高了测量精度。实验表明:应用小波神经网络多元非线性回归方法的含水率测量值与真实值间相对误差均方差为0.084,相对误差均值为0.117,相对误差最大值为0.159。     

无模型控制方法性能分析

无模型控制方法在实际应用中收到了良好的效果,因为其具有适应性、抗干扰能力、解耦性能和强制稳定能力等一系列优秀的性能.从理论上对这些性能进行分析十分必要,但比较困难,因此,介绍对无模型控制方法某些重要性能通过仿真分析的结果.因为目前在工业过程控制中所应用的控制器90 %以上是PID调节器,所以仿真采用了与PID调节器相应性能进行比较分析的途径.仿真结果说明了无模型控制方法在适应性、抗干扰能力、解耦性能和强制稳定能力等方面都强于PID调节器.另外,对所设计的仿真系统进行了简单的介绍.     

无模型控制方法在复杂大时滞系统控制中的应用研究

大时滞系统的控制问题是过程控制中的难题,复杂大时滞系统的控制更为困难。本文指出大时滞系统往往是更复杂大系统的子系统,所以必需从与其它子系统联系的观点来处理此类问题,本文讨论了复杂大时滞系统的控制问题,给出了应用无模型控制方法解决这类问题的一种方案．并列举了这种解决方案的成功应用的实例。     

热处理电炉全自动微机控温柜的研制

研制了热处理电炉全自动微机控温柜,采用ＳＴＤ总线工业控制计算机硬件,汉字键盘,屏幕显示,具有热处理工艺曲线的存储及模拟动态跟踪功能,根据热处理电的数学模型,采用准连续时间比例调节与功率设定相结合的控温算法。经现场运行,证明本微机控温柜控制精度高,抗干扰能力强,能够在生产现场可靠地连续运行。     

基于IA-BP算法的GPS高程拟合误差补偿方法

BP算法是校正GPS高程拟合误差的常用手段,但传统BP算法易陷入局部极小,使测量结果的精度稳定性差。提出一种基于免疫算法(IA)和BP神经网络结合的优化算法,利用IA进行全局搜索,然后,调用BP算法进行局部搜索。实验结果表明:该优化算法在训练多层前向神经网络时可有效地避免传统BP算法易陷入局部极小,并可保持其高预测精度,收敛速度快,具有寻优的全局性和精确性,进而提高了测量精度,且神经网络的GPS高程拟合误差与标准值间的相对误差均方差小于0.042 2,相对误差均值小于0.047 2,相对误差最大值小于0.050 3。