火电厂锅炉主汽温模糊免疫PID-Smith预估控制

针对火电厂锅炉主汽温控制对象的大纯滞后、模型不确定等特性，设计了模糊免疫PID—Smith预估控制系统，并进行了仿真研究。仿真结果表明所设计的控制系统比常规Smith预估控制系统具有较强鲁棒性，系统具有良好的适应能力，适用于缺乏精确数学模型且参数变化的大纯滞后工业过程。     

预测函数控制及其应用研究

介绍并分析了预测函数控制（PFC）的基本原理和特点，给出了一阶加纯滞后系统的预测函数控制的具体算法。将PFC和PID控制相结合，提出了PFC－PID串级主汽温控制策略。系统的内回路采用PID控制，内回路和主调节区对象构成PFC的广义被控对象，对广义被控对象进行拟合简化得到一阶加纯滞后对象，作为PFC的预测模型，算法简单；预测模型失配时，系统仍具有良好的控制品质，易于工程实现，具有较高实用价值。大量仿真实验表明，，采用PFC－PID串级控制策略的主汽温控制系统的动态品质明显优于采用PID串级控制策略的系统，具有较强的鲁棒性和抗干扰能力。     

基于分散推理结构的过热汽温模糊控制及仿真

设计了一种基于分散推理结构的锅炉过热蒸汽温度模糊控制系统。该控制系统为一个具有4个输入信号的模糊信息处理系统。根据过热器出口蒸汽温度和导前区出口蒸汽温度的偏差信息,分别由两个二维模糊控制器产生两个控制分量,进一步根据汽温对象的主要动态特性,对这两个控制分量进行加权综合,获得最终的控制输出。通过仿真实验,对基于分散推理结构的锅炉过热蒸汽温度模糊控制系统的有效性及自适应能力进行了验证,并与常规串级PID控制系统和模糊串级控制系统的控制效果进行了比较。     

基于PID神经网络的主汽温系统设计与仿真

PID神经网络是将PID控制规律融入神经网络的一种智能控制技术,它既具有常规PID控制结构简单、参数物理意义明确的优点,又具有神经网络非线性映射能力强、自学习、自适应的功能。针对主汽温控制系统大滞后、非线性、时变等特性,综合考虑控制系统的动态、静态性能,PID神经网络对控制系统进行全工况的学习与优化设计,并进行了主汽温...     

过热汽温系统的RBF神经网络控制

采用RBF神经网络直接构成神经网络控制器，将在线学习和控制相结合，这种方法不需要增加另一个神经网络对系统进行在线辨识，也不需要预先确定神经网络控制器的结构。通过将该方法应用于电厂过热汽温系统的控制进行仿真研究并与常规PID串级控制系统进行比较，结果表明控制系统的性能得到较大的提高。     

陀螺稳定平台非线性摩擦的灰色滑模控制

为了减小摩擦扰动对陀螺稳定平台伺服跟踪性能的影响,设计了一种灰色滑模控制器。以某型号导引头陀螺稳定平台为实际对象,分析了系统中摩擦的非线性特性,从机械和控制两方面探讨了减小摩擦的措施。基于稳定平台的单轴控制模型,设计了滑模控制律,采用GM(1,1)灰色预测算法估计扰动量,将其作为控制律中的补偿分量,同时应用灰色预测方法对滑模控制策略进行预测输出,有效地减弱了滑模控制的抖动现象。在陀螺稳定平台上实际测试表明,该灰色滑模控制能够在无系统摩擦模型的情况下,有效减小摩擦扰动对系统控制的影响,与PID控制相比,明显提高了控制系统的鲁棒性和稳态精度。     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

自抗扰控制在火电厂主汽温控制中的应用研究

自抗扰控制器(ADRC)是在继承经典PID不依赖于对象模型优点的基础上,通过改进经典 PID 固有缺陷而形成的新型控制器,性能优良并且算法简单.针对火电厂过热汽温控制系统的大滞后,大惯性以及动态特性随工况变化的不确定性等特点,给出了主汽温的自抗扰控制方案,该控制方案不需要精确模型参数就可以实现干扰补偿.在电厂热工过程控制实时仿真平台STAR-90上建立模块化的自抗扰控制器,进行了变负荷、10%扰动和RB试验.试验结果表明,用ADRC技术建立的过热汽温控制系统对被控对象模型的不确定性和外部扰动变化具有较强的适应性和鲁棒性,控制系统具有优良的动态性能.     

基于混沌预测的模糊神经网络控制器设计及应用

由于混沌时间序列内部确定的规律性 ,其重构出混沌吸引子的相空间具有高精度短期预测性。根据非线性、大时滞系统的时间序列重构相空间 ,计算相空间的最大Lyapunov指数、饱和嵌入维数和可预报尺度 ,并以此为指导 ,对系统作高精度预测。在此基础上 ,又设计了遗传算法优化的模糊神经网络预测控制器 ,实现了对非线性、大时滞系统高精度的自适应控制。将该控制应用在锅炉过热汽温控制中 ,仿真表明该控制的有效性、准确性和鲁棒性。     

基于QFT的火电厂主汽温控制系统的设计与仿真

火电厂主汽温控制系统具有大惯性、大延迟和时变等特性,采用常规控制方法的主汽温控系统难以获得满意的控制效果.定量反馈理论是目前鲁棒控制领域中具有较强工程应用价值的一种设计方法.首先将火电厂主汽温控制系统对象简化成为具有三参数变动的不确定模型,应用QFT的基本原理,设计了边界稳定的鲁棒控制器,保证了稳态精度5%和过渡过程时间小于1秒.仿真结果表明它能适应对象参数的变化,具有较强的鲁棒性和自适应能力.     

时滞系统的智能控制方法

介绍了基于Smith预估结构的时滞系统自适应模糊PID控制方法，该方法根据偏差e和偏差变化ec与PID控制器三个参数之间的关系，利用模糊控制原理对PID参数进行在线修正，使被控系统具有良好的动静态特性和抗干扰能力。仿真研究和实验表明了该控制方法的有效性。     

弹载消旋平台双模控制与仿真研究

为了消除弹体转动对惯性平台及天线运动耦合的影响,设计了旋转导弹消旋平台,并将模糊控制器与常规PID相结合,建立消旋平台Fuzzy-PID双模控制仿真模型。采用MATlAB和MATlAB/ADAMS联合仿真方法对消旋平台双模控制系统进行仿真分析。结果表明,Fuzzy-PID双模控制使惯性平台及天线的稳态性能得到明显改善。     

模糊控制技术在自动着舰控制系统中的应用

纵向引导控制律是舰载飞机自动着舰控制系统的核心。舰载飞机着舰环境存在极大的随机性,舰尾流和航母运动不断变化,传统PID纵向引导控制器因其控制器参数固定不变而缺乏灵活性和精确性。在传统的舰载飞机自动着舰PID控制器中引入模糊控制模块,构造模糊PID控制器,并依据飞行控制工程专家的经验构建模糊规则,可实现根据系统状况对控制器的参数进行在线最优调节。与传统PID控制器相比,可极大地提高舰载飞机着舰飞行轨迹精度,也一定程度改善了着舰飞行控制系统的鲁棒性。以F/A-18A为例进行自动着舰飞行仿真,结果表明应用模糊控制技术可以减小着舰误差,提高着舰品质。     

热超声倒装芯片运动平台的模糊PID控制

针对自行设计的步进电机结合传动装置构成的热超声倒装芯片运动平台，建立了含摩擦等扰动因素的系统非线性数学模型。针对这一非线性数学模型，研究了传统PID控制和模糊PID控制的控制性能。结果表明，传统PID控制难以达到理想的性能，而模糊PID控制能显著地改善定位精度和运行速度。     

模糊控制在聚合反应釜中的应用及仿真研究

根据聚合反应釜的大惯性，大滞后特性，用传统的PID控制，模糊PID控制、分段模型控制和史密斯－模糊控制进行仿真研究，最后得到理想的史密斯－模糊控制方法。     

基于模糊PID的直/气复合再入控制方法研究

升力式高超声速再入飞行器气动力、气动热耦合环境复杂,不确定性和干扰较大,一般采用直接力/气动力的复合控制方式。针对飞行环境特点和不同控制机理构成的复合控制模式,提出了一种基于模糊PID的直接力/气动力复合控制方法,该方法通过对气动力控制与直接力控制两个子系统分别设计模糊PID控制器,并设计了一种复合控制方案。最后针对某型升力式高超声速再入飞行器的纵向姿态复合控制进行了仿真验证,仿真中综合考虑了气动参数的误差、测量误差、大气干扰与大气环境的不确定性。仿真结果表明,所设计的模糊PID控制器较传统的PID控制器具有更好的控制性能,更强的鲁棒性和自适应能力。     

综合数字控制技术在飞机环境控制系统的应用

提出了一套新的综合数字控制硬件和软件解决方案应用于飞机环境控制系统中,以某先进战斗机环境控制系统为例先后进行了计算机仿真设计和原理性验证试验。结果表明,采用模糊控制方法的综合数字控制系统改善了原PID控制系统的性能,具有响应快、稳态精度高等特点,达到了飞机功能子系统的总体设计要求。     

基于改进的灰色预测的模糊神经网络控制

采用等维新信息和提高原始数据列光滑度的方法对灰色预测模型进行改进,具有预测更准确的效果,结合采用模糊神经网络控制的精确稳定性特点,提出一种改进的灰色预测的孵化模糊神经网络控制算法,将其应用在具有大滞后、强干扰的孵化过程中。仿真和实际结果表明,提出的控制策略能够有效克服时滞过程的超调问题,具有较强的鲁棒性和自适应性。

Abstract：

Grey Predictive model was improved by using ＂moving window＂ and increasing the smoothness of original data,which can predict accurately,by combining grey predictive model with fuzzy neural network control algorithm which is accurate and stable.A fuzzy neural network control algorithm based on improved grey predictive model was proposed to be applied in incubation process which is lag largely and strongly disturbed.Simulation and running results show that the proposed control strategy can effectively overcome the overshoot caused by delay and has better flexibility and robustness.