监控AGC系统的智能PID控制策略

为了解决带有纯滞后的监控AGC系统的控制问题,提出了基于RBF神经网络的PID控制器与Smith预估器相结合的智能PID控制系统,并对传统监控AGC、应用Smith预估器的监控AGC及应用智能PID控制的监控AGC系统进行了仿真.结果表明,应用智能PID控制的监控AGC系统收敛速度明显加快,适应能力与鲁棒性比常规PD控制要好.     

四象限变流系统建模及滑模控制方法

基于四象限变流器的状态空间平均模型,针对其多变量、时变性和非线性问题,通过线性化处理,推导出其交流侧电流幅度对直流侧输出电压的微变瞬态模型、传递函数控制模型和稳态模型.基于这3个模型,并依据四象限变流系统控制必须兼顾输入和输出多个物理量静、动态品质的特点,提出了一种滑模变结构配合插入积分补偿环节的控制方法,并运用线性切换控制策略,进行了电压控制器的设计和系统仿真研究.试验结果和仿真结果均表明,该系统具有良好的控制性能.     

交流调速系统的内模控制

文章介绍了基于内模控制原理的感应电机调速系统设计方法.采用实验的方法建立了感应电机调速系统的速度环控制模型,依据内模原理设计了速度控制器,该控制器具有PI结构,但只有一个可调参数,且该参数与控制系统的动态特性直接相关.在基于DSP TMSLF/2407的运动控制平台(MCK2407 Pro Kit)上的实验结果表明,所设计的速度控制器结构简单,参数调整方便,调速系统具有良好的动态性能,能够满足感应电机的调速要求.     

热连轧活套高度和张力系统的解耦控制

为了进一步提高板带热轧厂厚控精度及控制品质,需对具有非线性、强耦合、不确定、多约束特性的活套系统建立工程上适用的数学模型,以实现活套高度与张力系统的解耦控制.在分析其动态耦合过程的基础上,考虑到实际的活套系统在工作过程中变量的变化离其稳态工作点的偏差很小,以实际热轧现场数据为依据,给出了完整的传递函数表达形式.采用线性预测模型的BP神经网络PID控制策略以减弱系统的耦合影响,以提高控制效果.仿真结果验证了本算法的有效性,表明解耦后的活套控制系统可获得更好的控制效果.     

可分非线性系统的自校正广义预测控制

对一种可分非线性系统,采用Hammerstein模型的基本框架,用神经网络对非线性部分建模,线性部分采用受控自回归积分滑动平均模型.对此模型的线性部分设计广义预测控制器,得出线性部分的控制量.根据此控制量,引入一逆神经网络.结合原来的神经网络模型,通过对逆神经网络权值的调整,使神经网络模型的输出为线性部分的控制量,同时得到逆神经网络的输出,即非线性系统的控制量.文章提出的模型克服了Hammerstein模型中非线性部分的反函数存在性和唯一性的问题.仿真结果验证了该设计的有效性.     

积分变结构间接自适应神经网络控制

针对一类不确定非线性系统,基于变结构控制原理,提出多层神经网络投影算法,并设计了一种具有监督控制器的积分变结构间接自适应神经网络控制方案.该方案引入综合误差的自适应补偿项来消除建模误差的影响, 同时通过监督控制器保证闭环系统全局一致终结有界,且跟踪误差收敛到零,仿真结果表明该方法的有效性.     

基于转矩矢量控制的开关磁阻电机汽车驱动系统

提出了一种基于瞬时电流控制的抑制开关磁阻电机转矩脉动的微步控制策略.设计了以TMS320LF2407为主控制器的电动汽车用开关磁阻电机数字化驱动系统,给出了系统的硬件电路和软件框图.采用转矩矢量控制策略.有效地抑制了转矩脉动.仿真实验结果表明,本系统具有良好的动态和静态特性,可有效地抑制转矩脉动,满足电动车控制需要.     

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

SCARA型机械臂的智能神经网络控制研究

在传统机械臂动态控制基础上,将RBF神经网络与模糊逻辑控制相结合,提出一种新的智能控制方法——RBF模糊神经网络控制方法。该方法使用两个子网络分别对关节1和关节2实施控制,最后通过协调级网络来消除和减小两个关节之间的耦合作用。以仿真实验结果说明该网络结构简单明确,计算更加有效,并通过适时地修正网络参数,在线调整了模糊隶属函数的中心值和宽度,所设计的控制器能快速、稳定地跟踪到期望轨迹。     

神经网络解耦控制在多变量控制系统中的应用

应用神经网络解耦控制,实现多变量系统的最优控制.通过引入神经网络环节,对多变量系统进行解耦,解耦后的子系统变为单变量系统.因此将多变量控制变成单变量控制.解耦控制采用前馈补偿器解耦,解耦补偿器采用BP神经网络结构.仿真结果表明,该控制策略具有较好的动态跟踪特性,能满足复杂多变量控制系统的控制要求.     

面向实现的智能控制系统建模

为了高效、可靠地实现一个智能控制系统,需要对该智能控制系统从实现的角度进行系统化描述,清楚系统涉及的变量、关系和时序.在理论和实践的结合上,从功能和运行方式的角度,分析了智能控制系统的特点;讨论了智能控制系统的模型结构;阐述了智能控制系统建模应该解决的问题和解决这些问题的方法;提出了一个面向实现的智能控制系统的建模方法.     

大滞后网络拥塞的智能前馈组合控制系统

在基于速率反馈的网络流量控制系统中，信元在网络中的传播时延，特别是网络流量控制中的非线性大滞后，会带来极大的网络拥塞和数据丢失。针对流量控制系统中存在的非线性大滞后和不确定性，提出了一种新的基于智能前馈控制策略的组合控制器。前馈控制部分由两个神经网络分别实现逆模型辩识与直接逆控制，可以在线调整网络权值；基本控制器由PID和Fuzzy PID实现分段控制，根据不同误差变化范围调整控制组合。仿真表明本方案能使信元发送速率快速响应网络变化，特别对于大滞后对象，控制的适应性和鲁棒性更好。     

基于神经网络逆系统的感应电机变频系统解耦控制

感应电机反馈线性化方法的优点之一 ,是在电机参数准确已知的前提下 ,可将感应电机数学模型解耦为相互独立的转速子系统和磁通子系统 但是电机参数是时变的 ,不易精确获得 ,为进一步完善反馈线性化方法 ,提高调速性能 ,本文应用神经网络逆系统控制理论 ,使用神经网络直接替代现有解耦控制方法中的对应逆系统模型 ,理论分析与实验的结果表明 :该方法成功地实现了转速与磁链的解耦 ,同时对感应电机变频调速系统负载的变化具有较强的抗扰性和鲁棒性     

一种新的智能控制方法及其在转速伺服系统中的应用

提出了基于相平面的目标函数及相应的模糊神经网络控制器的算法,并在三相交流电机转速变频调节的基础上,讨论了计算机监控电机速度的系统结构,从而实现了对电机转速的智能控制,新的智能控制方法引入了新的指标函数,结构简单,学习速度快,通过实验研究,表明该方法收敛速度快,学习能力强,并提高了系统的鲁棒性,证实了其在电机速度控制中的有效性。     

智能控制系统综述

智能控制系统应用日益广泛,本探讨了智能控制系统的定义,组成,原理,特点,应用和发展。     

跳汰机床层松散状况递归神经网络内模控制

该文提出一种基于对角递归神经网络的内模控制系统 ,并以跳汰生产过程床层松散状况为对象进行了研究。仿真结果表明 ,该系统具有很好的动态响应 ,而且对外部扰动和模型误差具有良好的鲁棒性     

带有参数自调整机构的多变量系统模糊神经网络解耦控制

在文献[1]的基础上,引入模糊神经网络和参数自调整算法,改善系统的智能,使系统具有自学习和自调整模糊规则的能力.仿真结果表明,该方法能实现静态解耦,并提高了系统的抗干扰能力和鲁棒性,改善了系统的性能.