2-D离散系统的输入－输出能量解耦

给出了2-D离散系统的能量解耦方法,即从输入-输出能量关系上对2-D离散系统进行解耦,使得任何一个输入的能量主要控制一个输出的能量.给出了2-D Roesser模型的能量解耦判据,并且用线性矩阵不等式来描述,求解方便.最后,给出了示例.     

线性离散系统的最优预见控制

该文对线性离散系统的最优预见控制方法进行了研究。这种方法在二次型性能指标中综合考虑跟踪误差和控制量的变化 ,在设计反馈控制器的基础上 ,利用已知的未来目标值及未来干扰信号设计前馈补偿器 ,进一步改善了系统的性能。该文讨论了最优预见控制设计方法的关键技术 ,即预见步数的选取问题 ,推导了预见步数与性能指标函数值之间的关系 ,并给出了预见步数的选取方法。     

控制时滞与测量时滞采样系统的最优扰动抑制

研究在持续外部扰动作用下,具有控制时滞和测量时滞的采样线性系统前馈-反馈最优扰动抑制控制器设计问题.首先将采样系统离散化为时滞离散系统,再利用模型转换将时滞离散系统转换为无时滞系统;对转换后的系统设计前馈-反馈最优控制器,证明其存在唯一性;通过求解Riccati矩阵方程和Stein方程,设计含控制记忆项的最优控制律,利用控制记忆项补偿时滞对系统产生的影响;然后通过构造降维状态观测器解决前馈控制物理不可实现以及状态不完全可测的问题.最后通过仿真示例,证实运用模型转换方法所设计的最优扰动抑制控制器,能够有效地补偿时滞给系统带来的影响,并实现扰动抑制.     

含未知输入的线性离散系统的状态观测器

研究了含未知输入的线性离散系统的全阶状态观测器,给出了观测器存在的充要条件和设计方法设计一个干扰解耦观测器,用观测器的状态与系统输出估计线性离散系统的状态.     

基于PSO的板形板厚小波神经网络解耦PID控制

针对板形控制和板厚控制是相互耦合的综合系统,提出了一种新的解耦PID控制算法·首先用小波神经网络构造α阶时延逆系统,对综合系统进行输入输出解耦;然后对解耦后的独立的单变量系统采用PID控制·这种解耦方法无论是从理论分析还是仿真验证,均证明是可以实现完全解耦的·考虑到被控对象是一个带有时滞的非线性系统,提出采用PSO优化算法对PID参数进行自适应调整·仿真结果表明所用方法简单有效,并具有良好的跟随性能和抗干扰能力;其控制效果优于传统的解耦PID控制·     

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.     

一种具有控制时滞的离散系统的变结构控制设计

研究含时滞的线性离散系统的变结构控制问题。首先将离散系统简化为不含时滞的线性离散系统,然后对简化的系统提出一种新的变结构控制设计算法。该算法分为2个阶段:当系统轨迹在滑模某邻域外时,控制率使系统轨迹单调趋近于滑模面;当系统轨迹渐近进入到该邻域内,控制率使其轨迹一步到达滑模面。抖振现象是离散系统滑模控制算法的主要缺陷,一些学者针对离散系统在削弱抖动方面做了广泛而深入的研究。离散系统在削弱抖振方面的研究提出的算法可以有效地削弱系统解轨迹的不连续性产生抖振的现象,使系统稳定。文章最后给出了数值计算和仿真算例。     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.     

一种具有时滞的离散系统的控制设计

研究含时滞的线性离散系统的变结构控制问题。首先将离散系统简化为不含时滞的线性离散系统,然后对简化的系统提出一种新的变结构控制设计算法。该算法分为2个阶段:当系统轨迹在滑模某邻域外时,控制律使系统轨迹单调趋近于滑模面;当系统轨迹渐近进入到该邻域内,控制律使其轨迹一步到达滑模面。抖振现象是离散系统滑模控制算法的主要缺陷,一些学者针对离散系统在消弱抖动方面做了广泛而深入的研究。离散系统在消弱抖振方面的研究提出的算法可以有效地消弱系统解轨迹的不连续性产生抖振的现象,使系统稳定。理论证明该方法可消除离散滑模控制系统的抖振且能够保证控制系统具有强鲁棒性。     

离散多变量自适应解耦控制系统设计

基于 MRAC 系统的设计理论,利用连续系统从模型取状态的设计思想,给出了一类参数未知的多变量离散系统的自适应解耦算法,仿真结果表明,算法可行.     

一种最优加解耦控制系统研究及应用

本文提出了多变量连续系统的最优加解耦控制规律及其设计方法。给出了一个锅炉燃烧系统应用实例。     

最优控制系统的同步设计方法

同步设计是多变量控制系统设计一种新的工程化方法,包括解耦、重构、优化控制与优化整定。在设计过程中,设计任务的主要项目是同时完成的。本设计方法的显著特点,是交互影响对象在解耦以后可保留被控主通道原先的特性。本文介绍同步设计原理及其应用。     

啤酒发酵温度多变量解耦控制算法

针对工业过程中常见的多变量时滞输入输出系统,基于常规PID控制和Smith补偿控制算法在处理大时滞、强耦合、多变量、不确定性对象的控制时效果不好的情况,提出了一种多变量解耦控制器的设计方法,该方法以控制器或者补偿器来消除系统各输入输出间的相互耦合和关联,是解决多变量控制问题的有效工具。用该方法针对多变量强耦合的啤酒发酵温度控制系统进行了设计和仿真研究,仿真结果证明了该方法的有效性。     

基于物理平台的多变量控制系统设计与研究

针对工业控制中多变量控制系统的强耦合特性,在模拟仿真环境下进行的过程控制的研究与实际情况有很大差距的问题,提出了一种在YC-SX多变量过控实验平台上进行的对多变量系统的解耦控制。在研究过程中,通过这个实验平台搭建了四容水箱多变量控制系统实物模型;并且借助Matlab软件实现了对此系统的系统辨识和解耦控制。由研究结果表明,此四容水箱多变量系统耦合基本消除;并且这样的设计能够更接近于工程实际情况。     

多变量系统的最优预报控制

以完整的最小二乘递推算法和以约束最优化方法为基础,提出了p-输入q-输出多变量系统的最优预报控制(OPC)方法。数字仿真和实时控制实验表明OPC具有很高的控制精度以及理想的解耦和抗干扰能力。     

多变量推理控制系统的设计

以２Ｘ２系统为例，阐述了多变量推理控制系统的设计。提出了系统主通道时滞大于耦合通道时滞情况下的控制系统的设计方法。多变量推理控制系统不仅具有能动态解耦、可调参数少的特点，而且由于采用Ｖ规范型结构控制器．避免了矩阵求逆运算，使系统设计简单，易于在工程上实现。     

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。     

Feed-Forward-Like Decoupling Control in Coagulation Bath of Carbon Fiber Precursor

The coagulation bath system of carbon fiber precursor is a complicated and multivariable coupling system. Based on the model of industrial production, the full dynamic decoupling control of the coagulation bath system of carbon fiber precursor is achieved in combination with multivariable feed-forward-like decoupling and proportional-integral-differential （PID） control. Compared with the conventional PID decoupling control, the experiment results show that the proposed method has a better control effect. The use of the controller can achieve complete decoupling of three parameters from coagulation bath system. The method should have great applications.     

一种基于核ridge回归的解耦控制系统

提出了一种新的基于核ridge回归的解耦方法。该方法具有传统径向基(RBF)神经网络解耦方法对被控对象数学模型依赖性小的特点，同时又能有效地克服RBF神经网络解耦方法对训练样本要求高、噪声敏感和解耦速度慢的缺点，经核ridge解耦器补偿后的控制系统具有被调节量和调节量之间耦合作用小、动态特性好、稳定性强的优点。补偿后的控制系统具有很强的校正能力，对外界各种干扰也有较强的解耦效果和控制质量。仿真试验表明，采用核ridge解耦器的多变量控制系统能够有效地解除系统各变量之间的耦合作用，且结构简单、易于实现，大大增强了解耦控制系统的实用性能。