应用神经网络的变流器波形复合控制策略

针对港口现有岸电电源产品所采用控制策略的不足，研究分析了岸电电源PWM可逆变流器数学模型在DQ坐标系下的特点，提出了一种基于改进的重复控制和神经网络内模控制的变流器输出波形复合控制策略.采用BP神经网络结构作为内模控制器的预估模型和控制器，神经网络预估模型可在线学习建立与被控对象相匹配的精确模型，神经网络控制器动态响应快，输出无静差，扰抗性好.实验证明，应用该复合控制策略的系统整流功率因数接近于1；供电非线性混合负载输出波形失真率低于2%；动态响应快，在2个周期内恢复稳定输出.     

摆式客车倾摆控制系统神经网络预测控制

考虑伺服电机及机械系统的非线性对车体倾摆的影响，并包括伺服电机的饱和非线性特性的影响在内，采用神经网络方法对非线性特性的动态系统的输入输出关系进行辨识研究，建立摆式客车伺服系统神经网络非线性模型；提出在摆式客车中运用神经网络预测控制结合鲁棒控制的复合控制系统，解决这类非线性系统的控制问题，即应用神经网络进行辨识及预测控制．研究表明，从理论及工程应用角度看神经网络预测控制都是切实可行的，为在摆式客车倾摆控制系统中应用神经网络预测方法提供了一个新的方向．     

径向基函数神经网络在精馏塔软测量中的应用

精馏塔是化工过程中最常用的操作单元，具有银强的线性和时变性，故很难进行机理建模分析或常规在线实时控制，因而提出一种基于径向基函数神经网络的优化控制方案。通过利用径向基函数神经网络建立精馏塔产品质量的软测量模型，将软测量结果与现场数据比较，表明本模型具有比较准确的跟踪显示效果，并将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中。     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立系统的神经网络模型问题，训练好的神经网络可作为预测模型，实现非线性系统的预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

基于神经网络模型的扩展优化自校正预测控制

利用前馈神经网络权初值优化的快速BP算法建立对象的非线性预测模型,采用分段线性化的技术建立动态线性模型,基于该线性模型进行滚动优化,同时用非线性预测模型对其进行补偿,实现对具有时延的非线性系统的预测控制,较好地解决了非线性系统存在时变、模型失配等情况下的控制问题。仿真实验表明由它构成的控制系统具有很好的动态响应和较强的鲁棒性。     

神经网络在直流无刷电机控制系统中的应用

采用多层神经网络结构控制电传动系统中的无刷直流电机。首先，离线训练神经网络；然后，采用神经网络在线控制电机的速度。建立了带有神经网络的电传动系统仿真模型来验证所采用的神经网络结构，仿真结果表明，系统抗扰动性很明显。     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立的神经网络模型问题。训练好的神经网络可作为预测模型，实现非线性系统预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

多层递归神经网络自适应控制及稳定性分析

提出一种基于多层归神经网络的自适应控制离散时间系统的方法,使用多层递归神经网络及新的动态ＢＰ算法（ＤＢＰ）描述未知系统的输入／输出关系。基于此神经网络模型,提出一种自适应控制方案,并对该方案的闭环稳定性进行了分析。     

用神经网络的带式输送机启动过程有限元分析

通过有限单元法建立了整个输送机系统纵向振动的动力学模型,用仿真软件的神经网络工具箱编程建立了驱动系统仿真模块。对建立的输送机系统的动力学模型建立开环控制仿真模型,通过合理的设置仿真参数,对带式输送机的起动过程进行仿真,精确计算出输送机系统任意点在起动过程中任意时刻的所有动态参数,以控制输送机起动过程的稳定性和设计的经济性。     

神经网络解耦控制系统的分析

本文基于神经网络的理论研究提出了一种新的神经网络解耦控制方法，该方法以被控对象的一组实测数据作为样本，训练出用神经网络描述的逆动力学模型，并将它作为解耦控制器投入到控制系统中．对某二元精馏塔控制的仿真结果表明该方法是切实可行的．     

乙苯工艺中苯精制单元动态仿真与控制优化

乙苯是重要的有机化工原料，国内需求量大但产能不足。在苯与乙烯烷基化制取乙苯工艺中，苯精制单元作为全流程的起点，为其余单元提供原料，该工段耦合性强、控制难度大。以某企业年产50万吨乙苯工艺为研究对象，对苯精制单元建立动态模型，就该工艺单元的控制方案进行分析与优化。针对原控制方案在进料量发生波动时不能对塔釜组成变化作出快速响应的问题，提出了新的控制方案。通过对比分析，最终选定以灵敏板温度为主控变量来控制塔釜采出，仿真结果表明改进后的控制方案在产品纯度的控制上效果显著。     

聚乙烯醇聚合一塔的计算机优化及动态模拟

采用化工流程模拟软件,对聚乙烯醇生产中聚合工段聚合一塔进行了模拟计算。通过稳态灵敏度分析,优化了聚合一塔的最优操作点,即进料位置40块塔板,回流比0.7,馏出量6650 kg/h。动态研究表明,进料量、进料组成和回流量扰动均对一塔操作产生较大影响,其中,塔顶流量及组成动态响应速度缓慢,波动超过7 h,塔釜产品醋酸乙烯质量分数波动在扰动2~3 h时存在峰值;对于以塔底产品为主的聚合一塔,不能通过增加塔顶回流量来提高分离效果;串级控制通过改变吹入甲醇量可以快速有效控制塔釜产品醋酸乙烯含量。     

基于动态递归神经网络的动态矩阵控制

给出了利用动态递归神经网络 (DRNN)重构一个非线性动态过程的方法 ,对权值调整算法进行了推导。采用的动态递归神经网络具有非线性系统状态观测器的结构特征 ,容易实现并进行稳定性分析。利用训练好的网络作为预估模型 ,设计了基于DRNN的动态矩阵控制算法。仿真结果表明了权值调整算法和控制策略的有效性     

化工过程动态监控中的RBF神经网络方法研究

通过分析测量数据预测过程发展趋势，进而对过程实行监控，早已成为国内外学者所关心的热点课题．根据 ＲＢＦ神经网络训练速度快的特点，提出将其用于化工过程的动态监控．第一级网络用于预测未来一时间段内的有关状态量，第二级网络根据预测结果判断是否将会发生事故．为了在有限样本条件下取得较可靠的监控效果，提出了改进ＲＢＦ神经网络插值性能的措施，并提出对第二级网络输出结果进行变换以准确确定事故可能性的方法，以上方法被用于蒸馏塔开工过程的动态监控，结果令人满意．     

基于动态递归神经网络的自适应控制非线性系统研究

提出一种基于动态递归神经网络的自适应控制器 ,该控制器能通过自学习不断进行适应性控制 ,且结构简单 ,易于实现 .其主要特点是能够提供一个跟踪网络来辩识系统模型 ,进而确定控制器的网络参数 ,实现间接自适应神经网络控制 .经过对大量非线性系统的仿真研究 ,证明其具有良好的控制性能 .     

改进BP-神经网络在分子蒸馏过程中的应用

针对分子蒸馏过程多变量、非线性、内部机理复杂、建模困难等问题,基于神经网络自学习、自适应及强非线性映射能力,提出了改进的BP神经网络产品纯度预测模型,深入探讨了神经网络在分子蒸馏过程中的应用。实验证明所提出的模型可以用来预测产品纯度。     

丁二烯萃取精馏动态特性的研究

文章对用ＤＭＦ为溶剂，六组分物系，４７块理论板的丁二烯萃取精馏塔进行了动态特性的研究。动态模拟结果表明：塔顶采出量、Ｃ４进料关键组分丁二烯组成、Ｃ４进料量和溶剂进料量是影响塔的稳定操作比较灵敏的因素。因此，控制塔顶上升蒸汽量、Ｃ４进料组成和溶剂比（即溶剂量／Ｃ４进料量）是至关重要的。     

Dynamics and control designs for internal thermally coupled distillation columns with different purities, Part 2: close loop analysis and control designs

Interaction between overhead and bottom composition loops of internal thermally coupled distillation columns (ITCDIC) with four purities are analyzed by means of relative gain array, condition number and singular value decomposition, which indicates that high- and very high-purity ITCDIC are well coupled and ill-conditioned systems with severe gain directionality problem. Based on the above dynamic behaviors, suitable control schemes of four different purity systems are studied. In low-purity system, internal model control (IMC) is better than decentralized proportion integral differential (D-PID) control in terms of response speed and remaining errors. In moderate-purity system, D-PID can effectively reject large load disturbances while IMC fails due to severe mismatch between model and plant. In high-purity system, neither IMC nor D-PID can provide satisfactory control so that modified IMC and multivariable PID with singular value decomposition scheme are presented respectively to improve control performances. Finally, in very high-purity systems, the combined feed-forward and feedback control scheme is proposed to deal with extremely sluggish responses to load disturbances.     

基于动态神经网络的一类非线性组合系统自适应控制

针对一类非线性组合大系统,提出一种用动态神经网络逼近组合大系统的新型设计方法·首先由动态神经网络辨识非线性组合大系统,也就是利用动态神经网络逼近系统的未知项和互联项,其次设计控制器使实际系统的状态来跟踪参考模型的轨迹·利用Lyapunov稳定性理论保证跟踪误差和其他信号是最终一致有界的·通过一个非线性系统例子的仿真证明这种设计方法的可行性·这种设计方法能够解决大系统中最为复杂的互联项问题,得出基于神经网络的自适应控制律·