多变量生物发酵过程的解耦控制

把非线性系统的逆系统方法与神经网络非线性辨识技术相结合 ,提出了一种基于神经网络逆系统的发酵过程多变量解耦控制策略 .当过程模型缺乏足够的先验知识时 ,所提出的解耦控制策略对多变量非线性连续发酵过程取得了良好的控制性能 .仿真结果表明 ,提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性 ,具有较强的鲁棒性 .克服了基于微分几何理论的逆系统解耦控制方案依赖于过程模型和对模型参数变化很敏感的缺点 .     

多变量生物发酵过程的解耦控制

把非线性系统的逆系统方法与神经网络非线性辨识技术相结合，提出了一种基于神经网络逆系统的发酵过程多变量解耦控制策略．当过程模型缺乏足够的先验知识时，所提出的解耦控制策略对多变量非线性连续发酵过程取得了良好的控制性能．仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性．克服了基于微分几何理论的逆系统解耦控制方案依赖于过程模型和对模型参数变化很敏感的缺点．     

神经网络PID控制器在高大空间恒温空调系统中的应用

针对暖通空调领域中高大空间恒温空调系统大滞后、慢时变、非线性的特点以及不确定干扰因素多的实际情况，将具有自学习、自适应功能的神经网络PID控制器应用于空调系统中，并利用非线性辩识算法对控制过程进行预测输出，最后在空调房间数学模型的基础上通过Matlab环境下的计算机仿真和对某电视台大型演播室进行温度控制实验相结合，发现在高大空间恒温空调系统中神经网络PID控制响应快、超调小，验证了神经网络PID控制器的实用性和有效性．     

建筑设备节能控制策略

由于变风量空调控制系统具有非线性、大滞后、时变性的特点,该文提出了一种基于改进型Elman神经网络预测和改进型T-S模糊神经网络控制的结构,其预测输出与实际输出的差值作为T-S模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性。由于变风量空调运行时各变量之间的耦合关系,又结合了解耦的控制方法,达到了抑制温度和湿度耦合的控制效果。仿真结果表明:与传统PID控制相比,该控制系统具有较强的鲁棒性,学习能力强,控制精度高,控制效果好,有较强的解耦控制能力。     

浅谈自动控制系统与暖通空调的结合

暖通空调是具有采暖、通风和空气调节功能的空调器,可以提供采暖、通风和空气调节三个方面的功能,将自动控制系统应用在暖通空调领域可以有效提升暖通空调的效果。暖通空调系统的自动控制,对于保证空调系统本身的合理运行、减少人力、实现安全操作起到了非常关键的作用。该文主要对自动控制系统与暖通空调的结合进行分析。     

基于两级神经网络的发酵过程多变量前馈解耦控制

针对具有时变、非线性、不确定性的多变量耦合生物发酵过程,提出了一种基于两级神经网络的多变量前馈解耦方法.一级神经网络利用可获得的过程信息拟和耦合通道的过程特性,实现耦合作用对被控量影响的估计;二级神经网络用来拟和控制通道的逆特性.通过两级网络的串联,消除系统间的耦合.实验结果表明,提出的解耦控制方法能适应生物发酵过程模型的不确定性和参数时变性,克服了前馈解耦方法依赖于过程模型和对模型参数的变化表现敏感的缺点.     

基于BELBIC和FNN的球磨机解耦控制研究

针对球磨机系统控制过程中存在的多变量、强耦合、模型时变性的特点,提出了基于大脑情感智能控制器(BELBIC)和模糊神经网络(FNN)解耦的复合控制方案.利用模糊神经网络的自适应学习能力设计了球磨机系统解耦器,有效地消除了球磨机系统耦合现象,在此基础上,设计了大脑情感学习智能控制模型.仿真实验表明,本文提出的控制方案优于传统的解耦控制方法,能较好地解决球磨机强耦合问题,且具有较好的鲁棒性.     

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.     

基于改进型RBF神经网络多变量系统的PID控制

针对工业控制中多输入多输出非线性时变系统,提出了基于改进型RBF神经网络的智能PID控制方法.采用最近邻聚类算法在线构造RBF神经网络辨识器并在线辨识被控对象,对PID控制器参数进行在线调整,实现了多变量非线性时变系统的解耦控制.仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制规律下的PID参数,解耦后的系统具有较好的动态和静态性能,与常规RBF神经网络PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.     

模糊解耦控制技术在VAV中的应用

采用带模糊积分器多变量模糊解耦控制技术，对耦合强烈的四维传递函数矩陈进行解耦，该传递函数矩阵是通过理论分析和动态系统辨识相结合的方法得到的。通过计算机自动控制系统仿真。取得了较好的解耦效果。该技术可以应用到变风量空调系统的解耦控制中。     

集气管压力系统的神经网络逆解耦复合控制

针对集气管压力系统具有强干扰、强耦合、非线性、多参数等特性,依据逆系统解耦原理,分析了集气管压力系统数学模型的可逆性;采用对非线性具有较强逼近能力的BP 神经网络,逼近集气管压力系统的逆系统;神经网络逆系统与原系统构成伪线性解耦复合系统,实现集气管压力系统的神经网络逆解耦复合控制。仿真结果表明该方法实现了系统解耦,具有一定的应用性。     

模糊-自适应神经元解耦控制在VAV中的应用

采用模糊控制器和自适应神经元解耦补偿器的解耦控制技术 ,对耦合强烈的具有变风量空调系统传递函数矩阵形式的 4维传递函数矩阵系统进行解耦控制。通过解耦系统仿真研究 ,为变风量空调系统的解耦控制提供了有效的方法     

一类神经网络整定PID参数的非线性系统解耦方法

对具体非线性系统有不同的解耦方法，如模糊解耦、神经网络解耦等。因神经网络有自学习功能以及对参数摄动的不敏感，故对某些特殊的非线性系统采用神经网络解耦作为补偿器进行输入输出解耦，能够获得较强的鲁棒性。首先介绍了神经网络解耦的一般结构，然后给出了递归多层神经网络的学习方法。针对一类非线性系统设计了一类基于递归多层神经网络整定PID参数的多变量非线性系统的解耦控制器。从仿真可以看出，对于文中所给出的非线性系统，这种递归多层神经网络的解耦控制器对于输入输出解耦是可行的。     

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·     

基于CMAC和PID的非线性耦合系统解耦控制研究

为了实现多变量非线性耦合系统的解耦控制,提出了一种基于CMAC与PID的复杂关联自适应解耦控制策略,并给出了详细算法。该控制策略采用PID控制器和CMAC控制器共同构成一个复合控制器,多个复合控制器通过多输入多输出线性神经网络,实施对复杂非线性耦合对象的控制作用。由于神经网络的自适应特性,可使得耦合系统逼近参考模型,实现解耦控制。仿真结果表明,该控制策略实现了耦合系统的解耦控制,并且具有较强的抗干扰能力和鲁棒性。因此采用此控制策略能够实现多变量非线性耦合系统的解耦控制。     

磁悬浮开关磁阻电动机径向力的动态解耦控制

基于基本电磁场理论 ,给出了磁悬浮开关磁阻电动机径向力与位置的模型 .针对模型具有非线性和强耦合的特点 ,对该模型进行可逆性分析 ,从而证明该系统可逆 .应用神经网络逆系统方法 ,设计其非线性控制器 ,将原来非线性强耦合的多变量系统解耦 ,转变成 2个位置彼此无耦合的线性子系统 ,应用线性系统理论容易对这 2个子系统进行控制 .仿真表明 ,系统具有良好的静动态性能 .     

模糊—自适应神经元解耦控制在VAV中的应用

采用模糊控制器和自适应神经元解耦补偿器的解耦控制技术，对耦合强烈的具有变风量空调系统传递函数矩阵形式的4维传递函数矩阵系统进行解耦控制。通过解耦系统仿真研究，为变风量空调系统的解耦控制提供了有效的方法。     

磁悬浮开关磁阻电动机径向力的动态解耦控制

基于基本电磁场理论，给出了磁悬浮开关磁阻电动机径向力与位置的模型．针对模型具有非线性和强耦合的特点，对该模型进行可逆性分析，从而证明该系统可逆．应用神经网络逆系统方法。设计其非线性控制器，将原来非线性强耦合的多变量系统解耦，转变成2个位置彼此无耦合的线性子系统，应用线性系统理论容易对这2个子系统进行控制．仿真表明，系统具有良好的静动态性能．     

电子膨胀阀的滑模变结构控制

针对电子膨胀阀的调节对象—空调制冷系统的工况时变性及非线性等特点,利用滑模变结构控制对被控对象的模型误差、对象参数的变化及外部干扰有极佳的不敏感性等优点,将滑模变结构控制方法引入电子膨胀阀控制系统中,并进行了滑模变结构控制器的设计与仿真,在仿真时还加入了系统的不确定性.结果表明该控制方案有效,而且系统具有很好鲁棒性.     

PID神经网络解耦控制技术在VAV中的应用

通过采用PID系统神经元网络解耦控制技术，对耦合强烈的具有变风量空调系统传递函数矩阵形式的4维传递函数矩阵系统进行解耦控制，通过解耦控制仿真研究，可以看出取得了很好的解耦效果，为变风量空调系统（4个回路）的解耦控制提供了有效的方法。