基于pH中和过程的模糊控制器设计与仿真

化工中和过程中pH值具有严重的非线性性,控制十分困难,模糊控制器能表现出迅速的响应和稳定性.笔者采用模糊控制器来控制这一复杂非线性过程,对pH 值中和过程进行了仿真,相比传统控制,能达到理想控制效果.     

一类参数激励系统的非线性时滞反馈分岔控制

采用平均化方法,研究参数激励和强迫激励联合作用的非线性动力系统. 以平均方程研究系统平衡点附近流形,利用分岔响应方程,研究系统的分岔动力特性与主要参数的关系. 通过对两种非线性时滞控制器与线性时滞控制器的比较,分析非线性时滞控制器的分岔控制特点,比较与线性时滞控制器的优劣性. 结果表明,两种平方非线性时滞控制器的控制效果均与激励幅值有关,在同等增益的条件下,激励幅值越大控制效果越好,但对于没有强迫激励的参数激励系统,该类非线性时滞控制器失效.     

废水处理中PH值的在线监控系统

根据酸碱滴定曲线本身非线性的特点，提出了分段式非线性变增益PID控制算法，在C Builder中用软件设计了该PID控制器，通过组态软件(King View)和该PID控制器的动态数据交换(DDE)以及可编程控制器(PLC)建立了PH值在线监控系统。通过对带有时滞的PH值中和反应过程进行数字仿真研究，控制结果表明该控制系统具有鲁棒性强、响应速度快和控制精度高的优点。     

一种动态自适应最近邻聚类学习算法在工业污水处理中的应用

为了建立工业污水pH值中和系统的正模型,研究了具有大滞后非线性特性的加药中和过程.利用一种动态自适应最近邻聚类(DANNC)学习算法,全面调整网络参数完成了污水pH值加药中和控制系统网络的学习和训练.采用中和过程神经网络内模控制系统的逆模型充当控制器,进行了各种工业条件下污水中和的仿真实验.结果表明,该系统实现了△pH≤0.2的工业污水的控制精度目标,系统实时跟踪和抗干扰性良好.     

PID神经网络内模控制在湿法烟气脱硫中的应用

该文针对石灰石/石膏湿法烟气脱硫工艺中吸收塔浆液pH值变化过程的高度非线性、时滞性以及各种不确定性、常规P ID控制难以达到满意的控制效果,提出了一种基于改进P ID神经网络的内模控制方案,对浆液pH值变化过程进行辨识和控制。仿真结果表明,在改进P ID-NN的内模控制下,吸收塔浆液pH值很好地跟踪了系统的设定输入及其变化,体现了高度的自适应性。同时系统超调量小,稳态精度高,优于常规P ID控制。满足实时控制的要求。     

自抗扰控制器在非线性化工过程控制中的应用

对于连续搅拌槽反应器、pH值中和、高纯度分离等化工过程,由于其过程本身具有严重非线性,因而控制十分困难.当未知强非线性系统中存在强干扰时,自抗扰控制器能表现出很强的适应性和鲁棒性.为此,采用二阶自抗扰控制器来控制这些复杂非线性过程,并结合工程实际和理论分析,对其跟踪微分器TD的设计予以简化.对连续搅拌槽反应器和pH值中和过程进行仿真,结果表明,基于自抗扰控制器的控制效果均优于常规PID调节器的控制效果.     

基于RBF神经网络的预测控制

运用神经网络解决系统的非线性问题，用预测控制解决系统时滞问题．针对制冷系统膨胀阀控制回路具有时滞、非线性的特点，提出了将基于RBF神经网络的预测控制用于蒸发器过热度的控制．仿真与应用均表明该算法具有良好的动态响应和较强的鲁棒性，能够对蒸发器过热度进行有效的控制．     

废水中和微机控制系统

针对酸性废水中和过程中的中和剂浓度波动大及中和反应严重滞后的问题,建立了中和工段控制对象--废水中和值的数学模型,采用串级调节系统对中和过程进行控制,并设计了以8031为核心的单片机硬件控制系统,编写了以大时滞采样算法和PI算法为核心的软件程序.     

非线性时滞系统的智能迭代学习控制

针对一类单输入单输出非线性时滞系统,提出了一种自适应神经网络迭代学习控制方案,神经网络用来逼近未知非线性函数和未知非线性时滞函数,放宽了传统迭代学习控制对非线性函数和非线性时滞函数的限制,拓展了迭代学习控制的应用范围．采用Lyapunov—Krasovskii函数和利用反演（Backstepping）技术设计神经网络学习律和控制律,基于Lyapunov稳定性理论,证明了闭环系统所有信号半全局一致最终有界,通过调节设计参数可以实现对目标轨线任意精度的跟踪．     

化学反应釜温度控制系统的研究

根据化学反应过程时变、非线性、时滞等特点,将模糊参数自适应PID算法及具有双调整因子的模糊控制算法应用于化学反应釜温度的控制,并进行了软、硬件的设计,通过实验获得了良好的控制效果。     

矿浆中和过程中基于模型预估模糊自适应控制

氢氧化镍钴矿浆用已有的中和过程闭环控制方法，在受到随机干扰影响的情况下，常会造成终点pH值偏离目标值，影响后续工艺过程的矿浆沉淀性能，降低镍钴氢氧化物的产品质量.提出模型预估与模糊自适应相结合的控制方法，通过模型预估控制尽量消除大滞后带来的影响，采用模糊自适应控制可以及时、有效地调整石灰石浆流量的设定值，采用PI控制器跟踪其设定值，从而满足pH值的工业过程控制要求.在国外某大型氢氧化镍钴冶炼厂的成功应用，表明该方法有效地解决了中和过程存在的大滞后时变等问题，使得氢氧化镍钴矿浆中和过程稳定运行，提高镍钴金属成分的回收率.     

多重时滞非线性系统的自适应预测控制

针对NARX模型中一步时滞控制算法不完全适用于多重时滞的情形,提出一种在工作点处用线性的动态切平面逼近一般的非线性系统的方法,结合一种准则函数和预测器算法,提出一种自适应预测控制算法,给出了该模型下具有遗忘因子的递推最小二乘非线性参数估计算法.仿真结果表明:该控制算法品质好,参数估计算法几乎无偏,验证了自适应预测控制算法和递推参数估计算法的有效性.     

列车轮轨黏着力在线估测计算方法

针对列车的制动防滑控制,提出黏着力的在线估测计算方法.因为黏着力不易测量,如何实时监测黏着力大小以便充分利用轮轨黏着是防滑控制的关键.建立了轮对动力学模型,并采用卡尔曼滤波器、扩张状态观测器等,以轴速和车轮等效夹紧力作为可输入量,设计了5种黏着力在线估测计算方法.采用Simulink软件平台,设置了信号噪声污染和传输延迟,并仿真了黏着力不变和黏着力变化两种工况,结果显示5种算法都能对黏着力进行估测,但综合黏着力估测的响应时间和最大误差两个指标来看,非线性扩张状态观测算法对黏着力的估测效果是最好的.最后,采用实测数据,进一步验证了算法对黏着力估测的准确性.     

基于神经网络模型和改进最优保留遗传算法的非线性系统多步预测控制

针对复杂工业过程中存在的时滞、慢时变、强干扰等非线性控制对象提出一种利用径向基函数神经网络 (RBFNN)作为预测模型 ,改进最优保留遗传算法 (MEGA)作为滚动优化策略的非线性预测控制算法。仿真结果表明该算法具有较强的鲁棒性和抗时变性能。     

纯滞后对象的神经网络辨识及自适应控制

提出了一种针对纯滞后对象的神经网络及控制结构。在神经控制器的在线训练中,引入了反向传播的预测误差信号,并采用基于Ｋａｌｍａｎ滤波的学习算法分别训练用于辨识的神经网络及神经控制器。给出了具体的理论推证及运行机理分析。仿真结果表明,这种控制方案对纯滞后线性、非线性动态对象均能获得满意的控制效果。     

松节油蒸馏系统的DCS控制

通过对松节油蒸馏系统进行工艺分析 ,给出了需要控制的工艺参数 ,并设计了DCS控制系统 .根据各工艺参数的特点 ,选择了控制算法 .对于精确控制的参数 ,采用了模糊与PID混合的控制算法 ,而其他参数则采用PID控制算法 ,同时对大时滞参数 ,引入了预估器 .从而达到稳定生产、节能降耗、提高经济效益的目的 .     

DMC在pH调节系统中的应用

本文提出一种动态矩阵控制的改进算法，这种算法应用于具有纯滞后特性的系统中，可以明显地减少控制量的增量。本文中还给出详细的理论推导和在ｐＨ调节系统中的使用结果。     

滞后过程的离散型最优控制

本文提出一种适用于具有纯滞后的被控过程的定值最优化控制算法。仿真表明,其控制效果良好,算法比较简单,可用于纯滞后较长的过程以及自整定调节器等。