罩式退火炉温控系统的神经网络PID预测控制

罩式退火炉温控系统是一类具有大滞后及模型慢时变系统,采用传统控制方法其效果并不理想.因此,将神经网络PID预测控制思想应用于罩式退火炉温控系统,利用灰色预测模型与四阶龙格库塔法相结合对罩式退火炉温控系统的行为进行预测,同时结合神经网络PID控制器克服预测误差、系统干扰等不确定因素带来的影响,提高系统的自适应性.仿真结果表明,系统运行平稳,受不确定因素的影响较小,对罩式退火炉温控系统具有良好的控制效果.     

模糊多模型控制在锅炉过热汽温系统中的应用

在对锅炉高温过热器汽温对象进行动态特性分析的基础上,设计了基于T-S模糊模型和PID控制器的模糊多模型协调控制系统,并给出了此协调控制系统的全局稳定性证明,仿真结果表明,用这种方法建立的汽温控制系统具有较好的控制品质性能和较强的自适应能力.     

迭代学习控制理论现状与展望

迭代学习控制(ILC)作为智能控制的一个分支，经历二十多年的发展，无论在理论研究，还是在实际应用上都取得了丰硕成果，在过程控制中逐渐显现出其独到之处。对ILC算法和理论研究现状作了较为详细的分析，并且指出ILC存在的问题和研究方向。     

分批重复过程迭代学习广义预测控制

针对一类分批重复操作过程,提出迭代学习广义预测控制(ILGPC)算法·该算法利用以前的过程输入输出信息,在GPC结构中增加干扰预测估计的迭代学习前馈回路,通过对部分可重复干扰的估计和学习,提高了分批重复操作过程的控制品质,减小了跟踪误差·对算法的稳定性做了分析,并以间歇聚合反应过程为仿真对象,研究了算法的稳定性和鲁棒性·     

聚丙烯反应釜仿真培训系统

介绍聚丙烯反应釜生产过程仿真培训系统，从工艺流程、人工控制、自动控制等对聚丙烯生产过程进行全面仿真，采用面向对象设计，多用户交互方式网络环境下运行，经过实验培训得到较好效果。     

不确定时滞系统鲁棒迭代学习控制器设计

针对一类具有时变的不确定性时滞系统提出鲁棒迭代学习控制器设计方法,通过求解Riccati方程方法设计鲁棒迭代学习控制器,并基于Lyapunov理论推导出不确定时滞系统收敛充要条件。该控制器具有阶次低,易于实现等特点,所提出的控制方案保证系统跟踪在有限的迭代步骤内达到较好的控制效果。以机器人为仿真对象的仿真结果表明了该设计方法的有效性和可行性。     

基于改进灰色预测模型的自整定PID控制

针对非线性滞后系统提出一种基于改进灰色预测模型的自整定PID控制．采用变步长四阶龙格一库塔法与灰色模型相结合的方法作为预测模型，通过BP神经网络建立参数自学习PID控制器，根据目标函数E调整△u，使系统输出最优化．仿真结果证明，该预测控制具有较好的跟踪效果，且有效地克服了误差及干扰等不确定因素所带来的影响．     

PMSM的基于神经网络非线性预测控制

采用三层前向神经网络作为PMSM转速预测模型,对PMSM进行非线性预测控制.先通过离线训练获得初始预测模型,再在线对神经网络模型的权值和阀值进行调整;控制算法是将预测模型处理成线性和非线性两部分,并用一种快速线性预测控制方法求取控制律,大大减小在线计算量和提高控制的实时性.最后仿真结果表明该方法具有良好的动、静态特性和抗干扰能力.     

均热炉温度神经网络迭代学习控制算法

针对具有不确定性的重复非线性均热炉温度控制系统,提出基于神经网络的迭代学习控制算法,该算法采用神经网络作为迭代学习控制器,以前馈方式作用于被控系统,并引入PID反馈控制器来提高系统的性能.仿真结果表明,针对过程存在的重复干扰,该算法比单纯反馈控制具有更好的控制效果.     

基于神经网络的永磁同步电机广义预测控制

介绍了一种基于神经网络的永磁同步电机矢量控制系统的广义预测控制方法.通过分析永磁同步电机数学模型,采用带有延时结构的多层前向神经网络作为预测模型,进行非线性广义预测控制.控制算法是基于非线性激励函数的局部线性思想,将预测模型处理成线性和非线性两部分,并用线性预测控制方法求得控制律,简化了计算.仿真结果表明,利用该法建立的永磁同步电机调速系统,具有良好的控制效果.