模型参考自适应解耦控制研究

针对多输入，多输出耦合对象的参数在一定范围内变化的情况，研究了解耦控制与自适应控制问题，通过建立系统的参考模型，提出了按参数自适应律自动调整解耦网络和调节器参数的设计方法，对参数可变的２个输入２个输出的耦合对象进行了自适应解耦控制设计与控制系统计算机仿真，仿真结果表明，解耦网络和调节器能数固定时系统运行失控，实现参数自适应调整后系统运行正常。     

基于BP神经网络的多变量解耦控制研究

针对多输入、多输出耦合对象，研究基于BP神经网络的解耦控制，提出采用训练好的神经网络解耦器和神经网络调节器结合，对系统进行解耦控制的方法。通过对2输入2输出耦合对象进行计算机仿真结果表明，解耦控制效果很好。     

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。     

板形板厚的自适应解耦控制

针对板形板厚耦合系统中参数在一定范围内变化的情况下,将自适应控制与系统具体的数学模型相结合,提出自动调整解耦网络和控制器参数的设计方法.仿真表明,该方法消除了参数变化的影响,使解耦控制效果良好.     

基于PI控制不同解耦补偿控制器的铝合金MIG焊过程MIMO解耦控制仿真

针对铝合金脉冲MIG焊存在多参数强烈耦合并严重影响过程控制稳定性的问题,建立其多输入多输出(MIMO)控制模型.运用多变量控制理论分析系统的耦合程度,基于PI控制器设计前馈补偿解耦、反馈补偿解耦和对角矩阵解耦3种结构的解耦控制系统.介绍它们的结构和算法,分析控制对象的特点,对铝合金脉冲MIG焊过程进行仿真.仿真结果表明,采用对角矩阵解耦PI控制铝合金MIG焊接过程,能取得满意的动态和稳态性能.     

焦炉集气管压力系统的复合自适应PID控制

对多变量耦合且存在时变性的焦炉集气管压力系统,提出了一种基于支持向量机结合自适应PID的控制方法.采用支持向量机逆系统的方法来进行解耦控制,使得MIMO(多输入多输出)的集气管压力系统解耦成相互独立的SISO(单输入单输出)伪线性子系统.对于解耦后的SISO(单输入单输出)系统采用单神经元自适应控制算法,实时在线调整PID参数.仿真结果表明该控制策略实现了集气管压力系统的动态解耦控制,迅速跟踪变化,提高了系统的快速调节能力和稳态精度,增强了系统的鲁棒性,可以保证焦炉集气管压力稳定在现场工艺要求的范围之内.     

基于蚁群算法PID神经网络的热连轧活套系统自适应解耦控制

带钢热连轧机活套系统是一个耦合的多输入多输出非线性系统。针对活套系统的解耦控制问题,通过对活套系统动态耦合过程的分析,在工作点附近建立控制对象的动态数学模型。利用基于蚁群优化多个单神经元和RBF神经网络相结合的自适应控制策略以减弱系统的耦合影响。最后的仿真结果验证了本方法的有效性,表明解耦后的活套控制系统可获得更好的控制效果。     

微型计算机兼作解耦器和PID调节器的线性多变量控制系统

本文针对工业过程控制中常见的多输入多输出相关受控系统,提出了先设计解耦器,使多输入多输出的相关系统等效于多个简单的独立受控回路,然后再为各个回路设计调节器的方法。解耦器和PID调节器由微型计算机软件实现,比只用微型计算机作PID控制的系统不必增加任何硬件设备,而可以做到既实现解耦又使系统具有较好的静、动态品质。     

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.     

单元机组协调系统的多模型自适应解耦控制

针对火电单元机组被控对象多变量、强耦合及模型参数随负荷显著变化的特点,提出一种基于多模型自适应解耦控制的协调控制策略.采用多个固定模型和2个自适应模型并行辨识机组对象的动态特性,在每个采样时刻基于切换性能指标选出最优的局部模型作为当前模型,并据此设计解耦控制器,从而实现全工况运行的自适应控制.同时对多模型控制系统的全局稳定性进行了证明.通过对300MW亚临界直流燃煤机组协调控制系统的仿真表明:该控制策略对负荷变化适应快,且可获得良好的动、静态解耦控制效果.     

基于DRNN的三电机变频调速系统参数PID控制研究

三电机变频调速系统是一个多输入多输出、非线性、耦合的系统。针对电流跟踪型感应电机系统,以解析式的方式建立其数学模型。采用基于对角递归DRNN神经网络的自整定PID控制器,结合自适应神经元解耦补偿器的解耦控制技术,设计三电机变频调速系统神经网络控制器。基于S7-300 PLC控制平台进行实际的试验,结果表明,该方法能够根据外界环境信息变化获得最佳PID调节参数,较好的实现了速度和张力的解耦控制,系统具有良好的动静态性能和抗干扰能力。提出的方法满足了许多工业控制场合的需要,具有良好应用前景。     

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.     

基于自校正与线性跟踪的自适应控制系统

提出一种新的自适应控制方法──基于自校正与线性跟踪的自适应控制．从系统的输入／输出完全跟踪的目标出发，根据对象的动态模型，导出自适应控制器的调节模型．对象模型的参数，采用速推最小二乘法在线估计．仿真结果表明，本系统具有对象参数变化的自适应能力．这种控制系统比较适用于被控制参数变化较慢的生产过程．     

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.     

宽带钢热连轧机板形板厚增益调度解耦控制

针对板形板厚综合控制的耦合问题，通过分析板形控制系统需要先后投入平坦度反馈控制和动态凸度控制的综合系统特性，采用前馈补偿综合法设计解耦网络以完成动态轧制过程的板形板厚解耦控制。结合1700mm热连轧机实际控制系统，提出采用板形板厚增益调度解耦控制方法适应板形板厚耦合特性随实际轧制条件变化的应用需要，建立的增益调度函数集已在大型工业轧机得到验证与应用。     

2.4m × 2.4m跨声速风洞多变量控制

针对2.4m风洞受风洞闭合回路的影响使得稳定段总压与试验段M数间存在着干扰耦合,构成了一个非线性,时滞,强干扰,强耦合的多变量控制系统.针对这一问题,设计了智能自适应解耦控制器,很好地解决了这一难题,并取得了良好的结果.     

基于鲁棒神经网络的水下机器人运动控制

针对水下机器人神经网络控制中系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,提出了一种基于鲁棒神经网络的水下机器人控制方法E利用指数趋近律,推导出神经网络参数的镇定算法,并采用标准误差反向传播(EBP)算法最小化目标函数,最后在水下综合探测机器人仿真平台上进行了试验研究E试验结果表明,该控制方法对神经网络学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.