基于模糊控制算法的热压炉温度控制系统的设计与研究

温度控制系统具有非线性、参数时变、大惯性、迟滞系统等特性。基于模糊控制算法对控制对象具有很好的逼近作用,将模糊控制理论和PID控制两者结合起来,设计出模糊PID控制器。将模糊PID控制器应用到热压炉温控系统中,满足热压炉对温度控制的性能要求。利用Matlab软件对温度控制系统进行建模和仿真,结果表明基于模糊PID控制的温度控制系统具有较好的动态响应和稳定性。     

基于粒子群算法的二次再热机组主蒸汽温度优化控制

针对二次再热机组主蒸汽温度控制中,被控对象通常具有严重的非线性、滞后性、时变性等特点,采用传统的串级PID控制很难得到满意的动态响应特性这一问题,分析了二次再热机组热力系统,提出基于粒子群算法整定的主蒸汽温度优化控制方法,实现对串级控制系统主回路PID控制器参数的快速优化。基于Matlab/Simulink平台,对被控对象模型进行阶跃响应实验,仿真结果表明,经粒子群算法优化之后调节回路的控制性能较ZN整定方法明显提高。该优化控制方法不仅保留了串级控制系统抗内扰能力强的优点,同时有效地解决了主蒸汽温度控制系统中稳定性与准确性之间的矛盾,增强了系统对不确定因素的适应性,对工程应用具有一定指导意义。     

基于单神经元的智能温度控制仪的研制

温度对象种类繁多, 普遍具有时间常数大、纯滞后时间长、时变性较明显等特点,这使得基于被控对象数学模型的常规控制方法、模糊控制方法及专家智能控制等方法在温度控制中有较大的局限性而无法获得理想的控制效果.针对以上情况,本文采用具有自学习能力的单神经元自适应智能控制算法来对温度对象实施控制,该算法简单,易于实现.最后,研制出基于该算法和16位单片机(80C196KB)的新型智能温度控制仪,经仿真及实际应用证明,该控制仪具有较好的控制效果和应用前景.     

基于BP神经网络的MOCVD温度控制系统参数优化

为解决MOCVD设备温度控制的非线性、时变性以及大时滞等问题,提出改进的基于误差反向传播算法（BP）的神经网络控制方法．在传统BP算法基础上附加一个使搜索快速收敛全局极小的惯性项,在微调权值修正量的同时也使学习避免陷入局部最小．该方法不仅具有自学习自适应能力,而且具有自调整比例因子功能．仿真和试验表明,神经网络控制器具有很强的鲁棒性、自学习功能和自适应解耦．在整个温度控制范围基本误差可达到l℃％。,有效的改善MOCVD系统温度的控制性能,对实际温度控制具有较好的指导意义．     

基于触摸屏的温控系统设计

介绍了一种基于触摸屏和数字温度传感器的新型温度控制系统．以单片机为控制核心,数字式温度传感器为测量元件,固态继电器为执行元件,通过PID控制算法,实现对象的温度控制．采用触摸屏为人机界面,完成温度值的设定和显示,简化了电路结构,提高了系统的可靠性．实验效果表明,系统具有较好的温度跟随性．     

具有比例积分结构的模型算法自适应控制器

通过构造新型目标函数,并且采用加权预测控制律代替一步预测控制量,得出了一种具有比例加积分结构的自适应模型算法加权控制器．该控制器能实现无偏差跟踪参考输入轨迹．仿真结果表明,对于时变对象,新算法自适应控制比基本型模型算法控制具有更强的鲁棒性．     

基于模糊神经网络的染色机温度控制

针对染色过程中温度控制系统具有严重的非线性以及较大的时间滞后性，无法精确建立数学模型的特点，设计了一种模糊神经网络控制算法．该算法能实现对恒温、升温、降温过程的分别控制，以达到提高控制效果的目的．提出模糊神经网络控制方法，并设计出相应的控制器，通过Matlab仿真及实际应用论证了该控制器的可行性．     

一种基于对象模糊模型的控制算法

本文基于被控对象的一类模糊模型，给出一种模糊控制算法，数字仿真结果表明该算法具有很好的控制效果．     

一种基于增量式数字PID算法的智能温度控制器

阐述了一种基于增量式数字PID算法的智能温度控制器的实现,并对数字PID算法及硬件方案的实现进行了分析。通过软硬件的设计,完成了PID控制算法在温度控制系统中的应用。对温度控制进行了LabVIEW仿真测试,仿真结果表明,基于增量式数字PID算法的智能温度控制器具有较好的控制效果和较高的准确性。     

一种零极点配置自校正温度控制器的设计方法

根椐自适应控制理论在工业过程控制中的广泛的应用 ,结合计算机技术和现代控制理论 ,设计了一种零极点配置的自校正温度控制器 提出了温控对象的数学模型 ,给出了模型参数的辨识方法 ,零极点配置自校正温度控制器的设计方法 ,控制量的计算公式和仿真结果 .根据上述理论所设计的零极点配置自校正温度控制器已经用于某温度控制系统的产品 ,它的计算机模拟仿真的结果和实际应用表明 ,该控制器具有如下特点 :被控对象模型参数收敛快 ;对时变的温控对象始终具有满意的控制效果 ;控制精度高 (实际温度与设定的温度在± 1℃范围之内 ) 由于该控制器模型结构简单 ,控制精度高 ,所以可用于高性能的温度控制仪表     

预估式变参数PID控制算法的研究

以半导体厂芯片生产车间洁净室温度控制系统为应用背景,给出了预估式变参数PID控制算法.这种实用新算法的调节时间接近于Smith补偿算法,但在被控对象的数学模型不精确时,仍有较好的控制效果.     

基于全参数在线辨识的鲁棒自校正控制

受控系统中，模型结构参数（模型时延及模型阶次）和模型参数是自适应类控制的基础，采样这些参数，并即时送给控制器，是实现自适应控制的前提，也是优化该类算法的重要依据。笔者给出了对上述自适应控制的有关参数的在线辩识方法，并基于此，改进了经典的自适应类控制算法，算法中引入了对结构参数（模型阶次）的智能辩识方法和鲁棒极点配置原理，从而构成了鲁棒自校正控制，使算法得以进一步优化，整个控制方案给出了自适应类控制的新模式。     

大时滞不确定对象的数字控制系统设计方法

提出一种新的控制算法－时滞并联自适应控制算法，简写为ＳＰＺ。理论分析和仿地具结果表明，在被控对象为任意阶、纯滞后时间为任意长的稳定的慢时变系统中，应用此算法设计系统，系统的阶跃响无振荡、无超调，无振铃、系统静着为零。这各 法进壬线参数辨识，运算时间不长，适用于实时控制，程序占用存贮空间不大，用单片机就能实现，系统造价 ，很工程实用价值。     

一种基于遗传算法的多模型预测控制方案

针对时滞系统的特点,提出一种基于遗传算法的多模型预测控制方法.利用多个模型逼近整个被控对象的动态特性,针对每个子模型,设计相应的子控制器,通过加权的方式,将有限个控制量映射成最终的控制量;子控制器采用预测控制算法,利用遗传算法得到权值的全局最优解;比较该控制方案和PID控制在时滞系统中的应用效果.仿真结果表明：该算法不但克服了建模的不精确性和参数的时变性,使系统具有良好的控制性能,而且具有较强的鲁棒性.     

基于BP神经网络的船舶航向智能PID控制研究

针对船舶航向控制非线性的特性,以船舶航向运动一阶KT模型为研究对象,设计了基于BP神经网络的自整定PID算法航向控制器。将传统PID与BP神经网络结合,对被控对象由BP神经网络进行辨识,给出PID控制参数,由PID控制算法进行控制并优化收敛速度。根据真实渡轮船舶特征参数,利用MATLAB/Simulink仿真软件建立船舶航向运动控制系统模型。仿真结果表明,基于BP神经网络的PID控制系统超调小、鲁棒性好,可长时间稳定工作,几乎无稳态误差,控制算法的实用性以及动态控制系统的优越性得到验证。     

基于继电器反馈的一种建模法

基于继电反馈的PID参数自整定技术有效地克服了人工整定的缺陷, 具有算法简单、控制温度范围大等优点。本文在继电型自整定PID控制策略基本思想基础上,通过分析一阶惯性加纯滞后控制对象在继电特性作用下的输入输出特性,提出一种基于继电器反馈的建模方法。该方法为被控对象的自整定参数设置提供了重要依据。选定被控对象,通过仿真验证了该方法的有效性。     

基于遗传算法自整定和Smith预估的EMCCD温控系统设计

针对EMCCD温度控制过程的时间滞后特性,根据热力学理论建立整个系统的数学模型,利用有限元仿真方法得到其传递函数,在此基础上采用遗传算法实现PID控制参数的在线自适应整定,同时结合Smith预估控制补偿由滞后环节产生的时间迟滞。采用Matlab对控制算法进行仿真分析,结果表明该方法较常规PID控制方法具有调整时间短、超调量小、抗干扰能力强等优点。设计基于单片机和TEC驱动模块的硬件电路将控制算法应用于EMCCD温度控制系统,相机实际制冷温度可达-12±0.1℃,图像本底噪声方差仅为18,实际应用结果表明温度控制系统是提升EMCCD相机成像性能的有效方法。     

基于PLC与组态技术的液位控制系统的设计与实现

以过程控制实验装置的水箱液位系统为被控对象,PLC作为控制器,电动阀为执行器,在建立液位系统的数学模型的基础上,采用PID控制算法,对其参数进行了整定,构建了系统的MCGS组态环境,并在该环境下进行了调试.调试结果表明,系统运行稳定,超调量为18％,调节时间约为3 min,控制指标达到了工程要求,控制效果良好.     

预测模糊协调控制在纯滞后系统中的应用

针对电阻炉温度系统具有容量大、纯滞后量大,非线性的特点,提出了一种模糊预测协调控制算法,将模糊控制和预测控制相结合,发挥预测控制的超前性和模糊控制不需要对象精确模型的优势,增强了系统的跟踪和抗干扰能力.现场运行结果表明,该算法简洁实用,对纯滞后特性具有较好的补偿作用,对被控参数变化具有较强的适应能力,取得了满意的控制效果.     

基于BP网络的反馈控制器设计

针对常规反馈控制器参数在对象时变情况下难以获得最优的问题，利用BP神经网络构成系统反馈控制器，通过自适应学习速率在线调整网络权值以逼近对象的逆动态模型，并利用Lyapunov方法给出了该算法的收敛的条件。将算法应用于循环水温度控制系统表明：该控制器对模型参数不依赖，能有效地适应控制对象参数的变化，系统具有较强的鲁棒性。