火电厂锅炉主汽温模糊免疫PID-Smith预估控制

针对火电厂锅炉主汽温控制对象的大纯滞后、模型不确定等特性，设计了模糊免疫PID—Smith预估控制系统，并进行了仿真研究。仿真结果表明所设计的控制系统比常规Smith预估控制系统具有较强鲁棒性，系统具有良好的适应能力，适用于缺乏精确数学模型且参数变化的大纯滞后工业过程。     

基于无模型自适应控制的锌层厚度预估模型

针对锌层厚度控制过程中存在时变大滞后、非线性和多变量干扰而难以实现精确控制的问题,提出基于无模型自适应(MFA)结合Smith预估反馈控制方法.采用MFA预估算法可以实现Smith预估模型的参数偏差在线估计,并且不依赖预估模型的时间常数和延迟时间.从LabVIEW仿真数据结果可以看出,此控制策略对比增益自适应Smith控制算法,不仅能够有效地解决锌厚控制中系统高阶非线性问题,能有效克服不确定系统参数的扰动,并能有效处理系统时变大滞后问题.     

时滞对象的自适应Smith广义预测控制

针对时滞被控对象提出了一种自适应Smith广义预测控制器方案。在广义预测控制中 ,以Smith预估器建立被控对象预测模型 ,并基于零频率时的模型匹配和有遗忘因子的递推最小二乘算法在线辨识系统参数和时滞 ,不断修正Smith预估器模型和控制器参数 ,有效克服系统参数和时滞变化对系统的影响 ,动态响应快 ,跟踪效果好。仿真结果证明了这种方法的有效性。     

自抗扰控制在火电厂主汽温控制中的应用

针对火电厂过热汽温控制系统的大滞后、大惯性以及动态特性随工况变化的不确定性等特点，本文提出了ADRC过热汽温控制方案。该方案采用导前温度信号作为辅助反馈信号，构成串级ADRC-PID／ADRC双回路控制系统。在电厂过程仿真平台STAR-90上的实验结果表明，用这种方法建立的过热汽温控制系统，具有较好的控制品质和较强的自适应能力。     

自抗扰控制在火电厂主汽温控制中的应用研究

自抗扰控制器(ADRC)是在继承经典PID不依赖于对象模型优点的基础上,通过改进经典 PID 固有缺陷而形成的新型控制器,性能优良并且算法简单.针对火电厂过热汽温控制系统的大滞后,大惯性以及动态特性随工况变化的不确定性等特点,给出了主汽温的自抗扰控制方案,该控制方案不需要精确模型参数就可以实现干扰补偿.在电厂热工过程控制实时仿真平台STAR-90上建立模块化的自抗扰控制器,进行了变负荷、10%扰动和RB试验.试验结果表明,用ADRC技术建立的过热汽温控制系统对被控对象模型的不确定性和外部扰动变化具有较强的适应性和鲁棒性,控制系统具有优良的动态性能.     

基于QFT的火电厂主汽温控制系统的设计与仿真

火电厂主汽温控制系统具有大惯性、大延迟和时变等特性,采用常规控制方法的主汽温控系统难以获得满意的控制效果.定量反馈理论是目前鲁棒控制领域中具有较强工程应用价值的一种设计方法.首先将火电厂主汽温控制系统对象简化成为具有三参数变动的不确定模型,应用QFT的基本原理,设计了边界稳定的鲁棒控制器,保证了稳态精度5%和过渡过程时间小于1秒.仿真结果表明它能适应对象参数的变化,具有较强的鲁棒性和自适应能力.     

基于PID神经网络的主汽温系统设计与仿真

PID神经网络是将PID控制规律融入神经网络的一种智能控制技术,它既具有常规PID控制结构简单、参数物理意义明确的优点,又具有神经网络非线性映射能力强、自学习、自适应的功能。针对主汽温控制系统大滞后、非线性、时变等特性,综合考虑控制系统的动态、静态性能,PID神经网络对控制系统进行全工况的学习与优化设计,并进行了主汽温...     

时滞系统的智能控制方法

介绍了基于Smith预估结构的时滞系统自适应模糊PID控制方法，该方法根据偏差e和偏差变化ec与PID控制器三个参数之间的关系，利用模糊控制原理对PID参数进行在线修正，使被控系统具有良好的动静态特性和抗干扰能力。仿真研究和实验表明了该控制方法的有效性。     

永磁同步电动机参数自适应辨识的建模与仿真

为精确地在线获取永磁同步电动机的参数,提出了一种在一个模型中对电阻、电感和永磁磁链同时进行估算的自适应辨识方法.基于Popov超稳定理论,给出了自适应辨识模型的设计方法.利用Matlab/Simulink建立了矢量控制下永磁同步电动机参数的自适应辨识模型,仿真和实验结果表明所建模型能快速准确地辨识出电机参数.     

船舶航向GA-PID自适应控制研究

设计了船舶航向保持GA-PID自适应控制系统,通过系统辨识得到船舶航向运动的数学模型,在该模型的基础上采用遗传算法优化PID参数,将优化所得参数赋予实际的航向保持系统。在系统运行过程中,不断检测航向角偏差的标准差值,若该值超出设定范围,则重新辨识模型,优化参数。对系统进行仿真,仿真结果表明,与单纯形法优化的PID控制系统相比,该系统对海情的变化具有良好的自适应能力。该系统简单可行,具有工程应用价值。     

预测控制最新算法综述

随着预测控制在工业过程控制中的广泛应用，预测控制在算法和理论研究上都取得了长足进展。本文系统地总结了模型预测控制算法和非线性模型预测控制算法，并对各种算法的特征进行评述，指出预测控制算法存在的问题和研究方向。     

感应电机模糊预测控制策略的研究

在感应电机IM(Induction Motor)的控制中,电阻、电抗等参数对转速控制产生较大的误差影响,从而影响控制精度和动态响应速度.基于感应电机的数学模型,将模糊逻辑系统引入预测控制.针对异步电机的强耦合特性,提出模糊模糊预测控制的方法,并用模糊预测控制的方法设计了高性能的转速控制器.并借助DSP实验平台,将系统模型下载到实时硬件中进行在线仿真,实验结果表明,所设计的控制器在提高速度控制的快速性和抗干扰能力上得到满意的效果.     

非线性模型预测控制的智能算法综述

从非线性模型预测控制的预测模型建模和最优化问题求解两方面入手,介绍了近年来基于智能模型和智能优化算法的非线性系统预测控制方法,并对各种算法的特征进行了总结评述,指出了智能非线性预测控制方法存在的问题和未来的发展方向。     

广义开环响应控制的改进算法

传统的广义开环响应控制算法调节参数少,难以同时兼顾稳定性、鲁棒性、快速性和抗干扰性。为此提出了两种改进的算法,通过分别引入一个新的调节参数,使其与原有的调节参数具有不同的调节目的,更易于工程实现。仿真结果表明了该算法的有效性。     

An Approach of the Fuzzy Weighted Inputs to the Generalized Predictive Control

1　 IntroductionAs the representative of a kind of advanced computer control algorithm,generalizedpredictive control (GPC) is of many applications in various domains[1 ] .But to ourdisappointment,it is difficult to establish precision models,which makes GPC algorithmhave only limited robustness since GPC algorithm is still model based algorithm and thereexist such factors as nonlinearity,indefinity,etc,in some real systems.To improve the robustness of GPC algorithm and avoid the weakness …     

一种基于滑模的广义预测控制新算法

将广义预测控制和滑模控制结合起来，提出一种新的广义预测控制方法。通过对系统输出预测得到切换函数值，求解开环优化求得控制律。并将当前时刻的控制作用于对象，下一时刻重复此过程。该方法具有预测控制在线处理约束及滑模控制对于干扰的不变性的优点，最后分析了零终端滑模约束的广义预测控制的稳定性。     

强制循环蒸发系统的多模型预测解耦控制

以实际的具有多变量、强耦合、强非线性特性的氧化铝强制循环蒸发系统为例,将一类多变量非线性系统分为线性模型和非线性未建模动态两部分,提出了由线性预测解耦控制器,神经网络非线性预测解耦控制器和切换机制组成的多模型预测解耦控制方法,并且证明了闭环系统的稳定性.最后,通过对强制循环蒸发系统的仿真实验,验证了所提方法的有效性.     

一种模糊神经网络自适应预测控制方案的研究

针对现有模糊推理方法的缺点,结合神经网络的学习能力和插值能力,提出了一种新型的模糊神经网络结构。在此基础上设计了一种模糊神经网络自适应预测控制方案,并导出了相应的学习算法。同时引入了预测误差的智能补偿,以提高预测及控制精度。仿真实验表明,该算法能实现模糊控制和神经网络控制的优势互补,在非线性复杂系统的控制方面具备较高的性能。     

改进的自适应广义预测极点配置加权控制器

预测控制在应用时，一个值得注意的重要问题是如何减小计算量，保证实时性问题，文献[1]的广义预测极点配置加权控制器在这方面已有改进，但仍要在线求解闭环极点方程，计算量仍较大，本文提出用计算量小的递推算法辨识上述方程参数的新方案，同时推广了文献[1][2]有关Diophantine方程的递推算法，应用表明本文方案的有效性。     

Reservation-based feedback scheduling of MPC tasks

A reservation-based feedback scheduling (FS-CBS) of a set of model predictive control (MPC) tasks is presented to optimize the global control performance subject to limited computational resource. Implemented as anytime algorithm, MPC task allows computation time to be traded for control performance. Each MPC task is assigned with a constant bandwidth server (CBS), whose reserved processor time is adjusted dynamically. The FS-CBS is shown robust against the varying of execution time of MPC tasks at runtime. Simulation results illustrate its effectiveness.