不稳定时滞过程的神经网络内模控制方法

不稳定时滞过程在过程工业中较为常见,常规方法难以控制。提出了一种双反馈环控制方法,首先采用内部反馈镇定,然后采用神经网络构造内模控制系统,解决了模型与实际过程存在偏差、不稳定性等问题。仿真结果调节时间短,控制精度高,表明了神经网络内模控制方法的有效性和优越性。     

不稳定时滞过程的二自由度控制

针对不稳定时滞过程提出了一种二自由度控制系统，不仅将输入响应与干扰响应解耦，更重要的是结合了Guillermo等提出的镇定PID控制器理论以及内模控制方法，能够对时滞常数与不稳定时间常数之比小于2的对象进行有效的控制，仿真结果证明了该系统的有效性。     

时滞不稳定过程的PID控制

研究具有时滞的不稳定过程的PID控制问题，对文[1]提出的参数调整方法进行简化和处理，可以得到更加简便的结果．     

串级不稳定时滞过程的二自由度Smith预估控制

针对串级不稳定时滞过程提出了一种改进的二自由度Smith预估控制方法.该方法在副回路采用了内模PID控制,快速消除了副回路干扰对系统性能的影响.主回路采用了二自由度Smith预估控制方法,首先使用了PD控制器将不稳定时滞过程转换为稳定时滞过程,然后在设定值跟随控制回路中引入了通过Bode理想传递函数设计的分数阶控制器,...     

一阶不稳定时滞过程的二自由度PID控制

针对一阶不稳定时滞过程,提出一种基于灵敏度函数的二自由度PID控制器整定策略.首先利用内环反馈得到稳定的广义被控过程的模型,然后基于灵敏度函数利用鲁棒分析方法整定二自由度PID控制器的参数.该方法使系统具有良好的目标值跟随特性、干扰抑制特性和鲁棒性,并且参数调整方便.仿真结果表明该控制方法的有效性.     

一类不确定对象的两自由度H∞控制

本针对具有输出端乘性不确定性这一类对象,推导出了在两自由度H∞控制结构中,为使系统同时具有稳定鲁棒性和性能鲁棒性,两个控制器应满足的一个充分条件;在此基础上将两自由度H∞控制问题转化为标准控制H∞问题,给出了一种两自由度H∞控制器的设计方法。     

时滞不稳定系统的串级内模控制

对于工业控制过程中的时滞不稳定过程,提出串级内模控制设计方法.为避免开环不稳定极点对系统的稳定鲁棒性和抑制扰动能力的影响,对控制器进行了稳定鲁棒性以及抑制扰动能力的分别设计,首先利用反馈方法整定内环的不稳定系统,然后设计前馈-反馈控制来抑制被控过程的扰动;最后使用内模控制方法对时滞被控过程进行串级外环控制,以达到对给定值的跟踪.仿真结果表明所提出的控制方法能很好地解决稳定鲁棒性和抑制扰动的均衡,且对于控制系统中过程变化引起的模型失配,可通过调整内模控制器的滤波器时间常数λ来提高控制系统的鲁棒性.     

基于神经网络的时变时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合,提出了时 滞系统自适应内模控制算法,理论分析及仿真结果表明,该算法能克服时滞及参数的变化,具有鲁棒性好,抗干扰能力的特点。     

不稳定时滞过程的二自由度PID控制

针对一类不稳定时滞过程，采用双环控制结构，首先使广义对象稳定，然后按内模控制原理设计了一种二自由度PID控制器．所设计的控制器具有两个可调参数，且被调参数与系统性能直接相关，可使系统同时具有良好的目标值跟踪特性和干扰抑制特性．仿真结果证明了它的有效性.     

典型不稳定时滞对象的H∞最优灵敏度控制

针对典型不稳定对象推导了PID控制器整定公式，设计过程分为两步，首先根据闭环系统内稳定的定义推出镇定系统的充要条件，然后定义H∞最优性能指标，利用有理近惟逼近控制对象中的纯滞后进行控制器推导，在给出的例子中比较了新的控制器和其他控制器的性能.     

车辆起步过程神经网络PID控制研究

针对车辆起步工况的多样性, 笔者设计了神经网络PID(Proportion Integration Differentiation)控制器, 通过对离合器的转速跟踪控制, 在保证发动机不熄火的前提下, 实现了AMT(Automatic Manual Transmission)车辆快速平稳起步的控制目标。为了验证控制器的有效性,建立了中型卡车的传动系模型, 其中包括发动机、 离合器、 变速箱、 主减速器和车轮等, 并且根据实际起步情况, 设置了正常起步、 急起步、 载重起步和坡路起步4种工况, 进行了AMESim-Simulink联合仿真实验。通过与传统PID控制器的控制效果相比较, 分析得出,神经网络PID控制器能在变工况下很好地完成AMT车辆起步控制, 具有良好的自适应性。     

客车气压制动时延分析及其控制研究

提出了一种客车气压制动时延控制方法.考虑到客车气压制动系统的延时特性,建立了客车气压制动回路的数学模型,运用Matlab/Simulink和AMESim软件分别建立了其仿真模型,采用理论分析与仿真实验相结合的方法,分析了客车气压制动的时延特性;基于闭环反馈控制理论,提出了客车气压制动回路时延控制方法.运用PID控制算法设计了时延控制器,并进行了对比仿真.仿真结果表明,进行时延控制后,客车的制动时延为0.3s,制动距离缩短1.8m,提高了客车的制动稳定性.     

用户电力控制器神经网络控制分析

针对电力系统模型及运行参数不确定性 ,在用户电力控制器中引入神经网络控制策略 ,应用神经网络设计了线性控制器 ,所提出的神经网络采用改进BP算法 ,改进BP算法比传统BP算法多了两个变量 ;学习速率和动量因子。将计算得的补偿电流经过神经网络训练实现预定目标 ,由MATLAB仿真结果可观察到经神经网格控制的用户电力控制器可实现系统侧的控制目标。并且其控制算法更为简单、有效。     

基于BP神经网络的智能控制器

研究一种新型的智能控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求,其主要特点是提供一个跟踪网络来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果．     

基于数据驱动方式的网络传输控制方法

针对通信网数据流量控制复杂多变且难于有效控制的问题, 从控制的角度提出一种基于数据驱动方式的控制方法。 控制数据可在离线的情况下计算或是实测的经验数据, 并给出了数据驱动方式下的通信网控制的实现方案, 设计了一个控制实例, 在 NS-2 仿真环境下由 MySQL 数据库中数据完成控制的系统, 二者之间的程序接口设计是系统实现控制的关键, 并且当该控制系统更换控制器数据后可以直接调用, 无需更改。 仿真系统实验结果验证了该通信网数据驱动方案以及数据驱动控制下的 PID(DPID: Data-driven Proportion Integration Differentiation)控制系统的可行性。 为复杂控制算法应用于通信网控制打下了基础。     

基于PID神经网络自动换挡过程油门调速

提出了一种在AMT换挡过程中运用PID神经网络进行油门调速的方法.通过台架实验,建立了东风康明斯EQB235-20柴油发动机的油门实验模型,同时在Matlab平台上对PID神经网络进行训练,使其输出逼近理想油门实验模型.将训练后的PID神经网络移植入ECU,进行发动机调速实验.实验表明,PID神经网络有响应速度快、鲁棒性好、收敛特性好的特点,提高了车辆的自适应能力.