多温区电加热炉的智能控制

具有多个温区的电加热炉是一种典型的多输入多输出被控对象，同时它具有强耦合、非线性、变参数等不利于控制的特性．针对此类热工对象，本文提出一种不依赖电炉精确数学模型的智能控制方法这种方法将各温区间的耦合关系看作一种可测干拢，从而利用前馈补偿的原理来实现各温区的解耦控制；然后，对解耦后的各温区，分别设计一个独立的智能分段控制器该智能控制系统是以一台ＰＣ机为核心实现的，在一台三个温区的平卧管式电加热炉上进行实时运行，性能测试表明，该智能控制系统具有非常好的解耦特性，同时，具有很高的控制精度．     

三温区电加热炉的神经网络模型参考自适应控制

提出了一种基于神经网络非线性系统的模型参考自适应控制方法，通过在线训练获得反映对象动态持性的神经网络辨识器和神经网络控制器，对三温区电加热炉进行实时控制，仿真结果表明该方法的有效性及其优良性能。     

预测补偿动态矩阵控制在电加热炉中的应用

针对电加热炉多变量系统存在大惯性、慢时变、非线性及交叉耦合严重等特点，提出采用基于非参数模型的动态矩阵控制方法，并用预测补偿的思想进行解耦设计，使解耦设计大为简化。实时控制表明这种算法对多变量系统是有效的。     

压力和流量关联的神经网络解耦控制

传统的解耦控制综合方法，对耦合对象的数学模型依赖性较大，因此限制了它在工业领域内的应用。本文以压力-流量串联系统为研究对象，将神经网络用于耦合对象的解耦控制之中，其思路是通过神经网络对系统的I/O数据的学习，不断修正自身的权值，达到解耦控制的目的。实验结果表明，神经网络可以使对象不确定的耦合系统实现解耦控制，效果令人满意。     

电加热炉预测性PI控制

从所期望的闭环传递函数得出预测性PI控制器算法,利用MATLAB仿真软件对该预测性PI控制算法在电加热炉中的应用进行了仿真研究,结果表明该控制算法能够实现对电加热炉的有效控制.     

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。     

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.     

基于多层前向神经网络的电加热炉系统辨识

介绍了一种基于多层前向神经网络的电加热炉系统辨识。本系统选择神经网络辨识器模型,运用改进后的BP算法训练辨识神经网络,大大地提高学习速度,缩短训练时间,且辨识效果很理想。     

基于动态神经网络解耦线性化的内模控制

采用动态神经网络对一类多变量仿射非线性系统进行建模，利用解析求得的模型动态逆，将非线性对象近似输入输出解耦线性化。针对复合后的伪线性系统采用内模控制，分析了存在建模误差的情况下闭环系统的鲁棒稳定性。仿真表明了所提方法的有效性。     

工业电加热炉非线性批量PID控制研究

在工业控制过程中,电加热炉温度控制系统是一个严重的非线性,大惯性,时变和纯滞后环节.由于传统PID的局限性,如果采用传统的PID对该系统进行控制很难在时变系统中达到良好的性能.基于对此问题的考虑,本文应用批量PID控制方法以及应用一种新的PID参数整定方法来解决在电加热炉控制过程中的一些实际问题.     

集中供热网智能控制方法研究

城市集中供热是现代化城市建设的重要措施之一．采用专家模糊控制方法实现了对热网各热力子站二次供水温度的控制．这种具有全局性优化性能的智能协调控制方法可对集中供热网实现整体控制;深入探讨了专家模糊控制方法和智能协调控制方法的设计．沈阳皇姑供热网的应用实例表明,该方法可实现全网内热量的合理分配,提高供热网的供热质量,达到稳定和均衡供热．     

模糊神经PID控制在工业炉冶金阀门位置控制系统中的应用

介绍模糊神经网络控制器的设计方法，并将其应用到工业炉阀门位置的控制系统中。试验结果表明，这种通过对输入变量模糊化的神经元学习和在线自调整算法，对其冶金阀门的压力控制具有很强的自适应性，且响应程度快、鲁棒性好。     

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.     

高超音速飞行器的神经网络跟踪控制

针对最小相位高超音速飞行器非线性系统的调节器方程无法求出解析解的情况,提出利用三层神经网络来近似输出反馈控制器中的前馈函数的方法,得到基于神经网络的输出反馈控制器可以解决高超音速飞行器系统的跟踪控制问题的结论.     

PID神经网络解耦控制技术在VAV中的应用

通过采用PID系统神经元网络解耦控制技术，对耦合强烈的具有变风量空调系统传递函数矩阵形式的4维传递函数矩阵系统进行解耦控制，通过解耦控制仿真研究，可以看出取得了很好的解耦效果，为变风量空调系统（4个回路）的解耦控制提供了有效的方法。     

基于布谷鸟搜索神经网络的微波加热温度预测模型

微波加热是一种与被加热物直接相互作用的选择性加热方式,具有清洁、节能、减排等特点。针对工业物料作为微波加热负载时,其温度非线性变化的特点,以微波工业加热过程中的多维、海量参数为研究对象,基于泛函接神经网络模型提取样本数据的深度特征,提出了一种基于布谷鸟搜索算法,优化BP神经网络的网络参数,建立了以"数据驱动"为手段微波加热工业物料温度模型。仿真实验结果证明了所提出模型的准确性、实时性。     

蒸汽供热管网的动态仿真建模

为建立供热管网的在线优化运行、故障实时诊断以及仿真分析和培训系统 ,必须建立一种高精度的蒸汽供热管网动态仿真模型。该模型将蒸汽处理成为单相可压缩流体 ,将管网处理成为由节点和支路组成的一种网络结构。在仿真计算中 ,采用隐式 Euler算法、线性迭代方法和稀疏矩阵算法求解由物理模型所得的非线性微分方程组。证明了所用的算法具有大范围收敛特性。此方法将被应用于青岛市蒸汽供热管网的工程项目中     

主动磁轴承的神经网络自适应PID控制

针对主动磁轴承系统的本质不稳定性、非线性和参数不确定性,提出基于BP神经网络的自适应PID控制器．该控制器输出含有P、I、D信号的非线性组合,补偿了磁轴承系统的非线性．使系统控制效果良好;同时控制器可根据磁轴承的运行状况进行在线自学习和自校正,避免了传统PID控制器参数整定困难的缺点．最后基于某磁轴承系统的仿真研究表明了该控制器的有效性。     

解耦控制在流浆箱中的应用

针对实际使用中气垫式流浆箱系统强耦合、非线性的特性给控制带来的难题,提出用神经网络解耦器实现其解耦和线性化.利用MATLAB/SIMULINK仿真软件对其进行仿真.结果表明,该方法可以很好地使系统实现了稳、准、快的控制目标.     

模糊Kohonen神经网络回热系统故障诊断

分析了汽轮机组回热系统12种典型故障及9种征兆参数的模糊处理,结合Kohonen神经网络的工作原理、诊断特征,提出了模糊Kohonen神经网络汽轮机组回热系统故障诊断模型.结果表明:该模型可以有效地进行回热系统故障样本模式的模糊量化处理,具有自学习功能、聚类能力强、运算速度快的优点,可以有效地对具有模糊性的单一故障和复合故障进行诊断,是一种适合于汽轮机组回热系统故障诊断的有效可行的方法.