基于智能融合的油田注水系统控制策略

为解决油田开发导致地层能量失衡,提出了一种向地层注水的智能融合控制策略。分析了油田地层能量系统的控制论特性,对比研究和提出了基于仿人智能融合的控制策略,构造了地层注水能量平衡的控制模型和控制算法。文中以二阶加时延的过程模型为例,鉴于被控过程大滞后等特点,采用两种控制策略分别作了数字仿真实验,对比系统响应曲线可知,基于智能融合的策略在控制品质方面有明显的优势,控制精度高,稳定性好。系统仿真结果表明,该融合控制策略无须建立数学模型,控制算法鲁棒性强,对油田地层复杂对象控制是一种好的控制策略。     

基于MR阻尼器的结构振动半主动跟踪控制

在分析磁流变液智能阻尼器用于结构振动半主动控制的常用控制算法的基础上，提出了一种基于线性二次型最优控制的跟踪控制策略，并与限幅最优控制、状态跳跃控制等控制算法进行了比较和分析。计算机仿真分析结果表明，这种算法优于限幅最优控制算法，能达到接近状态跳跃控制算法的效果，并能弥补工程应用中需要选取速度跳跃限值的不足。     

基于HSIC的适应性融合控制策略

针对不确定性复杂关联系统难以采用PID控制,探讨了一种基于仿人智能的适应性融合控制策略.分析了系统的控制论特性,讨论了PID控制面临的挑战,基于仿人智能控制,研究了对复杂关联系统的适应性融合控制策略,构造了相应的控制算法.文中以某不确定性复杂关联对象控制为例,分别采用PID与适应性融合控制策略进行了仿真对比研究,实验的系统响应曲线验证了该策略的良好动静态控制品质与适应性.研究结果表明,适应性融合控制策略与控制算法是可行与合理的.     

不确定性复杂硫化过程智能融合控制

针对硫化过程中因模糊性与不确定性导致的塑胶产品成形过程难以控制、产品质量稳定性差的问题.提出一种智能融合控制策略.总结了复杂硫化过程中的控制难点,探讨了硫化过程的控制论特性,研究对不确定性复杂过程的控制策略,提出智能融合控制策略,基于仿人智能构造了控制算法.工程实现效果显示该策略的鲁棒性强、控制精度高.研究结果表明:智能融合控制策略对不确定性复杂硫化过程实施控制是可行与有效的.     

一类模糊系统的模糊智能控制策略

针对模型粗糙的工业系统用模糊控制技术实施控制存在的问题,在分析控制算法的特点基础上,讨论了被控对象的特性,提出了在系统参数相互间关系难以进行模糊估计时,可以采用模糊智能控制策略。工程实践表明了 这种控制策略的有效性,其控制品质更好,鲁棒性更强,而且控制算法更简单。     

电磁阀测试系统综合控制研究

针对电磁阀测试系统中压力、流量等流体被控参数存在复杂、非线性、时变不确定性及一定程度的纯滞后等特点,提出了系统综合控制方案.以油介质电磁阀实验回路为原型,建立了系统数学模型,采用了智能控制综合算法来实现被控参数的精确控制.通过Matlab/Simulink进行了电液联合控制仿真,将仿真结果进行比较,验证了控制算法的有效性;将控制算法引用到电磁阀测试实验中,通过实验结果对比分析,最终确定了适合本系统的最优综合控制策略.     

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。     

广义预测控制在特殊Wiener型非线性系统的应用研究

广义预测控制是一种基于被控对象参数模型的控制算法,适用于复杂的、数学模型难以精确建立的控制系统。现研究了该算法,并对一个被控对象模型进行了仿真。结果表明,广义预测控制算法响应速度快,无超调,控制效果理想。     

一种大迟延系统的控制方法

大迟延系统在工业生产过程中比较常见但又难以控制,并且大部分工业生产过程都具有非线性的特征,被控对象的传递函数随负荷的变化而变化.在利用传统串级PID对实际系统进行控制的时候,很难得到理想的控制效果,难以保证控制品质,因此针对此问题提出基于物理机理的PID控制方法.该方法的控制策略主要是基于被控对象和控制过程的物理机理,使其可以不需要经过复杂的计算和补偿环节,取消了串级控制回路,从而使系统结构更加简单有效,控制性能得到较大改善,可适应大范围负荷变化的需要.由于火电厂主汽温为典型的大惯性、大迟延、非线性系统,被控对象的传递函数随负荷的变化而改变,所以选取主汽温为被控对象进行仿真实验.实验结果证明,基于物理机理的PID控制与传统串级PID相比,可以达到更好的控制效果.     

模糊神经网络技术用于结构主动控制的研究

提出了一种基于神经网络调整规范化因子的模糊神经网络控制策略，并以表面布置压电片的梁结构为控制对象进行了仿真．实验结果表明，该控制策略适用于不精确被控对象模型和非线性系统的控制．