基于自适应神经模糊推理系统的连续搅拌反应釜系统的改进广义预测控制

连续搅拌反应釜(continuously stirred tank reactor,CSTR)是典型的非线性、大滞后的化工对象。为克服传统控制方法难以建立其机理模型的难点,基于对实际工业现场采集得到的大量输入输出数据,提出采用自适应神经模糊推理系统(adaptive-network-based fuzzy inference system, ANFIS)的方法,得到CSTR系统较理想的输入输出关系规则库,即CSTR系统的T-S模糊模型。最后,通过改进的广义预测控制(Jin’s generalized predictive control, JGPC)算法对CSTR系统的浓度进行控制,并与常规的广义预测控制(generalized predictive control,GPC)算法、比例-积分-微分(proportion integral differential,PID)控制算法进行对比,仿真结果显示,JGPC算法的控制效果优于GPC算法和PID控制算法,证明了方法的有效性。     

基于反步法的CSTR神经网络非奇异自适应控制

针对一类参数不确定连续搅拌釜式反应釜(CSTR:Continues Stirred-Tank Reactors)系统中的参数不确定性,研究了一种基于反步(Backstepp ing)方法的神经网络自适应控制器。该控制器采用多层神经网络,可较好地逼近系统的复杂非线性动态,网络权值能在系统先验知识不多的情况下在线调整,更新律可用Lya-punov综合法在线获得;通过构造类加权形式Lyapunov函数,使控制器能有效处理自适应控制中可能的奇异性问题。系统仿真验证了方法的有效性和可行性。结果表明:该控制器能保证闭环系统全局稳定,并对系统参数的不确定性和有界干扰具有一定的鲁棒性。     

基于非线性PID的连续搅拌反应釜控制方法

连续搅拌反应釜(continuously stirred tank reactor,CSTR)普遍存在高度的非线性、不稳定性和参数不确定性.线性比例-积分-微分(proportion integration differentiation,PID)控制算法难以满足CSTR系统的控制要求.为了提高CSTR系统的控制品质,采用非线性函数对线性PID控制器的比例、积分、微分系数进行非线性构造,得到非线性PID(nonlinear PID,NPID)控制算法,并将NPID算法运用于CSTR系统的出料温度控制.仿真结果表明,NPID控制算法的控制效果更好,CSTR的出料温度和出料浓度响应曲线更加平滑,过渡过程时间更短,系统抗干扰能力和鲁棒性更强.可见,所提算法是合理和有效的.     

基于DBFNN的非线性自适应控制在CSTR中的应用

讨论了一类放射非线性系统的自适应控制问题.首先对于利用方向基神经网络(DBFNN)对系统的不确定性进行建模.所得到的系统模型作为对象的数学模型用来设计控制器.首先设计了反馈线性化控制器,为了克服建模误差的影响又引入了内模控制机制.证明了只要网络的学习精度足够高,所设计的闭环系统是最终一致有界的.把所设计的控制策略用于CSTR的控制中,仿真结果表明了所设计的控制器有效性.     

一类典型工业过程的RBF神经网络控制

根据一类典型工业过程的特点，提出了一种神经网络控制方案．该方法基于ＲＢＦ（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎ）神经网络辨识过程模型，然后在此模型基础上设计内模控制．利用连续搅拌反应釜（ＣＳＴＲ）系统进行仿真设计，结果表明方案有效．     

基于Hammerstein模型的连续搅拌反应釜非线性预测控制

该文针对化工过程中广泛使用的连续搅拌反应釜(CSTR),提出一种基于最小二乘支持向量机Hammerstein模型的非线性预测控制方法。Hammerstein模型的非线性环节采用最小二乘支持向量机逼近,线性环节则采用外因输入自回归模式(ARX)结构。基于此模型结构设计非线性模型预测控制器,将非线性预测控制问题转化为线性模型的预测控制和非线性模型的求逆问题,进而给出了预测控制律以及非线性环节逆模型的构造方法。对CSTR的仿真结果表明:与传统的非线性模型预测控制以及PI控制器相比,该文方法精度更高,能够有效跟踪控制反应物浓度。     

一种新的预测PID控制器

提出了一种新的预测PID控制器，通过将广义预测控制的控制律写成PID的形式，使PID控制器具有预测的功能。同时，在广义预测控制的性能指标中引入稳态误差加权项，用较小的预测时域和稳态条件代替较大的预测时域，从而减小了在线计算量。在连续搅拌反应釜(CSTR)上进行的仿真试验验证了该技术的可行性，新控制器的控制性能优于普通的预测PID控制器。     

模糊神经网络内模控制

内模控制(IMC)是一种先进的控制算法,具有很强的抗干扰性及鲁棒性,在工业过程控制中应用广泛.内模控制的控制性能往往取决于被控对象的模型,因此,如何得到被控对象的精确模型成为关键问题.对于工业中常见的非线性过程,传统的设计方法很难得到满意的控制效果.模糊控制和神经网络的引入为非线性内模控制的研究提供了一种新方法.模糊逻辑适合表达机遇规则的知识,而神经网络具有较强的自学习及自适应能力.将模糊逻辑与神经网络相结合,应用于内模控制中,对基于该模糊神经网络(FNN)的内部模型和控制器的建立进行了分析.仿真结果证明该算法是有效的,具有很强的自适应性和鲁棒性,可以应用于非线性及时变系统中.     

一种新的预测PID控制器

提出了一种新的预测PID控制器 ,通过将广义预测控制的控制律写成PID的形式 ,使PID控制器具有预测的功能。同时 ,在广义预测控制的性能指标中引入稳态误差加权项 ,用较小的预测时域和稳态条件代替较大的预测时域 ,从而减小了在线计算量。在连续搅拌反应釜 (CSTR)上进行的仿真试验验证了该技术的可行性 ,新控制器的控制性能优于普通的预测PID控制器。     

基于T-S模型的连续搅拌反应釜鲁棒L2L∞控制

为实现对连续搅拌反应釜(CSTR： Continuous Stirring Tank Reactor)系统在实际反应中的精确控制, 根据CSTR反应特点, 采用T-S模糊模型逼近非线性对象, 研究鲁棒L₂L_∞状态反馈控制问题。模型中将更易测量的反应器温度作为前件变量, 模糊规则少。应用平行分配补偿算法(PDC： Parallel Distributed Compensation), 给出局部控制器的设计方法, 并利用线性矩阵不等式(LMI: Linear Matrix Inequality)技术设计全局控制器, 在此基础上把控制器的设计转化为一个凸优化的求解问题。最后仿真验证了该方法的有效性, 从而可扩展到其他化学工业反应中。     

基于功率塑造的控制方法及其在两个物理系统中的应用

目的：将著名的功率塑造控制方法应用到一个非线性电路和一个恒温连续搅动水箱式反应堆系统,并证明动态控制器设计方法比静态控制器设计方法适用范围更广。方法用功率塑造方法来设计控制器并用李雅普诺夫函数分析稳定性。结果得出的控制率为简单的线性时不变控制器,该控制器能够保证系统在理想的平衡点处渐进稳定。结论成功地将功率塑造控制方法应用到两个物理系统中并得到了动态功率塑造比静态功率塑造适用范围更广的结论。     

基于网络污水处理实时仿真与控制

构建了基于网络的污水处理实时仿真与控制系统的硬件平台，采用C＋＋ Builder语言，利用UML建模方法，开发了基于TCP／IP协议系统仿真与控制软件，实现了污水处理系统的实时仿真与控制。以CSTR工艺为例，以ASM No．1模型和二沉池的沉淀模型，在Matlab／Simulink下建立了系统的仿真模型，利用Matlab／xPC Target生成了控制内核，实现了该工艺的仿真和自动控制。运行结果表明：采用厌氧-好氧生物处理的CSTR工艺中的反应池和二沉池，可以实现实时运行控制和实时仿真，并具有良好的扩充性和移植性；证明了利用网络技术对污水处理过程进行实时仿真和实时控制在技术上是可行的。     

一种基于免疫遗传算法的CSTR跟踪控制新方法

对连续搅拌反应釜的跟踪控制问题进行了研究。通过模拟生物体的实际免疫行为设计出了实用化的免疫遗传算法 ,利用此算法对PID控制参数进行在线调整。仿真结果表明 ,该方法能够对连续搅拌反应釜进行有效地跟踪控制     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

修正初始权值的BP网络在CSTR故障诊断中的应用

将BP算法和使用复合法修正初始权值的BP算法运用到CSTR模型中进行故障诊断。采用复合法对初始权值进行修改,避免了BP算法中初始权值的随机性带来的收敛缓慢甚至瘫痪现象,并结合CSTR模型的故障诊断进行了仿真运算,与BP网络的比较表明了改进算法在运算效率上的优势。     

连续搅拌釜式反应器出口浓度的在线质量控制

讨论在仅有ＣＳＴＲ出口浓度的离线分析数据时，出口浓度的控制问题，提出了一种集成过程控制和统计过程的方法，对浓度度进行控制，同时作出离线分析值的ＥＷＭＡ控制图，对过程进行监控。仿真表明，过程的稳态性能得到显著改善。     

单级理想混合反应器最经济设计参数的求取

本文提出了单级理想混合反应器(CSTR)单位时间生产成本计算式,并由该式导出了一级不可逆反应在生产成本最低时的反应器设计参数X_A、F_(Ao)、和V_R。     

回归神经网络控制器的研究与应用

分析了利用具有多层反馈的动态回归神经网络作为控制器的可行性 ,构造了基于RNN的控制系统,并对典型的非线性化工对象连续搅拌釜反应器(CSTR)和化工过程Benchmark问题进行了实时的控制应用。结果表明,多层反馈的回归神经网络控制器具有结构简单、控制效果好的优点,特别是在对Benchmark控制中采用了多入多出的RNN控制器构造的串级控制系统,体现了RNN控制系统的强适应能力,可用于复杂动态过程的控制。     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。