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.     

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

模型参考自适应解耦控制研究

针对多输入、多输出耦合对象的参数在一定范围内变化的情况，研究了解耦控制与自适应控制问题，通过建立系统的参考模型，提出了按参数自适应律自动调整解耦网络和调节器参数的设计方法，对参数可变的２个输入２个输出的耦合对象进行了自适应解耦控制设计与控制系统计算机仿真，仿真结果表明，解耦网络和调节器参数固定时系统运行失控，实现参数自适应调整后系统运行正常。     

单位矩阵解耦法的工程可实现性研究

一个耦合对象前置解耦器可转变为无耦合的等效(或广义)对象.单位矩阵法是预期等效对象为单位矩阵的解耦方法,由于其工程的难于实现性,使该方法未能获得广泛应用.本文提出一种可以实现的单位矩阵解耦法.仿真解耦证明本文方法简单易行,解耦效果明显,不仅系统有很强的抗干扰能力,而且系统的鲁棒性可以得到充分保证.     

模型参考自适应解耦控制研究

针对多输入，多输出耦合对象的参数在一定范围内变化的情况，研究了解耦控制与自适应控制问题，通过建立系统的参考模型，提出了按参数自适应律自动调整解耦网络和调节器参数的设计方法，对参数可变的２个输入２个输出的耦合对象进行了自适应解耦控制设计与控制系统计算机仿真，仿真结果表明，解耦网络和调节器能数固定时系统运行失控，实现参数自适应调整后系统运行正常。     

基于PSO的板形板厚小波神经网络解耦PID控制

针对板形控制和板厚控制是相互耦合的综合系统,提出了一种新的解耦PID控制算法·首先用小波神经网络构造α阶时延逆系统,对综合系统进行输入输出解耦;然后对解耦后的独立的单变量系统采用PID控制·这种解耦方法无论是从理论分析还是仿真验证,均证明是可以实现完全解耦的·考虑到被控对象是一个带有时滞的非线性系统,提出采用PSO优化算法对PID参数进行自适应调整·仿真结果表明所用方法简单有效,并具有良好的跟随性能和抗干扰能力;其控制效果优于传统的解耦PID控制·     

基于逆系统理论的无轴承永磁同步电机解耦控制研究

应用多变量非线性控制逆系统理论，对无轴承永磁同步电机的多变量、非线性、强耦合的控制对象进行了动态解耦控制研究；介绍了逆系统理论，阐述了无轴承永磁同步电机径向力的产生机理，建立了转矩力和径向悬浮力状态方程，分析了基于逆系统理论解耦控制的可行性，推导出基于逆系统理论的无轴承永磁同步电机转矩力与径向力之间的动态解耦控制算法。仿真结果表明，这种控制策略能够实现转矩力与径向力之间的动态解耦，并且系统具有良好的动、静态性能。     

集气管压力系统的神经网络逆解耦复合控制

针对集气管压力系统具有强干扰、强耦合、非线性、多参数等特性,依据逆系统解耦原理,分析了集气管压力系统数学模型的可逆性;采用对非线性具有较强逼近能力的BP 神经网络,逼近集气管压力系统的逆系统;神经网络逆系统与原系统构成伪线性解耦复合系统,实现集气管压力系统的神经网络逆解耦复合控制。仿真结果表明该方法实现了系统解耦,具有一定的应用性。     

配电网静止无功补偿器的解耦控制策略

在配电网中,静止无功补偿器(D-STATCOM)可以起到稳定接入点电压,有效地降低网损率和提高功率因数及防止非线性负荷的作用。但是D-STATCOM在d-q坐标系下是一个非线性、强耦合的系统,需要进行解耦控制,因为对其进行解耦控制可以保证输出电流快速无差地跟踪整定值。研究D-STATCOM的解耦控制策略,通过对其基本结构进行分析,得到了耦合项的模型。采用模糊免疫PI控制和前馈解耦控制相结合的方法将原系统进行线性化的解耦,避免了有功和无功电流的耦合作用。最后运用MATLAB进行仿真。仿真结果表明,所提解耦控制策略性能优良、结构简单、容易实现。     

模糊—自适应神经元解耦控制在VAV中的应用

采用模糊控制器和自适应神经元解耦补偿器的解耦控制技术，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。通过解耦系统仿真研究，为变风量空调系统的解耦控制提供了有效的方法。     

双馈风力发电机电网磁链定向矢量控制实验

双馈发电机有功、无功解耦控制是变速恒频风力发电系统的关键技术,这是通过发电机矢量控制实现的.在分析双馈风力发电机数学模型的基础上,推导了其有功及无功功率解耦控制策略,设计了基于电网磁链定向的功率解耦控制方案,搭建了基于Matlab/Simulink的双馈风力发电系统仿真平台和基于TI公司TMS320F28335DSP的双馈风力发电矢量控制实验系统.通过仿真研究和实验研究,证实了控制策略的有效性.     

新能源汽车解耦式电液复合制动系统

设计集成有制动踏板感觉模拟、液压助力和失效制动备份功能的一体式制动主缸,并依此开发制动踏板与轮缸压力解耦的电液复合制动系统。考虑ECE R13法规和电动机、电池组外特性约束,以有效回馈功率为优化目标,制定解耦式电液复合制动系统的制动力分配控制策略。利用MATLAB/Simulink-AMESim建立解耦式系统的联合仿真模型,结合硬件在环仿真台架试验,考核其液压控制性能及制动力配控制策略。结果表明:解耦式电液复合制动系统实现轮缸压力的精确控制,并有效地回收制动能量,在NEDC循环工况下,其制动能量回馈效率可达54.8%。     

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。     

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.     

一类神经网络整定PID参数的非线性系统解耦方法

对具体非线性系统有不同的解耦方法，如模糊解耦、神经网络解耦等。因神经网络有自学习功能以及对参数摄动的不敏感，故对某些特殊的非线性系统采用神经网络解耦作为补偿器进行输入输出解耦，能够获得较强的鲁棒性。首先介绍了神经网络解耦的一般结构，然后给出了递归多层神经网络的学习方法。针对一类非线性系统设计了一类基于递归多层神经网络整定PID参数的多变量非线性系统的解耦控制器。从仿真可以看出，对于文中所给出的非线性系统，这种递归多层神经网络的解耦控制器对于输入输出解耦是可行的。     

基于神经网络逆系统方法的机器人柔顺性控制

提出了一种机器人柔顺性控制算法，在未知机器人精确数学模型的情况下，通过构建一个ANN二阶逆系统，并级联ANN与机械手，实现机器人位置系统的线性解耦．在此基础上，针对已解耦位置系统，通过本提出的基于目标阻抗的控制算法调节机器人手臂的阻抗，从而实现机器人的柔顺性控制．还介绍了机器人柔顺性控制实验平台的建立与组成．基于两杆操作手的实验结果证明该方法具有良好的解耦和位置跟踪性能，仿真结果表明本方法可实现有效的柔顺性控制．     

无轴承异步电机最小二乘支持向量机逆解耦控制

为了实现无轴承异步电机径向悬浮力、转速和磁链的非线性动态解耦控制,提出了基于最小二乘支持向量机逆的解耦控制策略,在分析无轴承异步电机原系统可逆的基础上,首先采用最小二乘支持向量机逼近原系统逆模型,然后将逆模型串接于原系统之前构成伪线性复合系统,将无轴承异步电机线性化解耦成径向二自由度位移子系统、转速子系统以及磁链子系统,最后为了进一步提高整个控制系统性能,为伪线性复合系统设计了闭环控制器,并采用Matlab对控制方法解耦性能进行了仿真.仿真结果表明:该方法能够成功实现无轴承异步电机系统的非线性解耦控制,并且系统具有优良的鲁棒性和动、静态性能,克服了传统解析逆解耦控制方法过分依赖于系统模型的缺点.     

基于CMAC和PID的非线性耦合系统解耦控制研究

为了实现多变量非线性耦合系统的解耦控制,提出了一种基于CMAC与PID的复杂关联自适应解耦控制策略,并给出了详细算法。该控制策略采用PID控制器和CMAC控制器共同构成一个复合控制器,多个复合控制器通过多输入多输出线性神经网络,实施对复杂非线性耦合对象的控制作用。由于神经网络的自适应特性,可使得耦合系统逼近参考模型,实现解耦控制。仿真结果表明,该控制策略实现了耦合系统的解耦控制,并且具有较强的抗干扰能力和鲁棒性。因此采用此控制策略能够实现多变量非线性耦合系统的解耦控制。     

一类非线性控制系统的稳定干扰解耦

讨论了一类SISO非线性系统的干扰解耦问题,给出了非线性系统关于干扰的相对阶,通过静态状态反馈实现系统干扰的解耦可解条件以及系统稳定控制,最后通过仿真算例验证了该方法的有效性。     

模糊解耦控制技术在VAV中的应用

采用带模糊积分器多变量模糊解耦控制技术，对耦合强烈的四维传递函数矩陈进行解耦，该传递函数矩阵是通过理论分析和动态系统辨识相结合的方法得到的。通过计算机自动控制系统仿真。取得了较好的解耦效果。该技术可以应用到变风量空调系统的解耦控制中。