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.     

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.     

非线性解耦控制在无人机中的应用

为了提高无人机的机动性,同时保证其航迹的精确性,针对无人机纵向运动模型,采用非线性动态解耦Singh算法设计直接力控制器,并对某一型号的无人机模型进行了纯直接力模式的计算机仿真.结果显示无人机的速度、迎角、俯仰角以及航迹角输出均能按照预期的目标渐进跟踪控制指令,并且具有很好的动态响应.仿真实验表明基于Singh算法的直接力控制器能解除无人机在飞行过程中某些模态运动之间的交叉耦合,并能精确实现纯直接力、俯仰指向等3种模式的直接升力控制.     

神经网络在广义预测控制中的应用

利用ＢＰ神经网络技术把多变量系统解耦为单变量系统,并推导出基于ＡＲＭＡＸ模型的隐式ＧＰＣ算法。用此算法控制解耦后的系统。     

电加热炉温神经网络控制及解耦

对电加热炉的温度进行控制的计算机控制系统，大多采用含有经验的专家系统，其结构复杂，干扰多。电加热炉系统有耦合，包含纯滞后环节，对此系统采用神经网络预测控制，并应用神经网络进行解耦，从仿真实验误差曲线和系统的输出可以看出，相对于PID控制和采用专家系统的智能控制，该控制器控制效果优越。     

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。     

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。     

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。     

非线性解耦控制在油气水三相分离器控制中的应用

油气水三相分离器的 3个输出变量之间存在比较严重的耦合 ,需设计解耦控制器 ,而 PID控制器控制效果不好 .根据油气水三相分离器的工作原理 ,建立了其动态数学模型 ;根据反馈线性化的原理 ,设计了非线性控制器 .仿真表明 ,非线性控制与 PID控制的混合控制能有效地消除输出变量之间的耦合     

非线性解耦控制在油气水三相分离器控制中的应用

油气水三相分离器的3个输出变量之间存在比较严重的藕合，需设计解耦控制器，而PID控制器控制效果不好．根据油气水三相分离器的工作原理，建立了其动态数学模型；根据反馈线性化的原理，设计了非线性控制器．仿真表明，非线性控制与PID控制的混合控制能有效地消除输出变量之间的藕合．     

感应电动机的解耦控制与矢量控制的解耦性质

对感应电动机的解耦控制及矢量控制的解耦性质进行了研究,从感应电动机变频调速系统的非线性模型出发,分别利用非线性控制的状态反馈组性化方法和转子磁场定向方法对系统进行了讨论研究结果表明,感应电动机的矢量控制只参实现电机转速与转 子磁链之间的静态解耦,不能实现二者之间的动态解耦,而基于状态反馈线性化的解耦控制方法,能够实现转速与转子磁链之间的动态解耦。     

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。     

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     

最优解耦综合控制及其在除氧器控制中的应用

本文基于W.A.Wolovich的最优解耦思想,提出了多变量离散系统的最优解耦综合控制规律,为计算机控制系统的解耦并且最优设计提供了理论依据。研制了用于多变量连续系统和离散系统的最优解耦综合控制的计算机辅助设计应用软件包,并成功地将其应用于火电厂除氧器群的解耦控制设计。     

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。     

多变量系统模糊自适应解耦控制方法综述

介绍了多种模糊自适应解耦方法,主要是传统自适应理论与模糊控制的结合以及糊神经网络解耦方法,并着重介绍了各方法的优点和局限性．最后对模糊自适应解耦研究领域的前景进行了展望。     

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。     

分级模糊滑模解耦控制方法在二级倒立摆中的应用

采用分级模糊滑模解耦控制方法,将二级倒立摆非线性系统解耦成几个次级系统,基于Lyapunov函数的自适应规则来调解分级滑模控制器的耦合因素,并且通过仿真实验,在保证系统稳定性的基础上,获得了良好的解耦性能,同时也验证了该方法的可行性及优于采用常规模糊滑模解耦控制的解耦性能.     

磁悬浮开关磁阻电动机径向力的动态解耦控制

基于基本电磁场理论，给出了磁悬浮开关磁阻电动机径向力与位置的模型．针对模型具有非线性和强耦合的特点，对该模型进行可逆性分析，从而证明该系统可逆．应用神经网络逆系统方法。设计其非线性控制器，将原来非线性强耦合的多变量系统解耦，转变成2个位置彼此无耦合的线性子系统，应用线性系统理论容易对这2个子系统进行控制．仿真表明，系统具有良好的静动态性能．     

基于神经网络逆系统的感应电机变频系统解耦控制

感应电机反馈线性化方法的优点之一 ,是在电机参数准确已知的前提下 ,可将感应电机数学模型解耦为相互独立的转速子系统和磁通子系统 但是电机参数是时变的 ,不易精确获得 ,为进一步完善反馈线性化方法 ,提高调速性能 ,本文应用神经网络逆系统控制理论 ,使用神经网络直接替代现有解耦控制方法中的对应逆系统模型 ,理论分析与实验的结果表明 :该方法成功地实现了转速与磁链的解耦 ,同时对感应电机变频调速系统负载的变化具有较强的抗扰性和鲁棒性