模糊解耦理论在酒精蒸溜过程中的应用

针对酒精粗溜过程的多变量控制问题,利用M．M Gupta．模糊子空间分解算法加快模糊运算速度,利用模糊补偿实现模糊解耦控制,从而提出了带补偿器的Gupta模糊解耦方案及其解耦控制器的设计方法。仿真结果表明该方法较好地实现了对具有一定可变性对象的模糊解耦控制。     

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。     

模糊解耦控制系统的探讨

提出了以模糊解耦代替常规解耦的控制方法。在设计过程中，避免了对象精确数学模型的推导和严格计算的麻烦，实现极为简便。通过仿真实验，收到了较之常规解耦更为理想的控制效果。     

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。     

基于模糊理论的焦炉集气管压力控制系统的设计与实现

针对湘钢焦炉集气管压力和鼓冷系统吸力控制特点,对原有系统进行改造,将模糊控制技术和常规PID控制技术相结合,提出了一种基于模糊理论的焦炉集气管压力控制方法,结合相邻通道的波动引起的耦合现象,采用模糊解耦原则进行解耦控制。通过matlab仿真表明：模糊PID参数自整定算法与常规PID相比,具有更好的动态特性。实践证明该方法有效实现了对集气管压力系统的智能控制。     

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。     

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.     

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。     

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     

旋转飞行器的一种解耦模糊控制方法

研究旋转飞行器的解耦控制问题.考虑飞行过程中耦合对象系统的时变性,采用串联解耦网络对开环系统进行近似解耦,并采用模糊PID控制对闭环系统进行设计,实现了纵向和侧向通道之间的稳态解耦.仿真算例表明,该方法有效消除了旋转飞行器纵、侧向通道之间的耦合效应,在飞行状态时变的情况下能够获得良好的动态性能.     

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。     

链篦机-回转窑温度场过程控制系统设计

链篦机-回转窑温度场控制系统具有大滞后、非线性、多变量、强耦合的特点,很难建立控制过程数学模型,常规PID控制器难以实现有效控制。本文深入研究了球团生产工艺机理,并对某球团二厂进行现场调研,采用了模糊控制和解耦控制的理论,设计了模糊控制器和解耦控制器,对链篦机-回转窑温度场控制系统进行了详细设计,并借助于MATLAB对模糊解耦控制器进行了仿真,仿真结果证实了模糊解耦控制器合理性,为操作工提供了操作指导,也为将来实现球团自动控制打下基础。     

模糊关系系统解耦方法

针对模糊关系系统的解耦问题，提出了可解耦的充分条件及构造模糊串联补偿解耦器的具体方法；在此基础上，进一步讨论了在一类拓扑变换下模糊关系系统的解耦方法．本研究可为多变量模糊控制系统的分析与综合提供一种有效的工具．     

基于模糊RBF神经网络整定的航空发动机多变量解耦控制

为解决航空发动机控制变量之间的强耦合性,构造了基于模糊RBF神经网络整定的航空发动机多变量解耦控制系统.设计了基于模糊RBF神经网络的多变量解耦控制器,在线调整PID控制器的参数并根据Delta学习规则对网络权值进行修正以达到最佳控制;针对某型航空发动机含未建模动态和噪声等随机干扰的非线性模型进行了多变量解耦控制系统仿真.结果表明:系统具有满意的动态性能和解耦特性,该方法不需要知道发动机的精确数学模型,对航空发动机的非线性和不确定性具有较强的自适应能力.     

煤气混合过程热值与压力的模糊补偿解耦控制

针对煤气混合过程的强耦合、强干扰和非线性等特点,提出一种将模糊控制和补偿解耦相结合的控制方法。首先,根据混合煤气热值和压力控制精度的不同要求,分别设计模糊控制器对热值和压力进行控制;然后,通过分析热值和压力之间的耦合关系,利用补偿解耦控制器对它们之间的耦合影响进行补偿,并结合生产过程中积累的操作经验,设计一种模糊补偿解耦策略,实现混合煤气热值和压力的解耦;最后,针对煤气混合过程中的特殊工况建立专家控制器,对蝶阀的非线性特性采用专家规则修正阀位增量。研究结果表明:混合煤气热值和压力的波动能稳定在较小的范围之内,同时具有较强的抗干扰能力。     

煤气混合加压过程的智能解耦控制方法与应用

针对煤气混合加压过程的特点，提出一种融合模糊控制和专家控制的煤气混合智能解耦控制方法。热值压力解耦控制回路以热值为主要控制目标，通过模糊专家解耦控制策略和蝶阀组控制策略，保证混合煤气热值满足要求，同时稳定加压机前的压力；压力控制回路通过前馈和反馈专家控制器，使混合煤气压力跟踪给定值。实际运行结果验证了控制策略的有效性，煤气热值和压力误差均在设定值的5％之内。