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。     

前馈补偿法在空调系统控制中的应用

采用机理分析和实验数据分析相结合的方法,建立了变风量空调的数学模型,并依据此模型建立了四输入、四输出的变风量空调系统的传递函数矩阵．针对该系统采用前馈补偿法设计了变风量空调系统的解耦补偿器,该解耦补偿器可以使所研究的变风量空调控制系统的开环和闭环传递函数矩阵都变换为对角矩阵,从而解除各个控制回路之间的耦合,使变风量空调系统实现解耦．实验结果表明,该解耦控制方法在变风量空调中的应用效果较好,提高了系统的控制品质和性能。     

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。     

神经网络PID控制器在高大空间恒温空调系统中的应用

针对暖通空调领域中高大空间恒温空调系统大滞后、慢时变、非线性的特点以及不确定干扰因素多的实际情况，将具有自学习、自适应功能的神经网络PID控制器应用于空调系统中，并利用非线性辩识算法对控制过程进行预测输出，最后在空调房间数学模型的基础上通过Matlab环境下的计算机仿真和对某电视台大型演播室进行温度控制实验相结合，发现在高大空间恒温空调系统中神经网络PID控制响应快、超调小，验证了神经网络PID控制器的实用性和有效性．     

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。     

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     

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.     

用改进的神经网络优化PID参数的解耦系统

在用神经网络对PID控制器的控制参数进行优化时,网络的学习速率η和动量参数α的调整尚没有成熟的方法,针对这一问题提出了一种实时调整η和α的模糊归一化算法,把综合误差变化量进行归一化、模糊量化处理之后,η和α根据模糊子集中的隶属函数找出其对应的隶属度。将这一算法应用于非线性系统的解耦控制之中,仿真计算结果表明这种算法加快了网络的收敛速度,收到了较好的解耦控制效果。     

前馈解耦控制器在恒温恒湿空调控制系统中的应用

采用机理分析和实验分析相结合的方法,建立了恒温恒湿空调系统的数学模型,推导了四输入、四输出的传递函数矩阵,并采用前馈补偿法设计解耦补偿器,使恒温恒湿空调系统的传递函数矩阵变换为对角矩阵,从而解除了各个控制回路之间的耦合.仿真结果表明,该解耦控制器在恒温恒湿空调系统中的应用效果较好,改善和提高了系统的品质和性能.     

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。     

模糊神经PID控制在工业炉冶金阀门位置控制系统中的应用

介绍模糊神经网络控制器的设计方法，并将其应用到工业炉阀门位置的控制系统中。试验结果表明，这种通过对输入变量模糊化的神经元学习和在线自调整算法，对其冶金阀门的压力控制具有很强的自适应性，且响应程度快、鲁棒性好。     

基于以太网的PID神经网络控制系统

介绍基于以太网的PID神经网络控制系统的构建及实时控制过程．该系统具有易于实现、成本低、兼容性好等特点,有利于对分布式设备进行实时控制．控制结果表明．该系统对于大滞后、非线性对象取得较好的控制效果．     

神经网络仿PID参数自适应控制器及其应用

介绍了基于BP神经网络的仿PID自适应控制器，给出了控制算法，推导了基于变形Elman网络的系统辨识算法，仿真及应用表明此方法是可行的。     

基于遗传算法的变风量空调模糊控制系统的研究

针对变风量空调模糊控制系统控制规则的获取依赖人类经验的问题,提出将遗传算法与模糊控制相结合。在推导适应度值函数的基础上,利用遗传算法获取控制规则,改善控制效果。一定程度上解决了人为调试获取规则困难的问题。仿真结果表明,在变风量空调系统中将遗传算法与模糊控制相结合是可行的。     

RBF网络自整定PID控制在网络化控制系统中的应用

文章针对网络化控制系统普遍存在的时延问题,介绍了一种基于径向基函数神经网络自整定PID的控制策略.在Matlab/Simulink环境下搭建了基于TrueTime工具箱的网络控制系统的仿真平台.仿真结果表明:与常规PID控制相比,神经网络自整定PID控制算法可有效地提高系统的鲁棒性和自适应性,且此方法易于实现,便于工程...     

基于RBF神经网络的PID控制在锅炉温度系统中的应用研究

目的提高电厂锅炉温度系统控制的可靠性和安全性,达到精确控制。方法提出一种基于RBF(Radial Basis Function)神经网络的PID控制器,建立3层神经网络模型。结果在RBF-PID控制过程中,由神经网络RBF在线辨识得到梯度信息,然后根据梯度信息对PID的3个参数进行在线调整,从而改善系统的控制品质。结论仿真结果表明,基于RBF神经网络的PID控制较传统PID控制有较强的鲁棒性,提高了实时性能,获得了更好的控制效果。     

基于PSO的改进的PID控制器在VAV空调系统温度控制中的应用

以变风量空调系统的温度控制作为研究对象,在现有的研究基础上,提出了粒子群优化算法改进的BP神经网络PID控制方法。应用BP神经网络进行PID参数在线整定,粒子群优化算法提高BP神经网络的学习速率和收敛性,结合三者各自的优势以提高变风量空调系统的控制性能。     

人工神经网络在自动控制系统中的应用

神经网络以其可学习的特性和高度的并行结构成为自控界的热门研究课题 它能以任意精度逼近任意连续非线性函数 ,能同时处理定量和定性的信息 ,能很好的协调多种输入信息关系 ,适用于多信息融合和多媒体技术 它为解决不确定性系统的许多控制问题及高度非线性问题提供了一个有力的工具 介绍了网络用于自动控制系统的主要特征 ,重点阐述了神经网络在系统辨识和模糊控制系统中的应用 ,并讨论了发展概况及趋势