精馏塔的神经元PID解耦控制研究

本文针对精馏塔这一多变量、非线性耦合对象,提出了一种神经元PID解耦控制方法。该方法在精馏塔精确模型补偿解耦控制基础上,采用神经元PID控制器进行控制。分析了控制器的结构及其学习算法,进行了PID和神经元解耦控制仿真实验,仿真结果表明该方法优于常规PID控制效果。     

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。     

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。     

基于改进型RBF神经网络多变量系统的PID控制

针对工业控制中多输入多输出非线性时变系统,提出了基于改进型RBF神经网络的智能PID控制方法.采用最近邻聚类算法在线构造RBF神经网络辨识器并在线辨识被控对象,对PID控制器参数进行在线调整,实现了多变量非线性时变系统的解耦控制.仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制规律下的PID参数,解耦后的系统具有较好的动态和静态性能,与常规RBF神经网络PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.     

苯胺加氢反应过程的多变量解耦广义预测控制

针对苯胺加氢间歇反应具有高度不确定性和交叉耦合性,传统PID控制器很难达到理想控制品质,本文采用阶梯控制策略设计多变量广义预测控制(GPC)解耦控制系统。首先针对系统的交叉耦合性,对目标函数解耦算法进行了简化设计以有效减少计算量;然后利用GPC策略构建一个双输入双输出解耦GPC系统;最后将多变量解耦GPC控制与传统PID变结构控制进行对比分析,模拟仿真效果验证了该控制系统的有效性和强鲁棒性。     

无刷直流伺服电机的解耦控制

提出了一种无刷直流伺服电机的解耦控制方法。这种控制法将无刷直流伺服电机的多变量耦合系统解耦成多个单输入-单输出的子系统。然后对每个子系统进行反馈控制。本文还对位置跟踪进行PID控制,PID 系数通过极点配置方法得到。最后,给出了位置跟踪的计算机仿真结果验证解耦控制法的有效性。     

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.     

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。     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.     

一种基于DRNN神经网络整定的PID解耦控制方法的研究

根据DRNN神经网络的Jacobian信息辨识，提出一种基于DRNN神经网络整定的PID解耦控制方法，并进行了计算机仿真，仿真结果表明：与一般PID解耦控制相比，基于DRNN神经网络整定的PID解耦控制具有响应速度快，自适应能力强，抗干扰能力强的优点。     

基于模糊RBF神经元网络的冷连轧板形板厚多变量控制

针对板带材轧制是一个复杂的非线性过程,板形控制(AFC)和板厚控制(AGC)又是相互耦合的一个综合系统等特点,提出了一种基于模糊RBF神经元网络的冷连轧板形板厚多变量综合控制系统.仿真结果证明了此AFC-AGC控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制.     

基于模糊神经网络的板形板厚综合控制系统

面对板形板厚控制这一复杂、多变量耦合的非线性系统，提出一种基于模糊神经网络的综合控制方案，实现了无模型板形板厚综合控制．仿真结果表明，该控制系统收敛性好、抗干扰性强，取得令人满意的板形板厚控制精度．     

板宽板厚多变量系统的自抗扰解耦控制

针对精轧的板宽板厚多变量系统具有强耦合、大时滞、不确定性、干扰因素多、非线性等特点,应用自抗扰控制(ADRC)静态解耦和扩张状态观测器(ESO)动态解耦技术,给出一种多变量系统的ADRC解耦设计方案. 为提高时滞对象的快速性,设计了一种去掉跟踪微分器(TD),由ESO和非线性状态误差反馈控制律(NLSEF)两部分组成的ADRC,其中NLSEF改用非线性函数实现,ADRC阶次比常规方法低一阶. 仿真结果表明,该控制方案不仅解耦效果好,而且对模型的不确定性和外部扰动具有较好的鲁棒性和适应能力.     

压力AGC与监控AGC相关性研究

在带钢轧制过程中,不同性质的多个厚度精度控制AGC系统同时存在,有可能在调节辊缝的方向上相互影响和干扰.理论证明,厚控系统的压力AGC和监控AGC在一定条件下存在相互独立的可能性.通过数学意义上的公式推导,针对AGC系统的实际控制流程,对某热轧机厚控系统的控制参数和结构的调整和改变,得以使此厚控系统实现控制意义上的解耦,并且经过理论推导和计算机仿真.结果表明,此厚控系统的压力AGC和监控AGC是相互独立的.     

基于鲁棒二自由度增益自适应Smith预估器的冷轧厚度计型AGC

综合考虑冷轧厚度计型AGC(automatic gauge control)控制对象模型的渐变性以及在低速轧制时大时延引起的厚度反馈较大时滞,提出一种冷轧厚度计型AGC控制的改进方法来减弱这些系统不确定性和厚度反馈时滞带来的不利影响. 推导出针对任意阶对象的增益自适应调节律,并给出了在保证系统鲁棒稳定条件下的控制器和滤波器参数选取原则. 仿真结果证明这一新方法可有效地抑制干扰,而且在对象参数摄动时系统具有鲁棒稳定性.     

基于分段线性化模型的冷连轧机PID解耦控制

针对冷连轧机采用基于工作点的线性化模型进行动态规格变换控制时系统误差和张力波动较大的问题,提出了一种基于递推分段线性化模型的PID解耦控制方案.通过对五机架冷连轧机进行动态规格变换仿真表明,该方案可保证系统的控制精度,满足动态规格变换的控制要求.     

循环流化床锅炉燃烧系统的自抗扰控制

针对循环流化床锅炉(CFBB)燃烧系统的强耦合和大延迟问题,采用相对增益的方法分析几种工况下的耦合性,并采用了主蒸汽压力送风量通道解耦策略。自抗扰控制器(ADRC)经过改进被应用在该燃烧系统,并将仿真结果与神经网络以及PID控制方法的结果进行了比较。仿真结果表明:ADRC在解藕、调节时间上均优于神经网络以及传统PID方法;在各种工况以及增加外扰情况下,该控制方案具有很好的适应性和鲁棒性,较好地解决了该系统强耦合、大延迟的控制难点。     

AGC板厚控制系统中对时滞非线性问题的有效控制方法

针对在AGC板厚控制系统中存在时滞、时变、大惯性、非线性等问题，提出了采用，自适应集中延时神经网络辨识、最优预报和模糊免疫PID控制相结合的控制方案，有效地提高了系统的控制精度和动态性能。经MATLAB仿真实验表明，各项指标均好于传统的控制方式，取得了令人满意的控制效果。     

AGC－AFC综合系统解耦控制

分析了板材轧制控制过程，给出了板厚板形综合系统（ＡＧＣ－ＡＦＣ）反馈闭环控制的数学模型；对ＡＧＣ－ＡＦＣ系统进行了解耦；引进Ｓｍｉｔｈ预估器补偿系统延迟环节的影响；最后采用ＰＩＤ方法实现对ＡＧＣ—ＡＦＣ系统的控制。仿真实验结果显示了上述方法的有效性。