基于鲁棒整定的球磨机系统多变量PID控制

基于内模控制原理，导出一种多变量系统的PID控制器参数整定新方法，可直接获得控制器的比例项、积分项、微分项系数以及考虑到微分项可实现性的实际微分环节的时间常数。该整定方法应用于严重多变量耦合的电厂制粉系统球磨机控制的仿真研究，结果表明：所整定的PID控制系统具有良好的调节品质，在系统特性变化的情况下具有很强的鲁棒性。     

多变量非线性系统的有约束模糊预测解耦控制

针对多变量非线性系统提出了一种带约束输入的广义预测解耦控制算法:首先对多变量非线性系统建立T-S模糊模型,然后在每个采样点对系统进行局部动态线性化,将得到的系统线性化模型进行对角解耦,然后对其设计带输入约束的GPC算法.该算法充分考虑了控制输入及其增量受约束的情况,而且不必求Dio-phantine方程,减小了计算量,且削弱了变量之间的耦合程度.最后的仿真结果说明了该算法对多变量非线性系统的有效性.     

电站仿真器PID控制参数的模糊整定

在归纳总结目前使用较广泛的一些控制系统参数整定方法的基础上,通过对热工过程对象特性的研究,提出一种基于模式识别的模糊整定方法,以此在电站控制系统中的汽温控制等回路上进行了仿真整定试验,并将其应用于东北电力局６００ＭＷ电站仿真器的控制系统参数整定,效果良好,证明了本文提出的整定方法的可行性     

输入受限的隐式广义预测控制算法的仿真研究

本文基于CARIMA模型提出了一种简单的隐式广义预测自校正控制算法。它避免了在线求解Dioaphantine方程;利用并列预测器间的特点,直接辨识输出预测器中的参数,并针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值施加了约束;在此基础上以二次规划作为滚动优化策略,进行计算机仿真,获得预测控制信息和输出信息;然后采用加权控制律,不仅使预测信息得以充分利用,而且使系统的性能得到明显改善。     

改进型PID参数神经网络自学习的船舶操纵控制器

船舶操纵的模型参数具有非线性、慢时变特性、船舶操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用改进型BP神经网络实现PID参数自整定的控制方法,此法能根据船舶动态特性的变化,自动重新整定PID参数,从而改善了操纵性能和鲁棒性。     

基于遗传算法的车辆ABS在线整定PID控制及仿真

分析了ABS(防抱制动系统)PID控制方法的原理。提出了基于遗传算法的在线ABS PID控制方法。为了使控制器具有更高的搜索效率以满足ABS的实时性要求,改进了遗传算法的遗传算子,使复制与交叉操作并列存在,使用具有选择性的交叉操作,并改变变异操作的随机性,使其成为受控的随机操作。使系统能根据车辆的运行条件实时整定PID控制参数。仿真结果表明,基于遗传算法的在线ABSPID控制方法能有效抑制超调,控制ABS跟踪路面条件变化。     

多变量灰色广义预测控制直接算法及仿真

基于多变量灰色系统模型 ,提出了一种MIMO系统的广义预测控制直接算法。该算法利用两个辨识器分别辨识被控对象和闭环系统的参数 ,从而得到控制器的参数。算法在线辨识参数较少 ,又避免了Diophantine方程和逆矩阵的在线求解 ,进一步减少了计算量 ,提高了实时性。仿真结果表明 ,该算法是有效的     

参数自整定2自由度PID全神经元实现的仿真研究

2自由度PID控制器参数整定是一个复杂而又困难的问题，本文采用全神经元方法实现了2自由度PID控制。通过权值自学习解决了参数自动整定这一难题，只要选择适当的神经元权值系数，就可以是系统的抗干扰能力和跟踪给定的能力同时达到最佳，并使系统具有自适应能力和较强的 鲁棒性。     

一类热工过程分布参数模型的PID控制仿真研究

分布参数系统普遍存在于热工过程中,PID是普遍采用的控制方法,因此有必要研究分布参数对象的PID控制问题。一般的PID控制器设计方法需要将分布参数模型简化为集总参数模型并降阶,这样就引入了模型误差;基于遗传算法的PID控制器优化设计方法(GAOPT)不受模型限制,可以直接基于分布参数模型进行控制器设计。利用GAOPT方法设计了一类分布参数模型的PID控制器。仿真结果表明,GAOPT方法比常规方法可以获得在超调量、调节时间、ITAE和性能鲁棒性等指标上都较优的控制效果;同时,基于分布参数模型的控制器比基于近似模型的控制器的控制效果有明显改善。     

基于BP神经网络PID参数自整定的研究

PID控制是迄今为止在过程控制中应用最为广泛的控制方法。但在实际应用中，其参数整定仍未得到较好的解决。本文把神经网络技术应用在PID控制中，充分利用神经网络具有非线性函数逼近能力，构造神经网络PID自整定控制器，并通过仿真试验，取得较好的结果。     

多变量系统预测函数解耦控制

提出一种新的多变量系统预测函数解耦控制(PFC)算法。该算法将多变量系统的PFC分散为若干单变量系统的PFC,使参数设计和算法求解大为简化。此外,利用该算法可得到一个解析的控制量计算方程,控制器参数均可离线计算,因此在线时算法简单、计算量小,可用于解决复杂的耦合控制问题。仿真结果表明了该算法的有效性和可行性。     

基于预测控制的电厂取水口物模实验的仿真研究

针对广东沙角发电总厂A厂取水口泥沙淤积积情况比较严重，曾发生了两次取水口塞堵事件，造成了电厂不能正常运行的严重后果，利用大型实验水槽系统对A厂的取水口泥沙淤积和冷取水进行了物理模拟实验的仿真研究。为了模拟水流的涨落潮变化过程，本实验将模型规划为双向进向水的形式，在上下游同时进行流量控制和水位控制，本文利用一种新的潮控方法，并对潮流的控制采用双变量广义预测隐式自校正控制算法，在长达6天6夜的连续运行情况下，表明该方法使用可靠，精度高，而且重复性极佳。     

基于广义预测的非线性解耦PID控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络的非线性多变量PID解耦控制方法。该控制器是由常规PID控制器与解耦补偿器、未建模动态前馈补偿器组成,而PID参数的整定是通过广义预测的方法实现的。同时给出了该控制方法的闭环系统的稳定性和收敛性分析。最后通过仿真实例验证了所提方法的有效性和可行性。     

一类非线性时滞系统的模糊预测控制

利用模糊T-S模型对一类输入受限的非线性时滞系统进行建模;在此基础上,提出了模糊预测控制,推导了预测性能指标上界,将稳定性约束,输入约束变换成容易求解的线性矩阵不等式形式。采用了并行分布补偿预测控制器,基于李雅普诺夫函数和线性矩阵不等式方法给出滚动时域优化的充分条件,证明了闭环系统的稳定性,仿真结果验证了所提方法的有效性。     

隐式广义预测自校正控制算法的混合仿真研究

利用广义预测控制与动态矩阵控制的等价性,根据动态矩阵控制中误差校正原理,对广义预测控制算法中的开环预测向量ｆ作了修正,并通过模拟仿真仪对该算法进行了混合仿真研究。     

非最小相位系统预测函数控制

针对开环稳定非最小相位系统(NMPS),提出了一种参考轨迹自调整预测函数控制(PFC策略。由于开环稳定NMPS可以方便地用有限脉冲响应(FIR)模型来描述,因此采用基于FIR模型的PFC对其实施控制,并推广到多变量情形,实现对多变量NMPS的有效控制。为了在减小负调缩短调节时间和减小超调之间达到合理的折中,提出了参考轨迹自调整方案,在系统响应初始阶段采用较大的期望闭环性能特性系数,以减小负调;当系统克服负调进入正常响应阶段,采用适当的期望闭环性能特性系数,以缩短调节时间和减小超调。将该策略应用到水轮机调速系统中,仿真结果表明,系统具有良好的动态性能和较强的鲁棒性。     

基于PC机平台的预测控制系统仿真软件开发与实现

讨论了基于通常使用的PC机平台的实用预测控制软件的开发，该软件实现了对预测控制系统的综合仿真。包括结构扰动，随机扰动对系统的影响和控制器参数调整的作用等，利用该软件可对预测控制的作用机理做进一步仿真分析。     

时滞系统智能补偿预测控制方案的实现

提出了一种基于DMC预测控制历史数据智能建模基础上的自动补偿方案，该方案适用于参数摄动的时滞对象。仿真研究表明，该补偿算法能明显改善系统增益失配的控制效果，对同时存在增益、时滞失配的系统也有一定效果。由此，我们能在一定程度上降低对被控对象模型的测试要求，增强系统控制的鲁棒性，从而拓宽了DMC预测控制的适用范围。     

变风量空调系统的模型预测控制及仿真研究

采用基于模型预测控制策略的多输入多输出(MIMO)控制器对单通道变风量空调系统的控制问题进行了研究.在分析系统工作机理和系统动力学行为的基础上,建立了内部模型的结构,采用实验确定了模型的参数.通过设定参考轨迹、输入输出约束、控制步长、预测步长及加权矩阵,解决了系统的凸二次型优化问题.通过仿真研究和对实际系统的控制,验证了系统的控制效果.