热连轧活套系统的解耦补偿预测控制

针对热连轧活套系统的强耦合特性,提出一类基于预测原理的交叉解耦控制策略.将一个两输入两输出的强耦合系统分解成两个相互影响的单输入单输出的子系统.基于预测控制原理,在一个周期内,顺序更新每个子系统的控制律,并保留未来的预测控制信息,补偿子系统之间的耦合影响,然后开始新的循环.基于H∞原理,将预测值与实际值的误差作为扰动处理,降低子系统之间的耦合影响,提高控制精度,简化控制器设计,减轻计算机的负担.仿真结果证实了该方法具有较好的解耦效果和控制性能.     

热连轧活套高度和张力系统的解耦控制

为了进一步提高板带热轧厂厚控精度及控制品质,需对具有非线性、强耦合、不确定、多约束特性的活套系统建立工程上适用的数学模型,以实现活套高度与张力系统的解耦控制.在分析其动态耦合过程的基础上,考虑到实际的活套系统在工作过程中变量的变化离其稳态工作点的偏差很小,以实际热轧现场数据为依据,给出了完整的传递函数表达形式.采用线性预测模型的BP神经网络PID控制策略以减弱系统的耦合影响,以提高控制效果.仿真结果验证了本算法的有效性,表明解耦后的活套控制系统可获得更好的控制效果.     

热连轧活套系统的分散控制

分析热连轧轧制速度增量对活套系统性能的影响,建立了活套关联系统模型,提高了活套系统模型精度.基于H∞原理,将活套高度与张力系统之间的耦合影响看作扰动,采用分散控制方式,为每台轧机活套系统单独设计控制器.仿真结果表明,基于活套关联系统模型,采用分散方式设计控制器,提高了活套系统的控制性能.     

基于多目标鲁棒PID控制的热连轧活套系统

针对热连轧活套控制中的模型参数不确定性问题,文章建议采用多目标鲁棒PID控制算法处理这类问题;该算法不仅可以保证系统的稳定性,而且对具有一定不确定性的系统也能保证其动态特性品质,同时其设计与实现相对简单,该控制算法的效果通过仿真结果加以验证。     

蚁群算法训练神经网络辨识混沌系统

提出了一种利用蚁群算法训练神经网络的算法,进行混沌系统辨识,并与神经网络、遗传神经网络对同一混沌系统辨识的结果进行比较;实验表明:利用蚁群算法训练神经网络进行混沌系统的辨识,能克服BP求解精度低、搜索速度慢、易于陷入局部极小的缺点;与遗传神经网络相比,虽然执行时间有所增加,但求解精度显著提高,可有效用于混沌系统辨识.     

基于自适应蚁群算法的研究

蚁群算法是一种具有许多优良特性的新型算法,该算法具有较强的发现较好解的能力,但同时也存在容易出现停滞现象,收敛速度慢等缺点。在介绍基本蚁群算法的基础上,针对蚁群算法的不足,提出了一种自适应蚁群算法。该算法对蚁群算法中的信息素在更新过程中进行自适应调整。实验结果表明,该算法比传统的蚁群算法具有更好的搜索全局最优解的能力,并具有更好的收敛性。     

基于蚁群算法的智能人工腿最优PID控制器设计

以蚁群系统和蚁群算法为基础,提出了一种新的具有不完全微分的最优PID控制器的设计方法.该控制器以系统单位阶跃响应的超调量σ、上升时间tc以及调整时间ts为性能指标,针对给定的控制对象,利用所建立的蚁群算法搜索出一组最优PID参数K*p,*i及T*d,作为实时控制中PID控制器的参数.该控制器被用于控制智能仿生人工腿中的执行电机.计算机仿真结果表明,与传统的PID控制器相比,这种基于蚁群算法的最优PID控制器具有良好的动态和稳态性能,可用于控制多种不同的对象和过程.     

基于遗传自适应蚁群系统算法的中继路由方法

针对实际电力线载波抄表系统中现有中继路由算法的不足,提出一种基于遗传自适应蚁群系统算法的动态中继路由方法.利用遗传算法的快速全局搜索能力获得路径信息素的初始分布,再结合蚁群算法的正反馈收敛机制,同时依据搜索情况对状态转移概率因子、信息素挥发因子、信息素强度等参数进行自适应调整,最终获得最优路由线路.通过仿真实验验证该算法的收敛性、鲁棒性和抗毁性,算法能够根据电力线信道的变化情况以相对较少的迭代次数收敛到最优路径,提高整个抄表系统的时效性.     

基于FPGA的活套高度和张力系统解耦控制器设计

针对板带热连轧机活套的高度和张力系统,在工作点附近,以实际热轧现场数据为依据,建立了对象的动态数学模型.采用基于BP神经网络整定的PID控制策略以减弱系统的耦合影响,并给出了其控制算法在FPGA上实现的方法,包括脉动阵列算法映射、数据表示及精度和运算部件设计.仿真结果验证了本算法的有效性和控制策略的适用性.     

基于ADAMS-MATLAB联合仿真的液压活套多变量解耦控制

对于具有非线性、强耦合、不确定特性的液压活套系统的多变量控制一直是轧制控制领域的难点问题,为了进一步提高热连轧带钢的控制品质,首先利用ADAMS建立了液压活套虚拟样机模型,然后利用M ATLAB设计了一种基于互不相关解耦策略的液压活套迭代学习控制系统,利用ADAM S/Sub模块与M ATLAB/Simulink接口得到联合仿真模型.基于此模型,对传统PID控制系统与所设计的控制系统进行了仿真研究,仿真结果表明所设计的控制系统可以更好地减弱活套张力与高度系统的耦合作用,使活套控制系统获得更好的控制效果.     

精轧机组主速度链及活套计算机控制系统

根据带钢热连轧机精轧纲组主速度链及活套控制模型，用Ｃ语言软件实现了主干速度设定和活套控制功能，结合实际对象模型，进行了仿真实验并给出结果。     

热连轧活套智能化闭环控制

介绍智能控制在热连轧精轧机组的活套闭环控制系统中的应用,智能化方法应用在活套角的测量,升落套控制和活套高度的模糊控制中,速度自学习方法和动态速降补偿方法也被给出。     

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.     

热连轧液压活套不确定系统的滑模控制

针对一类多输入多输出热连轧液压活套不确定系统设计了滑模控制器．首先利用特殊线性变换将原不确定系统化成标准形式,然后基于Lyapunov函数方法和线性矩阵不等式（LMI）技术给出了滑模面函数,根据滑模到达条件设计了一种新的控制策略,并且给出了理论性证明．最后仿真结果表明,该控制器可使活套控制系统获得较好的控制效果,有效地提高热轧带钢精轧机活套系统的控制精度,并使活套系统迅速达到平衡稳定状态．该控制器具有很强的鲁棒性能,非常适合于复杂的活套系统．     

基于PSO的板形板厚小波神经网络解耦PID控制

针对板形控制和板厚控制是相互耦合的综合系统,提出了一种新的解耦PID控制算法·首先用小波神经网络构造α阶时延逆系统,对综合系统进行输入输出解耦;然后对解耦后的独立的单变量系统采用PID控制·这种解耦方法无论是从理论分析还是仿真验证,均证明是可以实现完全解耦的·考虑到被控对象是一个带有时滞的非线性系统,提出采用PSO优化算法对PID参数进行自适应调整·仿真结果表明所用方法简单有效,并具有良好的跟随性能和抗干扰能力;其控制效果优于传统的解耦PID控制·     

多变量系统的神经网络解耦新方法

利用前馈补偿的原理,设计了两种多变量系统的神经网络解耦方法·一种利用神经网络实现前馈补偿,使补偿以后的系统实现解耦,且解耦单变量系统具有原对象主通道的特性·第二种方法将解耦和神经网络逆动态控制结合起来,使对象的输出跟随对应输入值的变化·两种方法均可适用于多变量非线性系统