一类非线性离散系统的神经网络自适应控制

针对一类控制方向未知的单输入单输出非线性离散系统,将常规增量式数字PID控制器与自适应神经网络控制项相结合,提出了一种能够保证闭环系统稳定的自适应神经网络控制方法.常规PID控制器用来保证近似线性系统的稳定,自适应神经网络项用来处理非线性项对闭环系统的影响.在神经网络权值修正律中引入离散Nussbaum增益来解决被控系统控制方向未知的问题.证明了闭环系统的所有信号有界,且跟踪误差收敛于紧集,并通过仿真验证了所提方法的有效性.     

制粉系统智能解耦控制的分布式仿真实验平台

钢球磨煤机制粉系统具有强耦合、非线性、大时滞等综合复杂性,为解决其智能解耦控制技术的工程化验证问题,建立了制粉系统智能解耦控制的分布式仿真实验平台。该实验平台由优化计算机、集散控制系统(DCS),仪表与执行机构的虚拟装置和模拟现场制粉系统的对象计算机组成。在对象计算机上,通过MATLAB和组态软件之间的无缝链接,有效地模拟制粉系统的输入输出特性。该实验平台的所有过程信号与工业现场一致,实验结果表明它可以有效地从工程角度验证智能解耦控制系统的控制性能。     

三角形式非线性离散系统自适应神经网络控制

针对一类控制输入为三角形式的多输入多输出离散非线性系统,提出了基于反步法的自适应神经网络控制方法.由于该系统的控制输入为非仿射形式,不能采用反馈线性化的方法设计控制系统;因此,首先采用隐函数定理证实了能够使系统输出跟踪期望轨迹的理想控制输入的存在性,并构造了理想的控制输入.利用高阶神经网络估计这些控制输入,提出了基于反步法的自适应神经网络控制方法.证明了所提出的控制方法能够保证闭环系统的所有信号半全局一致最终有界,并通过仿真验证了该方法的有效性.     

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。     

连续搅拌反应釜的智能PID控制

针对一类具有强非线性的连续搅拌反应釜,常规的控制策略难以取得满意的控制效果.为解决上述问题,本文将常规PlD控制与非线性项的神经网络补偿相结合,提出了连续搅拌反应釜的智能PlD控制方法.该方法基于常规增量式数字PID控制器,采用多层神经网络对非线性项进行估计和在线自适应补偿,易于在DCS中实现.仿真和实验结果表明了算法的有效性和可实现性.