基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的“扰动”,然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明：这种基于神经模糊系统的自适应前馈反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

控制硝普钠降血压作用的自适应控制系统

控制硝普钠降血压作用的自适应控制系统,包括系统模型的辨识,极点配置自校正控制器的设计、系统的结构及实验方案、计算机仿真结果和用TP—801单板计算机控制狗降血压过程的实验结果。结果表明:这个自适应控制系统安全、稳定、准确、实用,对较大范围的被控对象有效,可提供给临床及基础研究的有关领域使用。     

基于多模型广义预测控制器的DRTO双层结构

针对动态实时优化(DRTO)与模型预测控制器(MPC)结合的双层结构中由于DRTO与MPC的模型不一致影响优化效果的问题,本文将多模型广义预测控制器(GPC)引入到DRTO双层结构中,设计了基于DRTO双层结构的多模型GPC控制器。上层结构为DRTO层主要解决经济目标函数的优化问题,采用动态过程模型实时优化更新输出对象的最优设定值轨迹。下层结构采用多模型GPC控制器替代原先的单模型MPC控制器,主要是抑制过程中的快速干扰追踪DRTO层得到的最优设定值轨迹。多模型GPC控制器采用多个固定模型和自适应模型来并行辨识系统的动态特性,减小由于上下层模型不一致造成的误差的同时可以提高系统暂态性能和模型参数跳变时系统的调节能力,最后通过仿真验证了该方法的可行性和有效性。     

自校正内模控制器

提出了设计自校正内模控制的新方法。该方法把输出预测误差划分为有规律和无规律误差两部分。通过在线辨识建立有规律误差的预报模型,由此模型对误差值进行自适应预报,达到对内模控制器的在线校正,而对无规律的误差只作闭环反馈修正,最后达到消除系统的稳态余差。本方法比通常自校正内模控制算法的运算量大大减少,而在对象参数在一定范围内漂移时,同样能取到自校正效果。     

污水处理过程中模糊自适应广义预测控制方法

污水处理是一个复杂的生化反应过程,具有高度非线性、强耦合、不确定性等特点.本文以基于活性污泥1号模型(ASM1)的污水处理benchmark为研究对象,采用模糊模型描述污水处理过程,利用自适应辨识策略提高模型的精确度,以模糊自适应模型作为预测模型,提出了污水处理过程模糊自适应广义预测控制方法.仿真结果表明:采用的模糊自适应预测控制方法能有效地控制出水水质.     

细乳液法制备聚硅氧烷-Ag纳米复合微球及其抗菌性

模糊建模是一种有效的非线性系统建模方法,因为非线性系统的复杂性,仍有很多问题难以处理。针对T-S模糊模型,提出了一种改进的建模及优化方法。首先,将快速搜索密度峰聚类和模糊C均值聚类(FCM)算法相结合,使用快速搜索密度峰聚类算法找到聚类个数和初始聚类中心后,再用FCM算法进行聚类;然后,通过最小二乘法辨识结论参数得到初始T-S模糊模型,使用改进的差分进化(DE)算法整体优化模型的结构和参数,获得最终的T-S模型;最后,选择代表性实例,使用MATLAB程序进行仿真分析和比较,验证了本文方法能有效提高T-S模糊模型的辨识精度和速度。     

基于通信的数据驱动分布式预测控制

针对分布式控制系统的特点,提出了一种新型的基于数据的分布式预测控制优化算法。由输入、输出数据直接设计分布式控制器,控制器在各个子系统通信的条件下采用基于纳什最优的分布式控制优化算法,以较低的成本达到整个大系统的性能优化。这种基于数据的方法使传统的预测控制器设计过程中的系统辨识和基于状态空间模型的预测控制简化为直接的一步,即直接利用数据设计分布式控制器。本文给出了这种新型算法的收敛条件,仿真结果证明了该方法的有效性。     

基于模糊神经模型的自适应单神经元控制系统设计

提出一种基于模糊神经模型的自适应单神经元控制系统.该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器.通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值.理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节.     

基于最小二乘支持向量机的非线性通用模型自适应控制

将模型参考自适应控制方法应用到基于最小二乘支持向量机的通用模型控制策略中,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而克服了通用模型控制器要求过程一阶微分模型应该有显式解的局限性,保证了通用模型控制策略的可实现性。另一方面,加入模型参考自适应环节,提高了该控制器的实时性和鲁棒性,其参数具有明显的物理意义,参数整定方便。仿真实验结果验证了该控制策略的有效性和更好的鲁棒性。     

基于小波核函数极限学习机的模型预测控制模拟

针对醋酸精馏控制中,产品质量采用常规的温度间接控制存在精度低的问题,提出了一种基于小波核函数极限学习机的模型预测控制（KMPC）策略,在醋酸浓度软测量的基础上直接控制产品质量。鉴于小波核函数极限学习机（KELM）算法训练速度快并且稳定的特点,该控制系统采用KELM建立醋酸浓度控制器预测模型,以预测控制器的输出作为再沸器蒸汽流量控制器的设定值,构成串级调节系统,同时,以灵敏板温度、塔底温度、再沸器入口温度、压力等变量作为扰动变量,实现了对复杂精馏过程的前馈控制和非线性预测控制。运用ASPEN DYNAMICS流程模拟软件建立的醋酸精馏塔动态模型对KMPC策略进行仿真研究,结果表明,与传统DMC预测控制方案比较,塔底醋酸浓度控制精度有较大提高,控制结构简单,易于实施,能够实现产品质量的卡边控制。     

基于非线性微分几何理论的半间歇聚合釜温度控制器设计

半间歇聚合反应具有强非线性、时滞、时变的特点,反应机理复杂,其温度控制一直是难点。应用传统的串级PID控制结构,无法保证温度控制在允许的误差范围内。为保证产品质量,设计了一个非线性控制器来提高温度控制精度。根据Chylla Haase反应器模型,利用非线性微分几何理论,通过微分同胚和状态反馈,实现输入 输出精确线性化,在此基础上引入误差渐近跟踪项和积分器,设计出温度渐近跟踪控制器,通过调整控制器参数,可达到误差快速指数衰减。仿真结果表明该控制器在设定值跟踪和抗干扰方面明显优于串级PID控制器及模糊串级PID。     

一种烧结终点模糊滑模控制策略及其在烧结过程中的应用

烧结过程具有强非线性、时滞和时变等特性。在分析烧结过程热状态的基础上,提出了一种烧结终点的模糊滑模控制策略,将模糊逻辑和滑模控制方法结合起来,并将其应用在某烧结厂烧结机的台车速度控制中。这种控制方法能在线调整参数,对烧结过程中大惯性、大滞后对象进行有效控制,在对象参数变化或存在较大扰动的情况下,能保持较好的控制品质。结果表明:这种方法稳定了烧结生产,为实现烧结过程的智能优化控制奠定了基础。     

一类工业固定床反应器热点温度的非线性自适应控制

以工业邻二甲苯氧化非绝热管式固定床反应器为研究对象，通过正交配置集中化建立了一个降阶非线性动态模型。直接以降低模型作为开环状态观测器及新型的非线性自适应控制算法设计控制器，设计了该类固定床反应器热点温度的非线性自适应控制系统。仿真结果表明，该热点温度控制系统具有良好的跟踪性能、抗干扰性能和鲁棒性能。     

过程信号的前馈—反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求,在其他学者研究的基础上,基于前馈－反馈型神经网络模型,提出了一种自适应盲分离算法用于过程信号的分离。计算机仿真实验的结果表明了算法的有效性。     

带有未知参数的非线性系统递阶模型跟踪控制器的设计

从参数估计与最优控制双目标优化的观点出发,采用大系统中分解-协调的方法,给出了一种对非线性系统四级递阶模型跟踪控制的算法,并用于求解带未知参数的同步电机励磁控制问题。仿真结果表明,此算法计算简便、结构分明,能达到较好的参数估计精度,而且能使非线性对象很好地跟踪模型。     

固定床反应器基于改进混合模型的串级推断控制

提出了非绝热式固定床反应器基于改进混合模型的串级非线性推断控制策略。道德提出了邻二甲苯氧化非绝热式固定床反应器基于改进混合模型的推断估计器;然后设计了基于新型非线性自适应控制算法的副控制器和基于程序变增益ＰＩＤ的主控制器,同时设计了新型非线性滤波器以解决该反应器主回路比副回路响应快的问题;最后建立了该固定床反应器基于改进混合模型的串级非线性推断控制系统。仿真结果表明该推断估计器具有良好的静态、动态     

线性时滞参数扰动系统的α鲁棒稳定性

在时域中，对线性时滞参数扰动系统提出了一种新的鲁棒状态反馈控制器设计方法，利用矩阵的测度和范数的性质，得到了在参数结构扰动和非结构扰动下的线性时滞系统a鲁棒稳定性的充分条件，给出了满足鲁棒性要求的鲁棒状态反馈控制器的设计方法，并举例表明该设计方法简单易行。