基于径向基函数网络的非线性通用模型控制

为了克服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，提出了一种基于神经网络的通用模型控制方法，将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型，从而保证通用模型控制策略的可实现性。其参考轨迹是一条典型的二阶曲线，由于径向基函数网络具有许多优点，该控制策略中的神经网络为径向基函数网络。该控制器参数具有明显的物理意义，参数整定方便。仿真实验验证了该控制策略的有效性。     

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。     

基于神经网络PID控制器在交流调速系统中的应用

针对PID控制和神经网络控制在交流调速系统中的局限性,利用其各自的优点,采用神经网络和PID控制相结合的方法构建神经网络PID控制器,实现变频调速控制,得到了神经网络控制器模型和神经网络控制方法运行的结果。仿真结果充分表明了神经网络模型具有良好的稳定性、鲁棒性和跟随性,而且改善了原系统的动态特性,证明了该方法在交流调速系统中的应用价值。     

基于继电辨识法的医用恒温箱温度自适应控制

医用恒温箱的温度调节具有大时间常数、大惯性及时变特性,实际应用中难以用阶跃辨识法快速辨识其模型以及使用常规控制器进行有效控制。继电反馈辨识法不需要过程达到稳态即可快速辨识过程模型,自适应控制可以针对以上模型进行有效控制。提出了一种使用继电反馈辨识法进行恒温箱温度调节过程的辨识模型方法,并且利用该辨识模型设计了自适应控制器的控制器参数初值及控制律的方法;以瑞萨公司的C2B8SNFA为主控器,开发了恒温箱温度自适应调节器。实验结果验证了本文方法的可行性和有效性。     

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.     

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.     

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。     

风洞稳M数大系统的智能控制

介绍了风洞稳M数大系统的智能控制及其实现.该系统是一个由3个关联子系统构成的复杂的、变参数、非线性计算机控制系统,它包括:具有预测功能的风洞发动机最佳控制子系统,基于神经网络的旁路活门自适应控制子系统和柔壁控制子系统.应用最佳控制原理和智能控制技术,实现多目标优化控制的设计目标.试验表明:该控制系统具有稳M数控制精度高、鲁棒性强、响应快速、节省燃油等优点.     

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。     

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。