混凝土搅拌站动态配料系统控制算法及误差控制研究

在对现场一台混凝土搅拌站用工控机 PLC 组态软件改造的过程中,对该混凝土搅拌站动态配料系统进行了研究,依据动态配料称重系统和定量控制相结合的思想,从PID控制算法入手提高了称量的精度和速度,又对该系统的非线性误差的控制过程进行了分析,将迭代自学习控制方法用在该系统的动态称重配料过程的误差控制中.通过多次调试修改,该系统的配料精度和速度都达到要求,整个系统的效率也得到了提高.     

动车组的多变量非线性预测控制研究

通过分析动车组的牵引-制动系统,建立动车组的各动力单元的线性模型,考虑到动车组运行过程中空气阻力、未知干扰等非线性因素,将实际输出与线性模型输出的误差描述为未建模动态,将动车组运行过程这一非线性问题描述成为线性模型与非线性未建模动态两部分组成的集成模型,利用BP神经网络在线估计未建模动态项,利用递推辨识算法在线更新模型...     

自动检测系统非线性误差的神经网络校正方法

在自动检测系统中,由于传感器、放大器、A/D转换电路等存在非线性误差,使得检测系统存在非线性误差.非线性误差是系统误差,属于静态误差.为减少检测系统的测量误差,在自动检测系统中需要对非线性误差进行校正.讨论了一种采用FLANN神经网络进行非线性误差的校正方法.这种方法比采用整段校正、平方插值校正等方法具有更好的性能.     

多模型预测控制方法研究

对于预测控制系统中的多模型切换问题,在切换时间已知的条件下,通过重新构造系统的结构,提出了一种广义预测控制算法。     

基于模糊神经网络的非线性动态系统建模

根据在柴油机试验中得到的输入和输出数据,利用一种模糊神经网络--自适应神经模糊推理系统(ANFIS)建立了描述柴油机动态性能的T-S模糊模型.利用Matlab的模糊工具箱进行仿真,结果表明,该模型可以准确地描述柴油机在整个工作范围内的动态性能.并将ANFIS与BP神经网络做了比较,分析了ANFIS在参数收敛速度及建模精度上的优越性.该模型将被用于柴油机控制系统的性能分析和控制方案设计中.     

一类非线性系统的神经网络内模优化控制

研究一类可用Ｈａｍｍｅｒｓｔｅｉｎ模型描述的ＭＩＳＯ非线性系统的优化控制方法，提出一种基于前向神经网络的Ｈａｍｍｅｒｓｔｅｎ模型，以描述ＭＩＳＯ非线性对象并给出具有内模结构的优化控制器设计方法，从而实现了在稳态优化与动态优化双重指标下的设定值闭环优化控制。针对汽油管道调合系统进行的仿真实验，验证了该方法的有效性。     

基于LS—SVM逆系统方法的非线性动态矩阵控制

针对神经网络逆系统建模存在的诸多问题,提出了基于最小二乘法支持向量机的α阶逆系统方法的非线性动态矩阵控制新方法．将最小二乘支持向量机辨识非线性对象的α阶逆模型与原系统串联组成伪线性系统,根据线性动态矩阵预测控制方法对伪线性系统进行控制．仿真结果表明,系统存在扰动和模型参数发生变化时,依然具有很好的动、静态性能,且表现出很强的鲁棒性,证明了方法的有效性．该方法不依赖于系统的数学模型,简化了非线性对象动态矩阵控制器的设计,为非线性预测控制的研究提供了一种新途径．     

多值非线性系统的自适应控制

提出了带有多值非线性环节的线性离散系统的自适应控制算法，仿真实验的结果表明：该算法简单易行具有明显的优点，跟踪误差比采用一般的自适应控制算法时要小得多，且能保证闭环系统大范围近收敛。     

非线性短时交通流的一种神经网络预测方法

短时交通流预测是交通控制与交通诱导系统的关键问题之一。随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般的预测方法难以奏效。本文针对BP神经网络运行的特点。提出了用隔离小生境遗传算法优化传统的BP网络。实例证明,该神经网络的进化建模方法设计简单,全局搜索效率较高,能有效的用于短时交通流量的预测。     

船舶航向非线性系统的动态面控制

针对船舶航向控制非线性系统模型中存在的不确定性和外界干扰的影响,采用动态面控制算法设计了一种航向控制器。由于在反步法设计过程中加入了一阶低通滤波器使得该方法无需对模型非线性多次微分,因而设计方法简单,所设计的控制器能够保证闭环系统的半全局渐近稳定,使得输出渐进跟踪期望轨迹。数字仿真结果表明,控制系统对给定航向的跟踪具有良好的动态特性,对系统的不确定性,具有较强的鲁棒性。     

Application of Nonlinear Predictive Control Based on RBF Network Predictive Model in MCFC Plant

This paper described a nonlinear model predictive controller for regulating a molten carbonate fuel cell (MCFC). A detailed mechanism model of output voltage of a MCFC was presented at first. However, this model was too complicated to be used in a control system. Consequently, an off line radial basis function (RBF) network was introduced to build a nonlinear predictive model. And then, the optimal control sequences were obtained by applying golden mean method. The models and controller have been realized in the MATLAB environment. Simulation results indicate the proposed algorithm exhibits satisfying control effect even when the current densities vary largely.     

Nonlinear Predictive Control for PEMFC Stack Operation Temperature

Operating temperature of proton exchange membrane fuel ceil stack should be controlled within a special range. The input-output data and operating experiences were used to establish a PEMFC stack model and operating temperature control system. A nonlinear predictive control algorithm based on fuzzy model was presented for a family of complex system with severe nonlinearity such as PEMFC. Based on the obtained fuzzy model, a discrete optimization of the control action was carried out according to the principle of Branch and Bound method. The test results demonstrate the effectiveness and advantage of this approach.     

一种基于CARMA模型的鲁棒广义预测控制算法

本文基于CARMA模型提出了一种鲁棒广义预测控制算法。该算法在有色噪声情况下,不必 估计噪声多项式C,且只解一个Diophantine方程即可获得满意的控制效果,特别是与现有基 于CARMA模型的改进广义预测控制算法比较,它还具有能克服随机负载扰动的优点。各种 情况下的仿真结果表明,本算法控制效果好,鲁棒性强,计算量小。      

基于逆系统方法的非线性二自由度内模控制

针对一类非线性连续系统,提出一种基于逆系统方法的二自由度内模控制设计方法.首先根据原系统设计阶积分逆系统,然后针对复合后的伪线性系统设计基于逆系统方法的2-DOF内模控制器.由于采用了二自由度控制器,使系统设定值响应同干扰响应分离,得以分别设计控制器.理论分析和仿真结果证明了文中提出的方法控制性能好,精度高,且控制器设计简单,使系统同时具有良好的跟踪性和鲁棒性.     

PID和预测控制两种方法的比较

本文以过程控制设备为对象,以MATLAB和SCADA软件为平台,对双容水位系统实现PID控制和在线预测控制实验。通过比较MAtLAB软件仿真PID控制的实验和借助SCADA软件的在线预测控制实验,发现预测控制水位响应速度快,相对PID控制来说没有超调,精确度高,控制效果好。     

基于脉冲响应的预测控制算法及仿真

针对复杂工业过程不确定性、变量问的耦合性、非线性等特点，介绍了对模型要求低、在线计算方便、综合控制质量高的一类新型计算机控制算法——预测控制方法，并进行了仿真，仿真结果表明预测控制算法的控制效果远远优于PID控制算法，有很好的应用前景．     

基于递归神经网络的预测模糊控制

为提高控制信息与实时状态的适应性，改善模糊控制品质，用传统模糊控制策略，根据当前时刻误差和预测误差变化值，预测下一时刻的控制输出和系统在未来时刻的误差,用递归神经网络预报系统未来输出值的功能，采用双系统交替控制模式．系统中包含1个模糊控制器和1个递归神经网络，一个工作，另一个学习，使控制系统具有自适应性．仿真结果表明，与常规模糊控制相比，预测模糊控制使超调减小，调节时间缩短．