不确定时滞系统的自适应支持向量机Smith预估控制

针对不确定时滞系统提出了一种自适应支持向量机Smith预估控制新方法．首先采用支持向量机对被控对象进行建模，然后设计了一个自适应支持向量机Smith智能预估器，解决了传统Smith预估控制需要预先知道被控对象精确数学模型的问题，克服了基于神经网络的Smith预估控制的不足．仿真实验结果表明，自适应支持向量机Smith预估控制方法充分利用了支持向量机的非线性映射能力，在被控对象数学模型未知的情况下对不确定时滞对象进行控制，具有良好的控制品质，特别是当对象特性发生变化时，还具有良好的适应性。     

一种模糊神经网络自校正控制器设计与应用

本文提出了一种模糊神经网络智能控制方法，并介绍了采用多层神经网络表达模糊控制和知识规则，模糊推理和学习算法，实验仿真结果表明，这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性质优于一般模糊控制。     

纯滞后对象的直接补偿外模控制器

提出了一种适用于纯滞后对象的外模控制器，将外部模型输出与系统实际输出之差经滤波后直接补偿控制信号。标称系统的动态性能由外部模型和补偿器来保证；系统的鲁棒性能和抗干扰能力则由滤波器来保证，二者可以解析设计，仿真结果表明，这种外模控制器具有良好的动态性能和抗干扰能力，鲁棒性能优于Ｓｍｉｔｈ预估控制，而且设计简单、方便。     

酶法农残检测的Smith模糊PID恒温控制仿真

酶活性易受温度影响,导致酶法检测农残精度不高。本文研究了一种控制农残检测仪内部温度的恒温控制系统,以便为酶法农残检测提供最佳检测温度。根据控制理论设计了恒温控制系统框架,运用传热学原理建立了被控温度的数学模型,针对该模型具有大惯性、大滞后的特点。将Smith预估器与模糊PID控制器相结合,设计了一种Smith模糊PID温度控制器。在给定相同的幅值为1的阶跃信号下,分别对PID控制器、模糊PID控制器、Smith PID控制器和Smith模糊PID控制器进行Matlab仿真试验,得出各种控制器的性能指标(超调量、调节时间、稳态误差)分别为:PID控制器(19%、250 s、0.0001)、模糊PID控制器(11%、450 s、0.0001)、Smith PID控制器(0%、500 s、0)、Smith模糊PID控制器(0%、140 s、0);在1180~1230s增加一个幅值为5的干扰信号测试系统的抗干扰性,PID控制器和模糊PID控制器均出现较大的波动,而Smith PID控制器和Smith模糊PID控制器均无波动,得出各控制器的恢复时间分别为:PID控制器(200 s)、模糊PID控制器(300s)、Smith模糊PID控制器(120 s);利用调整时间常数和延迟时间测试系统鲁棒性,得出各控制器性能指标分别为PID控制器(38%、450s、0.0001)、模糊PID控制器(23%、880 s、0.00025)、Smith模糊PID控制器(1%、150 s、0)。由试验结果可知,Smith模糊PID控制器性能指标均优于其它几种控制器,而且在系统鲁棒性和抗干扰能力上,Smith模糊PID控制器较强于其它控制器。本文所设计的Smith模糊PID恒温控制系统能够实现仪器内部温度的精确控制,能够为酶法农残检测提供最佳恒温。     

温室温度控制系统神经网络PID控制算法研究

在以优质、高效、高产为目的的现代化农业发展新阶段,温室自动化技术的研究受到广泛重视.对于温室自动控制系统,由于其非线性、强耦合、纯滞后、大惯性的自身特性,传统PID控制已难以满足高品质温室控制系统的需求.由于BP神经网络具有强大的学习能力及非线性映射性,将BP神经网络控制引入常规PID控制中,采用BP神经网络PID控制方案,设计温室温度的自动控制系统并进行仿真验证.仿真结果表明,相比于传统的PID控制系统,所设计的基于BP神经网络PID控制系统具有更强的自适应能力与稳健性,控制品质具有明显优势.     

应用神经网络的变流器波形复合控制策略

针对港口现有岸电电源产品所采用控制策略的不足,研究分析了岸电电源PWM可逆变流器数学模型在DQ坐标系下的特点,提出了一种基于改进的重复控制和神经网络内模控制的变流器输出波形复合控制策略.采用BP神经网络结构作为内模控制器的预估模型和控制器,神经网络预估模型可在线学习建立与被控对象相匹配的精确模型,神经网络控制器动态响应快,输出无静差,扰抗性好.实验证明,应用该复合控制策略的系统整流功率因数接近于1;供电非线性混合负载输出波形失真率低于2%;动态响应快,在2个周期内恢复稳定输出.     

基于滞后时间削弱器的大棚温度模糊PID控制系统

针对大棚温度是一个离散的时滞系统,导致温度较难控制这一问题,该研究提出一种基于滞后时间削弱器的模糊PID控制方法.首先,依据能量平衡原理建立大棚温度的数学模型,并将其视为纯滞后和一阶惯性环节的组合,进而在试验数据拟合的基础上确定模型参数;然后,采用模糊PID与滞后时间削弱器结合控制的方式,通过反馈的方式修订系统模型,以降低纯滞后环节对系统性能的影响;并以某花卉大棚为例在MATLAB中进行建模仿真.仿真结果表明,滞后时间削弱器参与控制的模糊PID控制系统能有效地改善滞后环节的影响,系统无超调、无稳态误差,上升时间比PID缩短73.4％,比模糊PID缩短26.9％,且在调节时间上,带滞后时间削弱器的模糊PID控制比传统PID和模糊PID分别缩短77.4％、79％.     

基于Elman神经网络的卷烟制丝松散回潮出口含水率控制方法

为提高制丝生产过程中松散回潮机出口含水率控制效果,利用历史生产数据,采用基于Elman神经网络建立松散回潮出口叶片含水率预测模型,通过逼近法给出当前生产环境温湿度下,指定出口叶片含水率对应的最佳加水比例。结果表明,通过Elman神经网络预估加水比例后,提高了出口含水率的控制效果。     

酒精蒸馏微机控制过程数学模型的建立与分析

本文主要讨论酒精蒸馏微机控制过程数学模型的建立。酒精蒸馏生产过程一般采用半直接式三塔系统，主要由醪塔、脱醛塔、精馏塔三塔组成。控制酒精蒸馏过程其实质就是要实现对进醪量、蒸汽压力、塔温三量的控制。该数学模型参照酒精生产传统工艺流程，基于ｓｍｉｔｈ滞后过程控制预估算法、采用Ｆｕｚｚｙ模糊数学的控制修正方案进行修正。并对该控制过程进行了分析。     

预测外推在热连轧机厚度系统中的应用

针对常规PID控制器难以解决热连轧机中监控AGC技术产生的纯滞后问题,提出了预测外推数据处理算法的控制策略,解决了由于纯滞后、程序算法和执行机构滞后时间引起的系统稳定性能和动态性能变差导致的带材厚度精度波动问题.仿真结果表明了预测外推算法的有效性,其成果对有色冶金行业提高带材质量具有实用价值.     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值     

基于模糊神经网络的温室小气候预测模型

为了实现对温室环境的精准控制，针对温室环境调节过程的滞后响应特性，采用模糊神经网络对温室环境因子进行预测。通过确定模糊神经网络的网络结构、隶属度函数和模糊规则等参数，对温室小气候预测系统进行建模。经过小波降噪处理过的数据通过温室小气候预测模型，实现对环境因子的预测。模型验证结果表明采用温度、湿度和光照强度模型得到的相关度均达到了95%以上，具有良好的预测效果，能够为后续温室的控制决策提供有效依据。     

基于神经网络逆复合控制器的MDF施胶系统的控制设计

根据神经网络逆控制原理,提出了一种新的中密度纤维板(MDF)施胶系统控制器设计方法。将MDF施胶系统作为被控对象,利用静态神经网络和若干积分器组成的动态神经网络构造出被控系统的逆系统,该逆系统与被控系统串接在一起所组成的系统是伪线性的。通过将PID控制器与神经网络逆系统结合在一起,构建出神经网络逆复合控制器。仿真结果表明:神经网络逆复合控制器能使系统获得优良的跟踪性和抗干扰能力,可以很好地实现对MDF施胶系统的控制目的。     

非线性系统的神经网络预测控制研究

针对工业过程控制中的强非线性系统的复杂控制问题,给出了一种基于神经网络预测的控制方法,用改进的BP神经网络实现预测控制中的模型预测,有效的解决了神经网络收敛速度慢的问题,同时用RBF神经网络实现预测控制中的控制器的优化,解决动态规划方法求解慢的问题。将该算法用于强非线性系统中,仿真结果表明该算法,具有响应速度快、跟踪性能好、鲁棒性和抗干扰性强的优点。     

车用燃气发动机理想空燃比的融合控制算法

针对车用燃气发动机空燃比难于实时精确控制,探讨了一种最优空燃比融合控制策略.首先分析了燃烧室的控制论特性,研究了优化的控制策略,基于HSIC动静态特性与误差特征识别模型,构造了基于HSIC控制算法.在Matlab环境下,分别采用基于仿人智能融合控制与Smith最优PID控制的算法作了仿真对比研究,系统响应验证了融合控制算法优于Smith最优PID控制策略.仿真结果表明,采用融合控制算法实现对燃气发动机的最优空燃比控制是合理与可取的.     

加工过程的神经网络自适应控制

研究了加工过程智能控制的神经网络方法,分析了加工过程模型、神经网络建模和神经网络自适应控制。提出了用双网结构的控制策略对加工过程进行控制,NNI网络实现加工过程的系统辨识,进行在线建模;NNC网络根据系统的当前状态实现切削参数的自适应调整来优化加工过程,提高加工效率。仿真试验结果表明这种控制策略的可行性和有效性。     

基于模糊神经网络的履带式机器人自适应滑模控制

针对履带机器人这一结构不稳定性、参数不确定性的非线性系统,本文结合神经网络理论与滑模控制,提出了基于模糊神经网络的自适应滑模控制,对不确定非线性系统的控制问题设计了控制器。本文首先建立了履带式机器人的运动学模型,以自适应滑模控制理论为基础,构建了等效控制器,依据模糊神经网络理论基础构建切换控制器,在保证控制器全局稳定性和收敛性的同时,同时获得抑制系统抖振。仿真验证了利用神经网络对履带式机器人这一非线性系s统具有较强的自适应性和鲁棒性。并且具有快速响应和较强的跟踪性能的特点。     

采摘机械臂的自适应神经网络滑模控制

针对采摘机械臂的位置终端的精确控制问题,提出了一种将自适应神经网络与滑模控制相结合的控制策略.首先通过神经网络来估计系统模型中的不确定性,提出了一种具有神经网络补偿作用的滑模控制器,基于李雅普诺夫稳定性理论证明了闭环系统的稳定性,并改善了系统的动态性能.仿真试验表明,该控制方法能够有效地削弱抖振现象,具有很好的鲁棒性和动态特性.     

静止无功补偿器的智能自适应PID控制器设计

将神经网络和模糊控制与有着广泛应用ＰＩＤ控制相结合,设计了一种静止无功补偿器的智能自适应ＰＩＤ控制器。利用神经网络实现系统模型辨识,采用模糊逻辑和神经网络相结合对ＰＩＤ控制器参数动态寻优。使ＳＶＣ的控制既具有模糊控制的简单,有效的非线性控制作用,又具有神经网络的自学习,自适应能力。     

基于神经网络遗传算法的湿度测量系统研究

在研究湿度测量和控制原理的基础上,设计了一种基于神经网络遗传算法的湿度测量系统。系统采用DHT11湿度传感器,利用改良的神经网络遗传算法对湿度测量进行优化。结果表明,经神经网络遗传算法优化的湿度测量仪可以将精度控制在1.6×10-2,大大地提高了湿度测量的精度,并且基于该算法的湿度测量具有很好的鲁棒性和自适应性。