三变量耦合控制系统解耦系数的求解

本文探索性地采用串联解耦器的方式建立了双抽汽凝汽式汽轮机三变量耦合控制系统解耦系数的求解方程式, 并采用对角矩阵的解耦方式求解出全解耦系数,这对此类机组进行DEH系统技术改造时,具有一定的指导意义。

基于逆系统解耦的三电平Buck变换器反步滑模控制

多电平变换器因其可以降低开关管承受的电压应力、减小滤波电感和滤波电容体积,被广泛应用在直流微电网中。三电平Buck变换器的飞跨电容电压和输出电压存在耦合,是一个多输入多输出、强耦合的非线性系统。针对这一问题,提出一种逆系统解耦反步滑模控制方法。采用逆系统方法实现输出电压控制和飞跨电容电压控制的解耦,采用反步滑模法控制保证输出电压的稳定性和鲁棒性,通过状态反馈控制将飞跨电容电压平衡在输入电压的1/2处。仿真和实验结果表明,所提控制策略能使得飞跨电容电压和输出电压均具有良好的稳态和动态特性。

基于相对增益阵的多变量系统辅助解耦控制系统设计

由于多变量系统内部的耦合作用,采用单一的分散常规控制器已经很难达到好的控制品质,分散常规控制器不能实现解耦功能,而直接设计解耦器又存在诸多困难。针对这种情况,在分散常规控制器的基础之上,引入开环相对增益阵对多变量系统辅助控制器进行配对。依据控制系统的前馈控制原则,整定控制器参数,实现辅助控制器参数的设计。辅助控制器和主控制器共同作用,降低系统内部耦合,提高控制品质。

机载LiDAR姿态角稳定装置的神经网络逆系统解耦控制研究

机载激光雷达(LiDAR)工作过程中,机载平台姿态角波动会造成激光扫描点云的密度分布不均匀,导致后续数字表面模型重建时精度降低,因此设计了一种推转式姿态角稳定装置,可实现机载平台姿态角波动的实时补偿。设计的姿态角稳定装置具有非线性和强耦合的运动控制特点,为消除其运动耦合关系、提高运动控制精度,基于神经网络逆系统解耦控制策略对姿态角稳定装置进行解耦处理,取得了满意的控制效果。首先,建立了姿态角稳定装置动力学系统的多变量神经网络逆系统模型;其次,采用PID闭环反馈控制器与神经网络逆系统前馈补偿器组合的前馈-反馈复合控制器,实现控制系统的实时解耦,改善动态控制性能;最后,进行了实验验证。结果表明,设计的神经网络逆系统解耦控制方法可有效提高姿态角稳定装置控制精度,并对误差干扰具有优良鲁棒性。

基于模糊解耦的坩埚下降法晶体生长炉温度控制系统

针对坩埚下降法晶体生长炉温度控制系统存在的非线性、滞后性、多温区耦合性等问题。设计了模糊解耦控制器来对生长炉上、下两个温区的温度进行控制,该控制器能够根据上、下温区的实时温度误差以及温度误差变化率,调节两个温区加热棒的功率。与传统解耦和PID算法相比,该方法具有不依赖被控对象的精确数学模型,计算量小,算法设计简单等特点。通过仿真将该方法分别与传统PID算法和传统解耦PID算法进行比较,仿真结果表明,该方法具有很好的动态性能、解耦能力和鲁棒性,有利于提升晶体生长炉的控温精度和加热效率。

基于PID控制技术的变风量空调系统多变量解耦回路控制

变风量空调系统包含多个控制回路,各组控制回路在运作时会产生强烈耦合效果,为保证系统稳定需要解耦控制回路,研究基于PID控制技术的变风量空调系统多变量解耦回路控制方法。基于PID控制技术建立回路增益相对矩阵,根据相对矩阵对角理论推导空调多变量解耦方式,根据误差校正规则设置补偿信号控制系统解耦回路,完成解耦回路控制方法设计。实验以变风量空调系统为测试对象,运用所提方法和传统方法,对多变量回路进行解耦控制。设定变风量空调系统中包含五组控制回路,分别为2组房间室温和管道静压,以及二氧化碳浓度和送风温度,当送风温度设定值为11℃、18℃以及14℃时,二氧化碳浓度设定值为400×10^(-6)、700×10^(-6)以及1000×10^(-6)时,在所提方法下进行解耦控制,不会受到其他回路的影响,能够具备较好跟随性,减少其他控制回路的干扰和影响。

PID神经元网络对强耦合带时延多变量系统的解耦控制

提出了一种新的神经元网络——PID神经元网络，它是由比例元、积分元和微分元构成的多层神经元网络，它可以用于控制强耦合带时延多变量系统，并使系统具有良好的动态和静态性能。

精馏过程变量耦合及解耦控制系统的分析与设计

医药、石油化工中的精馏是一个多变量生产过程,各变量间的关系非常复杂,耦合度高,文章分析了两输入/两输出精馏过程的耦合关系及数学模型,利用对角矩阵和前馈补偿解耦方法设计解耦网络,使原来处于耦合关联下的两个系统完全独立,达到精馏过程稳定运行。

基于闭环耦合度的大系统常规PID控制回路的投用规则

化工过程全流程为具有高维输入输出的多变量大系统,内部存在一定程度的耦合作用,因此其底层常规PID控制系统的设计、投用和整定也必然与整个系统的耦合程度有关。首先,提出了闭环相对增益和耦合度的概念,分析闭环相对增益在理想控制条件下与开环相对增益的等效性,发现闭环控制回路的反馈作用引起操纵变量和被控变量的关联,由此加剧整个系统的耦合程度,因此闭环控制回路并非投用得越多越好。然后,提出了基于闭环耦合度的化工过程大系统常规PID控制回路的投用规则,根据被控过程开环相对增益阵确定控制回路变量配对和投用顺序,依次投用各控制回路并计算控制回路的耦合度,当耦合度超过阈值时停止剩余控制回路的投用。最后,以典型多变量TE过程为例验证了该投用规则的有效性。

无模型控制方法对多变量耦合系统控制的应用研究

以工业生产中具有耦合环节的控制问题为背景,讨论了多变量耦合系统的控制问题.指出各环节之间的耦合可以看成是相互间的干扰,因而克服耦合问题则变成抑制干扰的问题.无模型控制方法具有较好的抑制干扰的能力,用无模型控制方法对多变量耦合系统进行控制可收到良好的效果.

基于前馈补偿解耦的多变量汽温系统预测函数控制

针对过程通道可用一阶加纯滞后模型等价描述的多输入多输出系统,提出了基于前馈补偿解耦设计思想的多变量预测函数控制,首先将系统分解为多个多输入单输出系统,在各系统中分别将其它输入量暂视为一种可测干扰,并用预测函数控制原理设计控制器,通过求解多元一 次方程组,实现了多变量系统的预测函数控制设计。采用该方法对国产200MW火电机组带汽—汽换热器的多变量强耦合再热汽温系统进行了控制系统设计和仿真研究,计算机仿真证实了其有效性,达到了动态近似解耦、静态完全解耦和无静差跟踪,各种对象和模型失配情况下的仿真结果显示了该算法较强的鲁棒性和抗干扰能力。因为该方法是基于简化的模型,所推导出的控制算法简单,运算量小,易于工程实现,具有很高的实际应用价值。

基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦,基于前馈解耦思想和神经网络理论,提出了一种多变量模糊控制系统解耦的新方法———模糊前馈解耦法.模糊控制器和解耦部分独立设计,解耦由两层神经网络实现,节点少,其活化函数采用分段线性函数.利用简化的学习算法,根据系统输出误差,在线调整网络权值,从而实现动态解耦而无需辨识被控对象的模型.该方法结构简单且计算量小,适于实时多变量过程控制.仿真证明了该方法的有效性.

多变量系统解耦内模控制及其PID转化应用方法的研究

文中针对不同回路具有不同时滞的多变量稳定过程,提出了一种多变量解耦内模控制设计及其常规PID转化应用方法。所设计的多变量内模控制器能使系统稳定解耦,所得到的闭环系统根据开环系统时滞来描述。该方法为精馏等化工装置的复杂控制系统提供了一种新的优化和先进控制方案。

多变量时滞系统的解耦模糊内模控制

针对时滞多变量耦合系统,研究了带有多时滞的多变量稳定过程的解耦内模控制,根据开环系统的时滞给出了一种时滞系统多变量解耦方法,由于理想的多变量时滞系统内模控制器设计复杂,且根据内模控制理论设计的控制器一般是高阶的,因此采用模糊控制方法设计模糊内模控制器。其宗旨是首先根据过程对象的模型,设计多变量时滞解耦的预补偿器,对其进行对角优势化,利用补偿后的主对角元素作为内模控制的预估模型,设计了多通道模糊内模控制器。仿真结果表明,该方法具有很好的解耦能力,鲁棒性强;方法简单,易于实现,具有工程应用价值。

一种多变量系统的内模解耦控制设计方法

针对多变量强耦合的被控系统,提出了一种简化的内模解耦控制设计方法。其宗旨是首先根据对象的名义模型,设计常数阵预补偿器,对其进行对角优势化,进而利用补偿后的主对角线元素作为内模控制设计的内部模型,并基于此内部模型设计多通道内模控制器,同时设计了对角形滤波器。对某加热炉温度控制系统的仿真研究结果表明了该方法的有效性,控制系统具有很好的解耦能力和较强的鲁棒性。算法简单,易于实现,具有较好的工程应用价值。

多变量系统的广义预测控制解耦设计

针对在系统关联严重的情况下,通过选择合适的权矩阵,预测控制可以实现间接解耦控制,但是系统的跟踪性能将大大降低的问题,提出了一种带设定值观测器的多变量广义预测解耦控制算法,结合前馈解耦控制策略与广义预测控制律,将其他通道对当前通道的影响作为扰动,从而实现近似解耦。在目标函数中用控制量的增量代替控制量,使控制增量变化不至于过于剧烈。并且增加了一种新的设定值观测器,根据设定值与实际值的偏差实时改变误差权矩阵,进一步减弱了耦合。最后,磨煤机的仿真结果验证了该控制算法的优越性。

多变量解耦双自由度PID控制系统设计

为了解决多变量时滞过程解耦器结构复杂且不能解析设计、控制器不易兼顾控制性能和鲁棒性的问题,提出一种新的解耦双自由度PID控制系统设计方法.针对时滞过程改进了Cai所提出的正则化解耦方法:从能量功率谱的角度重新解释并构造结构简单的解耦矩阵;将系统解耦成单回路后,采用双自由度PID结构设计各回路控制器.典型工业过程实例验证了设计的简单性和性能的有效性.采用该方法,解耦传递函数矩阵可以解析求解,双自由度PID控制器能够有效改善各回路高频段的解耦性能,获得良好的设定值跟踪性能和扰动抑制能力,并且可以方便地应用于控制现场.

自适应神经元非模型多变量系统解耦控制

根据解耦原理和神经网络的思想 ,提出一种不依赖对象模型的自适应神经元解耦方法 ,并以采用单神经元PID作为控制器的三输入三输出系统为例 ,详细分析了神经元解耦控制的学习方法 ,及在多变量系统中的工作机理。仿真结果表明 ,其构成的神经元补偿器具有很强的自学习功能和自适应解耦能力。

多变量非线性系统的有约束模糊预测解耦控制

针对多变量非线性系统提出了一种带约束输入的广义预测解耦控制算法:首先对多变量非线性系统建立T-S模糊模型,然后在每个采样点对系统进行局部动态线性化,将得到的系统线性化模型进行对角解耦,然后对其设计带输入约束的GPC算法.该算法充分考虑了控制输入及其增量受约束的情况,而且不必求Dio-phantine方程,减小了计算量,且削弱了变量之间的耦合程度.最后的仿真结果说明了该算法对多变量非线性系统的有效性.