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。

基于ANN算法的海洋平台动力定位前馈-反馈控制方法

鉴于动力定位控制策略中的前馈控制与反馈控制方法具有不同的优缺点,提出一种基于人工神经网络(Artificial Neural Network,ANN)算法的二阶差频波浪力前馈控制与浮体位置反馈控制相结合的动力定位前馈-反馈控制方法,通过低频波浪载荷的超前预测提前做出反应,并对实时位置信息进行反馈控制以纠正前馈信息的误差及其累积效应,从而实现前馈、反馈两种控制模式的优势互补。对某半潜式平台动力定位模式进行数值仿真,验证所提出的前馈-反馈控制方法的可行性和有效性,与单一的前馈或反馈控制相比,平台动力定位的精度和稳定性得到显著提升。

基于神经网络算法的单框架控制力矩陀螺系统复合控制

提出一种基于双神经网络的前馈-反馈控制系统,采集单框架控制力矩陀螺系统在不同条件下的运行数据并使用卡尔曼滤波处理,基于神经网络构建了涵盖控制通道与干扰通道信息的虚拟广义被控对象模型,由此设计了神经网络前馈补偿器。实现了前馈补偿器-原反馈控制器的复合控制系统,减少了传统的前馈-反馈复合控制需要精确地获取干扰通道信息的约束,能够克服单框架控制力矩陀螺系统存在的复杂干扰对控制性能的影响。仿真结果表明了方案能够提升系统稳态精度,减小稳态误差,改善控制动态性能。

一种新型控制器在主蒸汽温度控制系统中的应用

利用一种新型非线性比例积分微分(NLPID)控制器进行反馈控制,并与神经网络前馈控制相结合,对传统的主蒸汽温度控制系统进行改进,以提高其适应性和鲁棒性。仿真研究表明,新控制方案比常规比例积分微分(PID)控制表现出更好的控制品质。