基于改进模型预测控制的加热炉温控系统研究

模型预测控制具有鲁棒性强、跟踪快速性好等特点,能够解决复杂工业过程控制中的大时滞问题。该文提出了一种改进的模型预测控制器,基于事先设定的期望响应,实现参考轨迹在预测时域内最大限度地渐进期望轨迹,使系统响应能够准确地跟踪期望轨迹。该文以硅单晶体加热炉为控制对象,分别采用PID、DMC和改进DMC三种控制方法进行预测控制。仿真结果表明改进的DMC控制方法比传统的预测控制方法具有更好的动态响应性能和跟踪效果。

电加热炉温度系统的PID-模糊Smith复合控制方法研究

针对电加热炉温度控制系统,研究了PID-模糊Smith复合控制方法。该控制方法利用Smith预估算法克服纯滞后,利用模糊控制来提高系统的鲁棒性,利用PID控制来提高稳态精度。在模型匹配和失配情况下进行了仿真研究,结果表明复合式控制器具有良好的稳定性和鲁棒性,对于大时间滞后的电加热炉温控系统是一种实用而简便的控制方法。

基于电加热炉温度系统的自适应模糊PID-Smith控制方法研究

针对电加热炉温度控制系统,研究了自适应模糊PID-Smith控制方法.该控制方法利用Smith预估算法克服纯滞后,利用模糊控制来提高系统的鲁棒性,利用PID控制来提高稳态精度.通过Matlab仿真研究,表明该控制器具有良好的稳定性和鲁棒性,对于大时间滞后的电加热炉温控系统是一种实用而简便的控制方法.

基于电加热炉温度系统的Smith-FNNC-PI复合控制器研究

针对大滞后的电加热炉温度控制系统,研究了一种由Smith预估控制、模糊神经网络控制(FNNC)与传统PI相结合的复合控制器。该控制器将模糊控制具有的较强逻辑推理功能、神经网络具有的较强自学习能力以及传统PI控制的优点融为一体。仿真结果表明该复合式控制器具有良好的稳定性和鲁棒性,对于大时间滞后的电加热炉温控系统是一种实用而简便的控制方法。

具有逆辨识结构的模糊神经网络控制及其应用

该文提出一种新型模糊神经网络结构及算法。在这种控制方案中 ,采用三层模糊神经网络控制器和神经网络逆辨识控制器相结合的结构。计算机仿真研究和实际应用表明 ,采用新型模糊神经网络控制方法 。