火电单元机组协调控制系统的多变量IMC-PID设计

根据单元机组的低阶非线性模型,经过适当的简化,推导出一个双输入双输出、能够描述机组动态特性及机炉间相互耦合关系的传递函数矩阵。以该矩阵为基础,采用多变量内模控制的方法对单元机组协调控制系统进行设计,为了能方便地在实际工程中实现,文中推导出了该控制器的PID实现形式,最终简化的控制器结构简单,需调节参数少,可调参数与系统动态性能的对应关系明确。仿真试验表明:该控制器具有良好的解耦效果和负荷适应能力。

多变量多时滞系统的前馈补偿解耦及IMC-PID控制

多变量系统控制器设计中遇到的主要难题是多时滞和强铰链耦合问题;对于非奇异方阵系统,根据解耦理论通过串级前馈时滞补偿器将原系统解耦为多个单变量小时滞系统,运用模型降阶技术,将解耦后的复杂单变量小时滞系统逼近为FOPDT(一阶环节+延时)形式,采用IMC控制策略实现多个单变量系统单位反馈控制,运用了麦克劳林级数展开式,通过相应项系数的比对得到了传统PID控制器;仿真分析表明了该方法能够有效性地补偿系统时滞,同时现实解耦;解决了多变量多时滞系统控制器设计复杂性的难题,有一定的工程参考价值。

基于ABC-PID算法的变量喷雾控制系统设计与试验

针对常用流量调节式变量喷雾系统控制参数调节复杂,导致流量控制响应延迟、超调量大等问题,提出利用寻优性能好的人工蜂群算法整定PID参数,从而达到精准调节系统流量的目标,进而提高变量喷雾系统的工作性能。为验证该系统的控制效果,运用MatLab进行仿真分析,发现ABC-PID控制在超调量、上升时间两方面均优于常规PID和模糊PID。在黑龙江八一农垦大学植保实验室进行室内试验,验证ABC-PID、模糊PID及常规PID的控制精度,结果表明:恒速试验平均施药量误差分别为1.3%、3.1%、4.5%,变速试验平均施药量误差分别为2.1%、3.8%、4.9%。根据上述仿真试验和室内试验结果分析,验证了ABC-PID在控制效果方面优于其他两种控制方法。结合仿真试验、室内试验分析可知:提出引入ABC算法优化常规PID控制参数,在施药量控制精度和减小超调量等方面均表现良好,可为精准变量施药技术提供新的思路。

基于模糊PID的冬小麦变量追肥优化控制系统设计与试验

为了实现冬小麦实时变量精确追肥,研究了基于模糊PID控制技术的变量追肥机追肥量实时调整算法,通过对排肥器转速和开度双变量调节,实现追肥量的优化控制。系统首先采用粒子群优化算法确定PID控制器参数的初始值,然后通过实时获取冬小麦冠层归一化植被指数和排肥器实时状态,结合模糊控制理论和PID控制技术,对PID参数进行在线整定,实时调整排肥器的转速和开度,从而实现追肥量的最优控制。试验结果表明:施肥过程中,施肥量存在波动性。但施肥量变异系数小,最大为3.22%,均值为2.09%,可以满足田间变量施肥的要求。模糊PID控制算法具有良好的动态稳定性和跟踪性能,无论是室内试验还是大田试验的控制精度均达到86%以上。

变量喷雾流量阀的变论域自适应模糊PID控制

为解决变量喷雾过程中实时混药时农药微小流量的控制问题,采用小型针阀、直流电动机及减速器设计了机电流量控制阀。构建了机电流量控制阀传递函数的数学模型,并为之设计了变论域自适应模糊PID控制算法。对该流量控制阀进行了变论域自适应模糊PID控制和PID控制的MATLAB仿真,比较结果表明:PID控制的响应时间为3.5s,最大超调量约为39.0%,变论域自适应模糊PID的响应时间为0.93s,超调量最大不超过2.9%。系统稳定性,准确性和快速性等指标完全满足农业技术要求。

变量施肥控制系统PID控制策略

根据机械动力学原理和电学原理建立了变量施肥控制系统的数学模型,为控制系统的设计、PID参数选择以及控制性能改进提供了理论依据。利用Matlab/Simulink动态仿真工具构建了直流伺服电动机驱动无级变速传动机构的仿真模型,采用临界比例度法对系统的PID参数进行整定,获得了反映系统性能的仿真曲线,仿真和试验验证结果表明,PID控制策略提高了控制系统的跟踪性能和抗干扰性能。

IMC-PID在水厂出水浊度控制中的仿真研究

城市供水出水浊度过程是一个大惯性、大时滞、非线性、时变以及随机干扰多的难控对象,采用常规PID控制很难取得理想的控制效果。IMC-PID控制器的参数都以唯一和直接的方式与模型参数相关,并且只有一个在线可调整的参数——低通滤波器时间常数,其大小决定了系统的性能指标和鲁棒性。仿真研究表明,对于常用的一阶惯性加时滞工业对象模型,采用IMC-PID控制器可以取得良好的控制效果,当实际过程与模型不匹配时通过调整滤波器时间常数仍然可以达到比较好的控制效果。

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。

基于鲁棒整定的球磨机系统多变量PID控制

基于内模控制原理,导出一种多变量系统的PID控制器参数整定新方法,可直接获得控制器的比例项、积分项、微分项系数以及考虑到微分项可实现性的实际微分环节的时间常数。该整定方法应用于严重多变量耦合的电厂制粉系统球磨机控制的仿真研究,结果表明:所整定的PID控制系统具有良好的调节品质,在系统特性变化的情况下具有很强的鲁棒性。

协调控制系统多变量PID控制器的自整定方法

基于继电反馈自整定技术 ,提出了燃煤大型火电机组协调控制系统多变量PID控制器的自整定方法。其与已有的设计方法相比较 ,对控制对象的先验知识和模型的要求低 ,物理概念清晰 ,便于在工程上应用。仿真研究表明 。

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.

多变量自适应PID型神经网络控制器及其设计方法

提出一种PID型神经网络控制器(PID-like Neural Network Controller,PIDNNC)及其设计方法.基于PID的简单结构和良好性能优势以及神经网络的自调节和自适应的特长,创建一种具有PID结构的多变量自适应的PID型神经网络控制器.该网络控制器的隐含层由带有输出反馈和激活反馈的混合局部连接递归网络组成.通过定义误差函数作为设计目标,采用弹性BP算法,并用变化率以及弹性BP算法中的符号法来处理某些求导关系,获得适于实时在线调整网络权值的修正公式.根据李亚普诺夫稳定性定理推导出确保控制系统稳定的学习速率的取值范围.最后通过实例进一步说明所提出网络控制器的优越性.*

多变量PID控制器的在线自整定

本文研究具有ＰＩＤ结构反馈控制器的多变量控制系统的参数自整定．提出了具有校正因子的多变量ＰＩＤ控制算法及在线自动调整校正因子的专家自整定方法．将该方法用于火电单元机组负荷控制系统自整定仿真研究，结果表明系统具有好的完整性和鲁棒性．

基于模糊PID的模型参考自适应IMC汽包水位控制

针对发电厂锅炉汽包水位具有非线性特性、存在虚假水位,且运行过程中控制系统超调量大、响应速度慢、抗干扰能力差等问题,提出了一种基于模糊推理的模型参考自适应内模控制(IMC)方法。将模糊控制方法和IMC方法相结合,采用相消法设计IMC器,根据参考模型输出与实际被控对象输出的偏差e及其变化率ec在线模糊调节PID参数。通过Simulink对基于模糊PID的模型参考自适应IMC的汽包水位控制系统进行仿真验证,并与IMC-PID的汽包水位控制系统进行对比。结果表明,基于模糊PID的模型参考自适应IMC方法自适应能力更强,抗干扰能力和鲁棒性更好,能够更好地保证水位的稳定。

IMC-PID控制器参数扩展整定方法的改进

对用于时滞对象的IMC PID控制器参数扩展整定方法进行了改进 ,修正了扩展整定公式 ,评价了扩展整定方法中的不足。

基于Pade近似一般形式的IMC-PID控制器设计

内模控制方法因具有诸多优点而引起了业界的广泛关注,但难以在DCS中直接实现,现有的IMC-PID设计方法存在着只针对特定模型才能设计或通用设计但近似程度偏低的问题,提出了一种新的IMC-PID控制器设计方法,采用一般形式的Pade多项式逼近IMC-PID转化过程中出现的复杂项,然后对照该Pade多项式和PID控制器表达式设计PID控制器参数。该方法广泛适用于各种单变量对象,也能够毫无修改地应用于多变量系统的IMC-PID控制器参数设计。与基于M ac laurin展式的IMC-PID设计方法相比,该方法提供了具有更强理论依据的微分滤波时间常数计算式,能够获得与内模策略更为接近的控制效果。

多变量系统的PID控制器设计

针对多输入多输出系统,提出一种基于微粒群算法的灰色系统预测PID控制算法.该方案将多输入多输出系统转化成若干个多输入单输出子系统,使用多变量一阶灰色模型GM(1,N)预测出每个子系统的输出,实现了多输入多输出系统的对角解耦.然后用微粒群算法优化PID控制器的参数,用优化后的PID控制器对每个子系统进行控制.对两个典型的多变量控制过程进行了仿真,结果表明,这种控制方法超调量较小,鲁棒性强,响应速度快,抗干扰能力强.

一类多变量传感器故障容错PID控制器的设计与应用

针对一类多变量非线性系统的传感器故障,提出了一种新型的基于神经网络模型的故障容错PID控制方法.该方法应用加权移动平均残差技术对传感器故障进行检测,并利用神经网络建模技术在线重构故障传感器信号,重组PID控制器反馈回路,实现容错PID控制.通过在三水箱过程设立多种不同类型的传感器故障,进行仿真研究.仿真研究结果表明,所提出的故障检测与容错控制策略具有很强的鲁棒性和容错能力.

基于PID神经元多层网络的多变量解耦控制系统

针对多变量系统控制的特点和要求,建立了一种新的多层神经网络,其隐层神经元分别具有比例、积分和微分特性,网络同时具有PID控制规律和神经网络的优点.仿真结果表明,其构成的神经PID网络多变量控制器具有很强的自学习功能和自适应解耦能力.

航空发动机多变量模糊PID控制

普通PID控制器以其简单、实用、易于实现,在经典控制中倍受青睐。但是,对于像航空发动机这样复杂的非线性系统,这种控制器的控制效果就不够理想了。模糊控制理论的建立为这种问题的解决奠定了基础。本文针对航空发动机难于建立精确数学模型的特点,提出了发动机模糊PID参数自适应控制方案,并且对某型航空发动机进行了全包线内的数字仿真。仿真结果表明发动机模糊PID控制不仅不依赖于精确的对象模型,而且具有满意的动、静态性能。