PID神经网络解耦控制技术在VAV中的应用

通过采用 PID神经元网络解耦控制技术 ,对耦合强烈的具有变风量空调系统传递函数矩阵形式的 4维传递函数矩阵系统进行解耦控制 ,通过解耦控制系统仿真研究 ,可以看出取得了很好的解耦效果 ,为变风量空调系统 (4个回路 )的解耦控制提供了有效的方法。

流浆箱神经网络解耦控制系统的设计

利用BP神经网络原理结合流浆箱控制系统实际情况设计了神经网络解耦控制器,根据事先采集的大量实验数据训练出网络参数,得到与系统相匹配的静态解耦控制器,然后通过编程实现神经网络控制器输入输出的拓扑关系。该控制器既解除了气垫式流浆箱压力和液位的耦合关系,又具有实现简单的特点。

神经网络解耦控制在蒸馏水机中的应用

在蒸馏水生产过程中,电导率与温度存在着严重的耦合现象,传统的解耦控制方案无法满足控制要求。根据热交换过程的工艺特点和要求,提出不需要建立对象的精确数学模型的基于神经网络的多变量解耦方法,组成具有解耦能力的智能控制器。仿真研究表明,该控制器能满足工艺要求,具有良好的鲁棒性。

基于神经网络逆解耦的异步电动机节能控制

异步电动机矢量控制是一种稳态下的解耦控制,当对电机调节励磁进行节能控制时,及负载突变状态下系统解耦性能下降,节能效果变差。针对异步电动机节能控制中的上述问题,提出一种将基于神经网络逆系统方法的异步电动机解耦控制与基于损耗模型的节能控制策略相结合的异步电动机节能控制方法。仿真表明该方法具有较好的动态节能控制效果及较强的负载跟踪能力。

无人车辆底盘集成动力学系统解耦控制研究

面向多轮分布式驱动全轮转向无人车辆,本文针对性提出并验证了一种底盘动力学集成控制系统的解耦控制器,旨在通过解耦控制来实现灵活、快速、精确的无人平台动力学性能进一步提升。首先建立了可准确反映车辆纵向-侧向-横摆-侧倾运动的车辆耦合动力学模型,结合非参数统计方法对该动力学系统的输入输出耦合特性进行了定量分析;随后,基于神经网络逆系统原理构建了解耦线性化的车辆动力学系统与解耦复合控制器,测试并成功验证了系统的解耦响应,并对所提出的控制器进行了试验验证。结果表明,耦合动力学系统中各自由度控制子通道间因动力学耦合关系带来的干扰和影响得到了有效削弱,从而可实现对各子通道相对独立的控制效果,为分布式驱动无人车辆在轨迹跟踪运动过程中的高效、精准、稳定的综合动力学表现奠定了重要的平台技术和物理基础。