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。

挠性陀螺解耦控制在工程中的实现

在深入研究挠性陀螺理论的基础上,依据再平衡回路控制原理,经过大量的理论计算,采用对角化法并简化挠性陀螺传递函数模型,推导出近似的易于实现的动态解耦阵表达式,然后对动态解耦网络采取相近零极点对消方法,构造出电路上易于实现的解耦控制网络,通过仿真验证了解耦控制的有效性,最后,将解耦控制网络在某型挠性陀螺仪中实现,并进行了小批量试验,试验结果表明:解耦控制网络有效抑制了挠性陀螺仪动态过程中的耦合量,并将耦合量控制在1%以内,挠性陀螺组件在某型机载稳瞄搜索系统中应用的技术瓶颈问题得到解决。

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。

孤岛微电网逆变器不平衡负载下的控制策略

提出一种孤岛微电网逆变器在不平衡负载下的控制策略,采用分序网络解耦控制,在虚拟同步发电机(VSG)控制的基础上引入自适应负序补偿环。对三相负载不平衡下的电路进行分析,得到逆变器分序网络等效电路和逆变器间负序环流产生机理。通过分序网络解耦控制得到电压环参考电压各序分量,引入分序网络虚拟阻抗改进逆变器各序输出阻抗。正序网络采用VSG控制实现正序调频调压和电流的自主分配,负序网络加入负序补偿环抑制微电网三相电压负序分量。详细分析了微电网电压负序分量与负序补偿系数和逆变器输出电流负序分量的关系。负序补偿环采用自适应控制,在实现微电网三相电压平衡的同时根据逆变器额定容量自主分配输出电流负序分量。建模仿真结果验证了所提控制策略的有效性。

Multivariable Nonlinear Proportional-Integral-Derivative Decoupling Control Based on Recurrent Neural Networks

A nonlinear proportional-integral-derivative (PID) controller is constructed based on recurrent neural networks. In the control process of nonlinear multivariable systems, several nonlinear PID controllers have been adopted in parallel. Under the decoupling cost function, a decoupling control strategy is proposed. Then the stability condition of the controller is presented based on the Lyapunov theory. Simulation examples are given to show effectiveness of the proposed decoupling control.