一种改进的无模型自适应控制优化方法

针对一类复杂非线性系统提出了一种改进的无模型自适应控制(improved model⁃free adaptive control,IM⁃FAC)方法,该方法通过对传统无模型自适应控制(model⁃free adaptive control,MFAC)方法控制器输出准则函数引入系统输出变化量来改善系统的动态性能。分析了IMFAC方法的稳定性和收敛性,并针对IMFAC方法中5个参数整定困难的问题,提出了基于灰狼优化(grey wolf optimization,GWO)算法的控制器参数优化方法(G-IMFAC)。对于GWO适应度函数中3个优化指标权重的最优分配问题,通过计算各个优化指标的信息熵来确定其权重。最后通过仿真模拟对比了G-IMFAC方法与传统MFAC方法及IMFAC方法的性能,结果表明G-IMFAC方法具有更小的超调量和更短的调节时间,进一步提高了系统的控制性能。

无模型控制系统在加热炉温度控制上的应用

锦西石化分公司南蒸馏DCS使用的是FOXBORO公司的I/A控制系统,它的基本环节的控制算法是古典的PID算法。这种算法对于线性非时变系统,控制效果良好,但对于某些复杂环节,诸如非线性、大时滞、时变、强耦合系统,控制起来很难。为此,使用无模型控制系统来控制加热炉的温度,收到了满意的效果。

实用随机多变量NARMAX模型的无模型自校正控制器

针对实用随机多变量NARMAX模型的控制问题,基于改进多变量广义控制目标函数,提出了实用随机多变量NARMAX模型的无模型自校正控制器。使用具有辅助向量的多变量全格式动态线性化方法逼近实用随机多变量NARMAX模型,由其构建多变量预测模型,采用BP神经网络辨识泛模型参数函数,增加了泛模型参数函数的信息含量,将多变量系统分离为具有耦合的多个子系统,通过非线性递推最小二乘法对BP神经网络的连接权重值进行学习,同时估计随机干扰模型的参数,给出了新的学习算法。仿真研究表明算法的响应性能优良。

无模型控制方法的抗干扰能力分析

无模型控制方法在实际应用中收到了良好的效果,这是因为无模型控制方法有一系列优秀的性能。实践表明在这些性能中,克服强干扰的能力是最重要的。分析了无模型控制方法的抗干扰能力,并通过与PID调节器抗干扰能力的仿真比较,进一步说明了无模型控制方法具有很强的抗干扰能力。

无模型控制律串级形式及其应用

无模型控制律在炼油、化工、电力、轻工等领域应用获得了良好的效果．应用的方式许多是串级形式．将对无模型控制律的串级形式进行分析,指出这种形式是对具有干扰的大时滞系统控制的一种有效的方法,给出了在加热炉、氢氮比控制中成功应用的实例．

pH值中和反应过程的无模型学习自适应控制

根据pH值处理过程的时变和非线性特性,将基于紧格式线性化的单入单出非线性离散时间系统的无模型学习自适应控制方法应用在带有时滞的pH值中和反应过程中。控制器的设计是无模型的,是直接基于称为伪偏导数的向量,此伪偏导数是通过一种新型参数估计算法,根据酸碱中和反应系统的输入输出信息在线导出的。此无模型控制方法非常适用于实际的模型参数难以辨识,且是时变的非线性系统。仿真控制验证了该方法对不确知动态的非线性pH值的控制具有鲁棒性强、响应速度快和控制精度高的优点,性能好于传统的PID控制。

无模型控制方法性能分析

无模型控制方法在实际应用中收到了良好的效果,因为其具有适应性、抗干扰能力、解耦性能和强制稳定能力等一系列优秀的性能。从理论上对这些性能进行分析十分必要,但比较困难,因此,介绍对无模型控制方法某些重要性能通过仿真分析的结果。因为目前在工业过程控制中所应用的控制器90%以上是PID调节器,所以仿真采用了与PID调节器相应性能进行比较分析的途径。仿真结果说明了无模型控制方法在适应性、抗干扰能力、解耦性能和强制稳定能力等方面都强于PID调节器。另外,对所设计的仿真系统进行了简单的介绍。

无模型控制方法控制功能的分析研究

无模型控制方法具有一系列良好的控制功能,从控制律的适应能力、收敛性能、抗干扰性能、解耦性能及克服大时滞的性能等5个方面分析了无模型控制方法的控制功能。把经典的PID调节器作为基本的比较对象,采用仿真比较和理论分析相结合的方法进行比较研究。分析与比较结果表明,无模型控制方法具有一系列良好的控制功能,即适应性功能、收敛性能、抗干扰、解耦功能及克服大时滞功能。

关于自适应控制应用效果的分析和仿真研究

自适应控制理论研究进展较快,但许多研究工作在理论上仍未达到合理和完整的可应用的程度。这就使得自适应控制的应用研究进展比较缓慢,自适应控制在许多应用场合没有收到预计的效果。对于自适应控制理论来说,这不能不说是一个严肃的问题。依据工程实践的结果,分析了某些自适应控制理论存在这类问题的原因,并通过仿真证实了分析的结论,并提出了应用无模型控制方法是打破这一困境的可能途径。

合成氨生产中的氢氮比控制系统

本文介绍了合成氨生产中氢氮比的一种控制方案.几乎所有的合成氨装置对氢氮比的控制都存在一定的问题.因为氢氮比系统是一个超大时滞系统,大时滞系统的控制问题是过程控制中的难题,超大时滞系统的控制更为困难.本文采取无模型控制方法加前馈来解决这一难题,实践证明这一途经是正确的.

非线性系统的无模型控制方法

非线性系统广泛存在于各种实际问题中,但是建立复杂非线性被控对象的精确数学模型往往是很困难的,对非线性系统实现稳定控制是过程控制工程中的一项困难的课题。无模型控制方法是以非线性途径设计出来的,因而用它来控制某些非线性复杂对象时,表现出了它的优良控制品质。主要说明了无模型控制方法实现了智能推理算法化,不同于一般的智能控制算法,同时分析了无模型控制律对非线性被控对象收敛的快速性,通过具体的工程实例说明了无模型控制方法在非线性系统中的成功应用。

永磁直线电机的无模型学习自适应控制

将单入单出非线性离散时间系统的非参数模型学习自适应控制方法应用在永磁直线电机的速度和位置控制中。设计是无模型的,是直接基于称为伪偏导数的向量,此伪偏导数是通过一种新型参数估计算法,根据系统的输入输出信息在线导出的。仿真实验证明了该方法对具有不确知动态的非线性系统的有效性和稳定性。

基于无模型自适应控制方法的直流电机调速系统

设计了一种应用数据采集卡的无模型学习自适应直流调速系统,将基于全格式线性化的单入单出非线性离散时间系统的无模型自适应控制方法应用在直流电机速度控制中,控制器的设计是无模型的,弥补了经典自适应控制阶数高时在线计算量过大而不能适应于系统快速变化过程的不足。系统包括控制部分和实时仿真部分,实现了转速采集、电机控制、参数修改及轨迹绘制的实时过程。采用Visual Basic(VB)编写的控制软件,通过动态链接库调用的方式控制数据采集卡。实验结果展示了该方法的稳定性和抑止外部干扰的有效性和鲁棒性。

无模型控制方法在化肥生产中的应用

硝酸氨生产中和过程pH值控制对于产品质量有很大的影响 .对这个过程的精确控制一直是硝酸氨生产中的一个难题 .原因在于中和过程是一个强非线性大时滞过程 .在合成氨生产中几乎所有的合成氨装置对氢氮比的控制都存在一定的问题 ,氢氮比系统是一个超大时滞系统 ,PID调节器对这种过程实现稳定闭环控制几乎不可能 .用无模型控制方法借助于它的强有力的控制功能 ,对上述两个过程实现了闭环稳定控制 。

无模型控制方法在直线电机控制中的仿真研究

将基于偏格式线性化的非线性系统无模型学习自适应控制方法应用在直线电机的速度和位置控制中。控制器的设计是直接基于称为伪偏导数的向量,伪偏导数是通过新型参数估计算法,根据给出的永磁直流直线电机非线性系统模型的输入输出信息在线导出的。利用Matlab软件进行仿真实验证明了该方法对电机这种具有不确知动态的非线性系统的有效性和稳定性。

先进控制技术在石化行业中的应用问题分析

先进控制技术在石油化工企业中的应用可创造一定的经济效益,但普遍存在着维护困难、某些基本控制环节不能实现闭环稳定等问题。分析了产生问题的原因,提出了解决问题的可能的途径。其中之一是采用无模型控制方法。

用无模型控制方法改善DCS的基础控制

目前大量应用的集散型控制系统DCS存在的问题,影响了其应用效果。这些问题主要表现在其基础控制部分的PID控制方法对复杂对象的不适应性。因此,说明了基础控制部分实现闭环稳定控制的重要意义,指出了无模型控制方法是基础控制部分实现闭环稳定控制的好方法。介绍了无模型控制方法在过程控制中成功应用的实例,并提出了把现有DCS改造成基于无模型控制方法的DCS的建议。

无模型控制方法在复杂大时滞系统控制中的应用研究

大时滞系统的控制问题是过程控制中的难题 ,复杂大时滞系统的控制更为困难。本文指出大时滞系统往往是更复杂大系统的子系统 ,所以必需从与其它子系统联系的观点来处理此类问题。本文讨论了复杂大时滞系统的控制问题 ,给出了应用无模型控制方法解决这类问题的一种方案 。

无模型控制技术在酮苯装置回收系统中的应用

以大庆石化公司炼油厂酮苯装置回收系统的控制为例,讨论了无模型控制方法在应用过程中所解决的一些关键技术问题,其中包括:控制方案的制订、控制算法参数的整定等。实际的控制效果显示了无模型控制方法的优越性。同时简要介绍了无模型控制方法在石化工业中对复杂控制系统已经取得的一系列成功的应用。

动态补偿逆的非线性内模控制在机器人中的应用

针对机器人的非线性不确定性和传统非线性内模控制在控制上存在的不足,提出一种基于动态补偿逆的非线性不确定系统RBF内模控制,在引入RBF建立逆模型的同时,将无模型自适应控制方法作为附加控制器,用于在模型偏离被控对象时在线修正逆模型。仿真结果表明,本文提出的方法不仅对机器人系统的常量摄动具有较好的鲁棒性,对时变不确定性仍能保持较好的跟踪效果,具有较好的实时性、鲁棒性和在线校正功能。