提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩阵.仿真试验表明这种动态神经网络的预测模型具有较高的精度

提出了一种基于免疫识别原理的径向基函数神经网络学习算法.该算法利用人工免疫系统的识别、记忆、学习等原理,将输入数据作为抗原,抗体为抗原的压缩映射作为径向基函数神经网络模型的隐层中心,输出采用最小二乘法确定权值.通过预报热轧带肋钢筋力学性能的仿真实验结果表明,与K-均值法选择中心点比较,该算法计算量较小,精度高

介绍了逆模型超前控制器,神经网络反馈单元及由5层神经网络组成的集成控制系统.集成控制系统包括一个由神经网络组成的系统模型和具有自调整功能的控制单元.该方法被用于优化设计的综合机构控制仿真,结果证明了它的先进性和可行性

研究了一类具有状态时滞的多采样率离散时间控制系统,对这类系统给出了一种最优预见控制器的设计方法.首先利用离散时间系统提升技术,把所研究的系统转化成单一采样的扩大系统;然后利用构造扩大误差系统的方法引入积分器;再对扩大误差系统应用通常的线性二次型最优预见伺服系统设计方法设计控制器,从而得到原系统的最优预见控制器.同时还对扩大误差系统的能控性和能观测性进行了讨论,并通过数值仿真说明了控制器的有效性

在监控自动厚度控制(AGC)系统基础上,增加一个压力AGC副回路控制.基于Smith预估模型,采用串级控制方式以综合使用监控AGC与压力AGC.副回路采用PID调节方式,主回路基于广义预测控制(GPC)算法求解控制器.由于增加了副回路控制,对进入副回路的干扰有超前抑制作用,因而减少干扰对主变量的影响,提高了抗干扰能力,从而改善了过程的动态特性.仿真结果表明该方法是可行性的,具有较好的控制性能

冷连轧过程中的厚度和张力系统具有多变量、强耦合和不确定特点,为了提高系统的控制精度和控制性能,提出了基于不变性原理解耦的H∞混合灵敏度鲁棒控制策略.首先,建立了厚度和张力系统的动态耦合模型,并应用不变性解耦原理实现了对厚度和张力系统的解耦.其次,针对系统存在的建模误差、参数摄动和外部扰动等不确定性,采用H∞混合灵敏度方法设计了鲁棒控制器来保证系统的鲁棒稳定性和鲁棒性能.仿真结果表明解耦后的厚度和张力系统可以获得更好的控制效果,验证了本算法的有效性

对按转子磁链定向的矢量控制系统进行了智能控制研究.根据矢量控制的特点,充分运用计算机丰富的逻辑判断和数值运算功能对控制系统进行设计,不仅可以实现模拟控制器的数字化,而且可以突破模拟控制器参数为定值的局限.重点介绍了根据系统的变量变化趋势来确定数字调节器参数的变化规则,同时对于各个不同的调节规律,采用不同的控制策略,使得系统具有更好的动、静态性能指标,更强的鲁棒性.最后通过仿真和实验证明了本文理论的正确性

提出了加热炉广义对象模型概念和一种跟踪参考输出的模糊自适应控制方案,以及最佳炉温工艺曲线专家系统构成及根据产品质量模糊评价的概念.系统仿真证明了上述方案的、有效性

以惯性特征系统作为研究对象,针对常规PID控制器参数的设置问题提出了基于系统最速特征模型的辨识算法,该算法利用惯性特征系统的输入输出特性,通过最小二乘法辨识出系统的一阶特征模型,然后再根据一阶特征模型、控制律和系统的动、稳态性能的要求辨识出系统的二阶最速特征模型,同时也计算出PID控制器的参数.仿真结果表明,该算法能够使PID控制具有最速响应的特征,为PID参数设置提供了一种计算方法

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度.为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引人遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果.同时给出了基于现场实测数据的仿真结果