在对气固流化床选煤系统被控对象特性分析研究的基础上,提出了用逆控制方法解决具有非线性多变量特点的气固流化床密度和床高的控制问题,建立了相关数学模型,介绍了流化床密度及床高逆系统控制方法,并获得较好的控制精度

针对板形板厚耦合系统中参数在一定范围内变化的情况下,将自适应控制与系统具体的数学模型相结合,提出自动调整解耦网络和控制器参数的设计方法。仿真表明,该方法消除了参数变化的影响,使解耦控制效果良好

第一节控制与控制过程 第二节控制方法

以缩小连铸二冷区板坯表面实际温度和目标温度的差异为目标,建立了板坯连铸二次冷却智能控制模型.该模型采用支持向量机(SVM)实现板坯表面目标温度的动态设定,采用对角递归神经网络(DRNN)实现板坯表面温度的预测,采用T-S模糊递归神经网络实现二次冷却水动态调整与分配.通过对某钢厂板坯连铸过程进行仿真计算和现场试验,结果表明:该模型将二次冷却水水量控制问题与板坯在冷却过程中的温度状态相结合,实现了连铸二次冷却动态优化控制,有利于提高板坯的质量

提出机器人多指手滑觉功能的一种实现方法和基于滑觉功能的机器人多指手力反馈控制方法.机器人多指手的滑觉功能是通过检测力觉传感器输出的变化而实现的,而通过将滑觉判断与力反馈控制相结合,并在力反馈控制系统中引入分级模糊控制的思想则可以使机器人多指手在实现滑觉功能的同时完成对物体的稳定抓取

基于人工神经网络( Artificial Neural Network)的控制(ann-based Control)简称神经控制(Neural Control)。神经网络是由大量人工神经元(处理单元)按照一定的拓扑结构相互连接而成的一种具有并行计 算能力的网络系统。它是在现代神经生物学和认识科学对人类信息处理研究的基础上提出来的,具有很强 的自适应和学习能力、非线性映射能力、鲁棒性和容错能力

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果

本文分析、讨论了自动化系统的防雷问题,着重阐述了水厂自动化控制系统的综合防雷措施。 关键词:水厂、自动化系统、防雷、瞬间过电压 概述随着计算机技术( Computer)、控制技术( Contro)、通讯技术( Communication)、显示技术(CR T)的发展和广泛应用,目前水厂的自动化控制普遍采用由工业计算机IPC或可编程控器PLC组成的集数据 采集、过程控制和信息传送于一体的监控网络

针对一类含有时变、范数有界参数不确定广义系统,结合一个二次型性能指标,研究了使闭环系统保持正则、稳定和无脉冲,且闭环性能指标值不超过某个确定界的保性能控制律的设计问题,通过矩阵不等式给出了保性能控制律存在的一个充分条件,进而用线性矩阵不等式给出了保性能控制器的一个参数化表示

提出界定轧机板形控制性能的辊缝调节特性空间（CQ-CH-q）及评价的主要参数：辊缝基本凸度及可调度、辊缝刚度、弯辊调控幅度、辊缝曲线四次分量可调度和辊间接触压力峰值.分析了板形控制的“柔性辊缝策略”与“刚性辊缝策略”.提出采用“交接触长度（VCL）支持辊”以改善连轧机组的板形控制性能，并在生产中应用