摘要：针对pH中和反应过程强烈的非线性和时变性的特点,提出了自适应内模控制方案。该方案结合了非线性内模控制、自适应机制和强酸当量(SAE)的概念。基于弱酸-强碱中和反应系统的数学模型,推导了pH过程内模自适应控制器。仿真实验表明,由该方法设计的pH过程控制系统具有较好的设定值跟踪性能,对负载扰动和模型误差具有较好的鲁棒性,并且针对弱酸-强碱设计的系统也适用于强酸-强碱系统。

摘要：pH控制由于其严重的非线性一直是过程控制中的难题。基于强酸当量的控制方案在过程流流速远大于中和流流速的前提下将过程机理模型转化为近似线性模型,该方案具有对模型误差鲁棒的优点,已得到广泛的认可,但在中和曲线发生变化时其控制性能显著下降。为了克服这一问题,该文采用了基于混合型参数估计的多模型自适应控制方案。模型集的选取采用了固定模型与自适应模型相结合的方案。仿真结果表明,该设计方案能够有效的克服中和曲线变动带来的影响,具有良好的控制效果。

摘要：针对电厂废水中和过程的非线性、时变性和滞后特性,为提高控制的响应速度和稳定性,提出一种基于混沌粒子群(CPSO)优化的RBF神经网络预测控制算法。以强酸当量(SAE)模型作为控制对象,设计RBF神经网络预测模型。引入灵敏度法(SA)修正网络隐层神经元,CPSO算法快速准确搜索粒子信息,实现RBF神经网络辨识模型的最优化。通过在电厂用水加药系统循环控制上的仿真测试,表明该控制策略相比PID控制和基于遗传算法优化的BP神经网络控制,在控制的平稳性和快速性上具有一定优势。