摘要：为提高多变量、非线性和强耦合系统的动态特性和解耦能力,根据解耦原理和神经网络思想,提出一种两级串联结构的自适应模糊神经网络解耦控制器.前级是基于智能权函数规则的自调整模糊控制器,后级是基于动态耦合特性的自适应神经网络解耦控制器.同时从理论上证明了学习算法的收敛性.仿真实例表明,所提出的解耦控制器具有良好的鲁棒性和自适应解耦能力,是解决多变量、非线性和强耦合问题的一种简便有效的控制算法.

摘要：针对供热过程质调—量调通道耦合特性和节能控制的需要,提出基于时滞递推神经网络的供热解耦方法。通过典型信号响应与最小二乘法结合的方法得到供热过程耦合系统模型,利用改进的假近邻法预估神经网络训练数据的嵌入维数,确定神经网络输入节点个数,引入时滞环节构建神经网络解耦器。采用时滞递推神经网络解耦器对供热耦合系统进行解耦,消除供热过程质调、量调通道间的非线性强耦合作用。仿真结果证明该方法具有良好的动态和静态解耦特性,能够满足供热过程多回路控制的要求,使供热系统能够跟踪节能设定值进行调节,实现供热节能和优质供热。

摘要：针对电加热炉温区间强耦合的特点,分析加热炉结构特点及其耦合性,设计分散式神经网络开环解耦器对相邻温区进行解耦,采用模糊PID控制算法对系统进行控制。系统有效进行解耦,实现了温度的精确控制。

摘要：电厂循环流化床锅炉的正常运行受到很多因素的影响,因此使其在实现自动控制方面遇到困难。根据循环流化床锅炉的特点,将自适应理论与模糊控制相结合,设计了一种基于BP神经网解耦的具有参数在线自调整功能的自适应模糊控制器,并应用于循环流化床锅炉燃烧控制系统中。该控制器不但可以适应被控对象的变参数运行工况,而且可以实现循环流化床锅炉燃烧过程主汽压力与床层温度的解耦控制。仿真试验和现场应用结果证明,本控制器对循环流化床锅炉燃烧过程具有良好的控制效果。

摘要：针对中性浮力实验体控制问题,提出一种动态解耦多通道复合控制算法。通过实验体受力分析,建立了其六自由度运动模型。设计了一种动态解耦神经网络,其优点在于能适应动态变化的耦合程度。采用CMAC(Cerebellar Model Articulation Controller)和PID复合控制进行单通道控制,其优点在于结合了CMAC前馈控制的快速响应性能和PID反馈控制的强抗干扰性。经MATLAB仿真验证,提出的算法能有效控制实验体位置和姿态。调整时间短且稳态精度高,效果优于PID控制。

摘要：由于猪场养殖环境控制过程中存在的非线性、强耦合、大惯性等难题,传统环境监控系统采用的有线方式成本高、效率低且不便布设管理等缺陷,本文设计一种基础无线传感网技术的猪场养殖环境监控系统,并在系统中采用基于RBF神经网络解耦控制算法。仿真结果表明,本系统能够很好的解决环境因子之间的强耦合,提高系统的实时性。该系统既具有较高的解耦性能,又能够满足监控过程中对多测点、多要素、易组网、易安装等方面的要求,具有较好的实用价值和应用前景。

摘要：针对板形板厚综合系统具有强耦合、非线性、含纯滞后环节的特点,建立了板形板厚耦合模型,并在对其进行神经网络解耦设计的基础上提出了基于对角递归神经网络(DRNN)整定PID的板形板厚解耦控制方法,然后根据带钢冷轧情况提出神经网络解耦对不同塑性刚度参数的实际适用范围。仿真结果表明,该解耦控制系统具有比传统前馈补偿解耦PID控制效果好、响应速度快、自适应跟随能力强等优点,并且符合实际轧制要求,有效地提高了板形板厚的控制精度。