摘要：阐述和证明了基于输入输出微分方程描述的系统可逆性的充分条件 ,并给出了相应的解析逆系统的实现方法。文中同时研究了采用积分器和静态神经网络组成动态神经网络结构的方法 ,并将这种神经网络结构与逆系统理论相结合 ,提出了神经网络 α阶逆系统的结构及其实现步骤 ,运用该神经网络α阶逆系统对 TCSC控制器进行了设计。实际系统的仿真结果证实了所设计控制策略的有效性。

摘要：选取可控串联电容补偿(TCSC)上传输的有功功率作为被控量,本文提出了采用本地信号的TCSC神经网络逆系统控制方法。该方法基于较完整的TCSC非线性动态模型,实现了TCSC系统的精确线性化,同时所设计的控制策略适用于任意的电力系统结构。控制器的设计使用神经网络逆系统方法,使得所设计的控制策略不依赖于系统的精确模型和参数。针对两区域四机电力系统的仿真结果表明所设计的控制策略能达到直接控制TCSC传输功率,间接控制远端发电机功角的目的。

摘要：对连续非线性系统，采用连续系统的设计方法，利用神经网络对非线性函数的逼近能力加上用来表征系统动态特性的若干积分器，构造工程上可实现的原系统的神经网络α阶逆系统（将α阶逆系统直接与原系统串接，构成α阶积分伪线性复合系统），并对α阶积分伪线性复合系统设计线性控制器，实现对原非线性系统的有效控制．仿真结果表明，该方法适用于较一般的线性、非线性连续系统，且结构简单，易于工程实现．

摘要：无轴承永磁同步电机是一个多变量、非线性和强耦合的系统,因此实现转矩和径向悬浮力的动态解耦是无轴承永磁同步电机实现稳定高速高精度运行的关键。提出一种基于模糊神经网络逆系统的新型解耦控制方法,介绍了无轴承永磁同步电机基本结构和工作原理基础,并建立无轴承永磁同步电机转矩和悬浮力的数学模型。在对数学模型进行可逆性分析的基础上,采用模糊神经网络构建一个有效的逆系统,通过将逆系统与原系统串联,使原非线性系统解耦为3个单输入–单输出子系统,并同时设计了闭环控制器。对所设计的控制系统进行仿真和实验研究。仿真和实验结果表明,这种解耦控制方法可以实现无轴承永磁同步电机转矩和悬浮力之间的解耦控制,并具有良好的动态性能和稳定性。

摘要：发酵过程是时变、非线性、不确定的多变量耦合系统,高性能的解耦控制一直是追求的目标。将逆系统方法与神经网络相结合,提出了一种基于神经网络逆系统的发酵过程解耦控制方法。根据发酵过程的特点,给出了相应的数学模型,并证明了系统的可逆性,进一步构造神经网络逆系统并与发酵系统串联复合成伪线性系统,再设计线性闭环调节器实现高性能解耦控制。仿真结果表明,提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性,具有较强的鲁棒性,克服了解析逆系统解耦控制方案依赖于过程模型和对模型参数的变化很敏感的缺点。

摘要：为了实现脉宽调制电压源型逆变器供电的异步电动机调速系统定子磁链和电磁转矩的动态解耦控制,基于逆系统理论提出了一种新型的解耦控制策略。根据异步电动机调速系统的动态数学模型,证明了其逆系统的存在性,在此基础上得到了逆系统的输入输出方程。把得到的逆系统和异步电动机调速系统相级联,从而将多变量、非线性、强耦合的控制对象解耦成了两个一阶线性子系统,分别称为转矩子系统和磁链子系统,利用线性控制理论对各个调节器进行了设计,实现了定子磁链和电磁转矩对各自参考值的全局渐进跟踪。使用Matlab软件进行了仿真实验,实验结果验证了控制方案的可行性。

摘要：提出一种解决热连轧机板形板厚解耦控制的逆系统方法 ;考虑热连轧机板形板厚的耦合性 ,在控制系统中加进一个“逆系统”,解耦线性化后 ,按照系统要求进行控制系统设计 ;在建立了热连轧机的非线性全量模型和线性增量模型基础上 ,分别构造了板形板厚解耦控制的非线性逆和线性逆解耦控制器 ,并用 C语言编写了 6机架仿真程序。

摘要：针对并联混合有源滤波器(SHAPF)这一强耦合非线性系统的控制问题,提出了一种基于逆系统方法的SHAPF反馈线性化解耦控制策略.首先根据SHAPF非线性数学模型,采用逆系统方法生成其α阶积分逆系统,进而构造出解耦的伪线性系统,然后利用极点配置方法对伪线性系统进行综合,设计了系统的闭环控制器,并给出了系统零动态的镇定条件,保证了闭环控制系统的稳定性.最后仿真实验表明该控制策略能够有效消除电网中的谐波电流,并且与传统线性反馈–前馈控制策略相比,该控制策略具有更好的动静态性能.

摘要：针对空气重介流化床干法分选过程的多变量非线性强耦合特点,在空气重介流化床干法分选过程的神经网络逆系统解耦方法的基础上,设计了线性闭环PI调节器,以实现空气重介流化床干法分选过程的高性能解耦控制.仿真结果表明,该方法能够较好地解决空气重介流化床干法分选过程的控制问题,具有较强的鲁棒性.

摘要：无轴承异步电动机是一个多变量、非线性、强耦合的系统,其径向力和转速之间存在交叉耦合,若要实现电动机转子稳定悬浮和运行,必须对电动机转速和径向力进行动态解耦控制。为此,本文提出了一种基于神经网络逆系统的无轴承异步电动机解耦控制方法。理论分析表明,此方法可以将无轴承异步电动机动态解耦成位移子系统、转速子系统和磁链子系统,从而简化外环控制器的设计,进一步提高整个系统的控制性能。最后,对采用所提解耦方法的整个无轴承异步电动机控制系统进行了仿真和初步的实验研究,结果验证了该解耦方法的有效性。