CN107870567A - 一种比例微分超前广义智能内部模型集pid控制器设计方法 - Google Patents
一种比例微分超前广义智能内部模型集pid控制器设计方法 Download PDFInfo
- Publication number
- CN107870567A CN107870567A CN201711358692.7A CN201711358692A CN107870567A CN 107870567 A CN107870567 A CN 107870567A CN 201711358692 A CN201711358692 A CN 201711358692A CN 107870567 A CN107870567 A CN 107870567A
- Authority
- CN
- China
- Prior art keywords
- mrow
- controller
- msub
- parameter
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Abstract
本发明公开了一种比例微分超前广义智能内部模型集PID控制器设计方法,属于流程工业生产技术领域。该方法对生产过程回路对象建立多时段、多工况模型,并形成有效模型集,模型集包含了回路多工况对象精准模型。在回路模型集基础上,提出了一种控制器设计方法,该方法可在不改变原有PID控制器结构的基础上直接实施。该方法在基于内部模型集的全局优化智能控制器参数的设计中,采用ITAE即时间乘误差绝对值积分作为最终最优参数确定指标;将该控制器设计方法与回路对象多工况模型集结合,设计出适应多种工况的全局优化控制器,解决了常规控制器设计方法难以适应工况变化的缺陷,实现在该控制器控制下的回路能够长期稳定运行。
Description
技术领域
本发明属于流程工业生产技术领域,涉及一种比例微分超前广义智能内部模型集PID控制器设计方法,该方法可以应用于流程工业生产装置控制回路多工况全局优化的控制器设计。
背景技术
在当前流程工业大规模快速发展的时代,一套生产装置通常包含少则上百,多则上千的过程控制回路,且装置运行工况随着原料改变、加工需求调整或环境因素变化而变化,对于靠经验整定的单一控制器参数难以适应多工况变化的控制性能,在工况变化时,操作人员往往采用手动控制方式控制目标参数,待生产过程操作工况处于新的稳态时,原有的控制器参数难以达到有效控制,须经由工程师对相关回路控制器进行重新整定才能稳定投用,装置自动化水平和运行平稳性受到了严重影响。
发明内容
针背景技术描述的问题,本发明提出一种比例微分超前广义智能内部模型集PID控制器设计方法。该方法融合了先进的计算机技术、控制技术及工艺生产技术,充分利用工业大数据挖掘方法,采用先进的建模技术,对生产过程回路对象建立多时段、多工况模型,并形成有效模型集,模型集包含了回路多工况对象精准模型。在回路模型集基础上,提出了一种控制器设计方法,该方法可在不改变原有PID控制器结构的基础上直接实施。将该控制器设计方法与回路对象多工况模型集结合,设计出适应多种工况的全局优化控制器,解决了常规控制器设计方法难以适应工况变化的缺陷,实现在该控制器控制下的回路能够长期稳定运行。
本发明采用的技术方案为一种比例微分超前广义智能内部模型集PID控制器设计方法,在石油化工生产过程中,被控变量往往要求平缓的变化,即使在工艺需要改变生产计划时,也需要各被控变量平缓地过渡到新的稳态,特别是生产过程中上下游关联较强的流量参数。为防止设定值改变或输入有高频干扰信号时造成输出波动幅度大,严重时可造成事故的风险,因此,引入了比例微分超前PID(I-PD)控制,如图1所示,即比例、微分对测量值起作用,仅积分对偏差起作用,以避免设定值的变化造成输出参数大幅波动。
图1中,R(s)为回路设定值;Y(s)为被控变量输出值;为控制器的积分作用部分传递函数;TI为积分参数;为比例微分部分传递函数,TD为微分参数,α为微分放大系数,取值为0.05~0.1;GP(s)为过程对象传递函数;s为拉普拉斯变换算子。
为实现图1所示控制回路得到有效控制,本发明提出了一种控制器设计方法,以实现控制器的设计,控制回路结构图如图2所示。
图2中,λ为鲁棒提升系数,在控制器参数设计阶段求得,该鲁棒提升系数的适当取值有利于回路的鲁棒性能;G′P(s)称为名义过程控制对象传递函数,由图1可得,
对图2的控制回路结构进行等价转换,得如图3所示的比例微分超前广义内部模型控制回路结构图,由图可见新方法结构上和内模控制原理有相似之处,故称为广义内部模型控制。
图3中,GC(s)称为广义内部模型控制器,其传递函数如下:
控制器设计目标为确定控制器参数K、TI、TD,使得控制回路前向通道GC(s)和G′P(s)的输入输出响应等价于一阶惯性环节在设定值R(s)改变后,被控变量实现平稳过度过程。控制器参数及鲁棒提升系数设计采用随机搜索优化方法,该随机搜索优化方法具有运算速度快、精确度高、全局收敛性好等特点,最终计算结果即为所设计的控制器参数。
为了使上述所设计的控制器参数能够在多种工况正常运行,本发明提出一种基于模型集的全局优化智能控制器设计方法,在前述的新型比例微分超前控制器设计方法的基础上,综合生产控制回路过程对象多时段、多工况的有效模型集,智能选取出适应多种工况的全局优化控制器,解决了常规控制器设计方法难以适应工况变化的缺陷,实现该控制回路能够长期稳定运行,采用该方法设计全局优化控制器回路结构图如图4所示。
图4中,(G′P1(s),G′P2(s),…,G′Pm(s))为当前控制回路的名义过程对象模型集,表达式如下:
实际的过程对象模型为(GP1(s),GP2(s),…,GPm(s)),m为模型集中包含模型的数量,i为模型的序号。
在基于内部模型集的全局优化智能控制器参数的设计中,采用ITAE即时间乘误差绝对值积分作为最终最优参数确定指标,该指标计算公式如下:
其中,ηITAE为全局优化控制器参数性能指标;m为当前回路对象模型集包含模型数量;n为计算模型集中各模型动态响应性能选取时间段包含的数据点数;yi(tj)为模型集中第i个模型在tj时刻输出动态响应值;ri为第i个模型输入给定值;tj为第j个采样数据值的时间,j为采样数据值的序号。
全局优化智能控制器即采用随机搜索优化算法可快速选取出一组智能控制器参数,直接在PID控制器实施,使得在该组控制器参数控制下,被控过程对象的输出动态响应在上述性能指标ηITAE的约束下,使得性能指标ηITAE取值最小,实现适应多工况的全局优化智能控制器控制目标。
该随机搜索优化算法的实施步骤如下:
S1、根据采集到的现场生产过程对象多时段、多工况的有效数据,并采用混合Box-Jenkins模型闭环辨识方法建立过程对象多工况精准模型,形成对象内部模型集;
S2、对模型集中各精准模型,采用比例微分超前广义内部模型控制器设计方法,分别采用随机搜索优化方法对各工况模型设计出相应的控制器K、TI、TD参数组;
S3、根据S2得到的控制器K、TI、TD参数组,计算出各组控制器K、TI、TD参数的平均值,作为采用随机搜索优化算法求取全局优化控制器参数的初值;
S4、采用随机搜索优化算法,以S3计算出的各组控制器K、TI、TD参数的平均值作为控制器参数的初值,搜索出一组智能控制器参数,使得对象模型集中各工况模型在该组控制器参数控制下,性能指标ηITAE取值最小,即达到全局优化智能控制器的设计目标;
综合对基于内部模型集的新型比例微分超前PID控制器设计方法进行分析,与现有传统的PID控制器相比,本发明所提出的方法具有如下几个优点:
1、该方法突破了传统的PID控制器设计理念,提出了一种比例微分超前广义内部模型控制器设计方法,该方法具有设计简单,易于在实际的生产过程应用;
2、提出了基于生产过程控制回路对象多时段、多工况有效内部模型集的适应多种工况的全局优化智能控制器设计方法,结合本发明提出的比例微分超前广义内部模型控制器设计方法,解决了常规控制器设计方法难以适应工况变化的缺陷,实现在该全局优化智能控制器控制下的回路能够长期稳定运行。
附图说明
图1控制回路I-PD控制结构图。
图2新型的比例微分超前控制回路结构图。
图3转换后的比例微分超前广义内部模型控制回路结构图。
图4基于内部模型集的新型比例微分超前控制器设计原理结构图。
图5基于内部模型集的新型比例微分超前智能控制器控制效果图。
具体实施方式
针对本发明所提出的方法,下面结合一个实例予以说明。
某石化厂加氢精制装置由于工艺操作条件频繁变化,导致装置各单元生产工况经常变化,现场工作人员通常要对相关控制回路控制器参数重新整定,才能适应新的工况生产,对于此类常见的生产过程控制问题,设计可适应多工况的控制器,对降低工作人员劳动强度,使装置保持长期稳定运行具有重要意义。选取该装置某加热炉进料流量回路作为实例说明,设流量对象模型传递函数如下所示:
其中,GPi(s)表示流量对象模型集中第i个模型;ai,ki,τi为第i个模型的参数。本发明对现场采集的数据进行分析,挖掘出的多种工况的有效建模数据,并采用混合Box-Jenkins模型闭环辨识方法对流量对象进行建模,形成有效模型集,模型参数见下表所示:
表1流量对象模型集中各模型参数
采用随机搜索优化方法求取本发明提出的新型控制器设计方法,控制器微分环节中微分放大系数α取值0.09,上述表中各模型的对应的控制器参数见下表:
表2各工况模型对应的控制器参数
可得各组参数平均值分别为0.67、2.38、1.05,采用该平均值作为下一步采用随机搜索优化算法求取全局优化智能控制器参数的初值,最终得到全局优化智能控制器参数K、TI、TD分别为0.95、1.35、0.25。该参数即为本发明提出的基于内部模型集的新型智能控制器参数,将该参数实施到上述四种工况模型中,得到控制效果如图5所示。
由图5可见,采用本发明提出的比例微分超前广义内部模型集PID控制器设计方法设计的全局优化智能控制器适用于该流量对象的上述各种工况,且都取得了较好的控制水平。
Claims (3)
1.一种比例微分超前广义智能内部模型集PID控制器设计方法,在石油化工生产过程中,被控变量往往要求平缓的变化,即使在工艺需要改变生产计划时,也需要各被控变量平缓地过渡到新的稳态,特别是生产过程中上下游关联较强的流量参数;为防止设定值改变或输入有高频干扰信号时造成输出波动幅度大,严重时可造成事故的风险,因此,引入了比例微分超前PID控制,即比例、微分对测量值起作用,仅积分对偏差起作用,以避免设定值的变化造成输出参数大幅波动;
R(s)为回路设定值;Y(s)为被控变量输出值;为控制器的积分作用部分传递函数;TI为积分参数;为比例微分部分传递函数,TD为微分参数,α为微分放大系数,取值为0.05~0.1;GP(s)为过程对象传递函数;s为拉普拉斯变换算子;
其特征在于:
λ为鲁棒提升系数,在控制器参数设计阶段求得,该鲁棒提升系数的适当取值有利于回路的鲁棒性能;G′P(s)称为名义过程控制对象传递函数,
<mrow>
<msubsup>
<mi>G</mi>
<mi>P</mi>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>G</mi>
<mi>P</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>G</mi>
<mi>P</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>G</mi>
<mrow>
<mi>P</mi>
<mi>D</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
对控制回路结构进行等价转换,得比例微分超前广义内部模型控制回路结构,称为广义内部模型控制;
GC(s)称为广义内部模型控制器,其传递函数如下:
<mrow>
<msub>
<mi>G</mi>
<mi>C</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>T</mi>
<mi>I</mi>
</msub>
<mi>s</mi>
</mrow>
<mrow>
<mi>&lambda;</mi>
<mi>s</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>&times;</mo>
<msub>
<mi>G</mi>
<mi>I</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>&lambda;</mi>
<mi>s</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
控制器设计目标为确定控制器参数K、TI、TD,使得控制回路前向通道GC(s)和G′P(s)的输入输出响应等价于一阶惯性环节在设定值R(s)改变后,被控变量实现平稳过度过程;控制器参数及鲁棒提升系数设计采用随机搜索优化方法。
2.根据权利要求1所述的一种比例微分超前广义智能内部模型集PID控制器设计方法,其特征在于:
在比例微分超前控制器设计方法的基础上,综合生产控制回路过程对象多时段、多工况的有效模型集,智能选取出适应多种工况的全局优化控制器,解决了常规控制器设计方法难以适应工况变化的缺陷,实现该控制回路能够长期稳定运行;
(G′P1(s),G′P2(s),…,G′Pm(s))为当前控制回路的名义过程对象模型集,表达式如下:
<mrow>
<msubsup>
<mi>G</mi>
<mrow>
<mi>P</mi>
<mi>i</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>G</mi>
<mrow>
<mi>P</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>P</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>G</mi>
<mrow>
<mi>P</mi>
<mi>D</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>;</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
实际的过程对象模型为(GP1(s),GP2(s),…,GPm(s)),m为模型集中包含模型的数量,i为模型的序号;
在基于内部模型集的全局优化智能控制器参数的设计中,采用ITAE即时间乘误差绝对值积分作为最终最优参数确定指标,该指标计算公式如下:
<mrow>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>I</mi>
<mi>T</mi>
<mi>A</mi>
<mi>E</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,ηITAE为全局优化控制器参数性能指标;m为当前回路对象模型集包含模型数量;n为计算模型集中各模型动态响应性能选取时间段包含的数据点数;yi(tj)为模型集中第i个模型在tj时刻输出动态响应值;ri为第i个模型输入给定值;tj为第j个采样数据值的时间,j为采样数据值的序号。
3.根据权利要求1所述的一种比例微分超前广义智能内部模型集PID控制器设计方法,全局优化智能控制器即采用随机搜索优化算法可快速选取出一组智能控制器参数,直接在PID控制器实施,使得在该组控制器参数控制下,被控过程对象的输出动态响应在上述性能指标ηITAE的约束下,使得性能指标ηITAE取值最小,实现适应多工况的全局优化智能控制器控制目标;
其特征在于:该随机搜索优化算法的实施步骤如下,
S1、根据采集到的现场生产过程对象多时段、多工况的有效数据,并采用混合Box-Jenkins模型闭环辨识方法建立过程对象多工况精准模型,形成对象内部模型集;
S2、对模型集中各精准模型,采用比例微分超前广义内部模型控制器设计方法,分别采用随机搜索优化方法对各工况模型设计出相应的控制器K、TI、TD参数组;
S3、根据S2得到的控制器K、TI、TD参数组,计算出各组控制器K、TI、TD参数的平均值,作为采用随机搜索优化算法求取全局优化控制器参数的初值;
S4、采用随机搜索优化算法,以S3计算出的各组控制器K、TI、TD参数的平均值作为控制器参数的初值,搜索出一组智能控制器参数,使得对象模型集中各工况模型在该组控制器参数控制下,性能指标ηITAE取值最小,即达到全局优化智能控制器的设计目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711358692.7A CN107870567B (zh) | 2017-12-17 | 2017-12-17 | 一种比例微分超前广义智能内部模型集pid控制器设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711358692.7A CN107870567B (zh) | 2017-12-17 | 2017-12-17 | 一种比例微分超前广义智能内部模型集pid控制器设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107870567A true CN107870567A (zh) | 2018-04-03 |
CN107870567B CN107870567B (zh) | 2021-03-30 |
Family
ID=61755890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711358692.7A Active CN107870567B (zh) | 2017-12-17 | 2017-12-17 | 一种比例微分超前广义智能内部模型集pid控制器设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107870567B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108897212A (zh) * | 2018-10-16 | 2018-11-27 | 太原理工大学 | 基于高斯过程模型在pls框架中实现多变量pid控制策略 |
CN109001975A (zh) * | 2018-08-02 | 2018-12-14 | 杭州电子科技大学 | 一种工业加热炉多模型分数阶控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1445629A (zh) * | 2003-03-06 | 2003-10-01 | 上海交通大学 | 定量整定鲁棒性的智能比例积分微分控制方法 |
JP2004190620A (ja) * | 2002-12-13 | 2004-07-08 | Idemitsu Kosan Co Ltd | 用役システムの制御方法 |
US20070021850A1 (en) * | 2000-06-20 | 2007-01-25 | Fisher-Rosemount Systems, Inc. | State Based Adaptive Feedback Feedforward PID Controller |
CN101587328A (zh) * | 2008-05-23 | 2009-11-25 | 朱豫才 | 非线性过程动态模型辨识装置 |
CN101930215A (zh) * | 2009-06-22 | 2010-12-29 | 费希尔-罗斯蒙特系统公司 | 基于连续调度的模型参数的自适应控制器 |
CN204155077U (zh) * | 2014-08-28 | 2015-02-11 | 广东电网公司电力科学研究院 | 火电厂双入双出系统的增益自调度pid控制器 |
CN106468879A (zh) * | 2016-09-22 | 2017-03-01 | 北京世纪隆博科技有限责任公司 | 一种液位‑流量非线性区域控制方法 |
-
2017
- 2017-12-17 CN CN201711358692.7A patent/CN107870567B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070021850A1 (en) * | 2000-06-20 | 2007-01-25 | Fisher-Rosemount Systems, Inc. | State Based Adaptive Feedback Feedforward PID Controller |
JP2004190620A (ja) * | 2002-12-13 | 2004-07-08 | Idemitsu Kosan Co Ltd | 用役システムの制御方法 |
CN1445629A (zh) * | 2003-03-06 | 2003-10-01 | 上海交通大学 | 定量整定鲁棒性的智能比例积分微分控制方法 |
CN101587328A (zh) * | 2008-05-23 | 2009-11-25 | 朱豫才 | 非线性过程动态模型辨识装置 |
CN101930215A (zh) * | 2009-06-22 | 2010-12-29 | 费希尔-罗斯蒙特系统公司 | 基于连续调度的模型参数的自适应控制器 |
CN204155077U (zh) * | 2014-08-28 | 2015-02-11 | 广东电网公司电力科学研究院 | 火电厂双入双出系统的增益自调度pid控制器 |
CN106468879A (zh) * | 2016-09-22 | 2017-03-01 | 北京世纪隆博科技有限责任公司 | 一种液位‑流量非线性区域控制方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109001975A (zh) * | 2018-08-02 | 2018-12-14 | 杭州电子科技大学 | 一种工业加热炉多模型分数阶控制方法 |
CN109001975B (zh) * | 2018-08-02 | 2021-06-15 | 杭州电子科技大学 | 一种工业加热炉多模型分数阶控制方法 |
CN108897212A (zh) * | 2018-10-16 | 2018-11-27 | 太原理工大学 | 基于高斯过程模型在pls框架中实现多变量pid控制策略 |
Also Published As
Publication number | Publication date |
---|---|
CN107870567B (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100507460C (zh) | 基于脉冲响应模板和参数优化的动态软测量建模方法 | |
CN101286044B (zh) | 一种燃煤锅炉系统蒸汽温度混合建模方法 | |
CN103019103B (zh) | 定向凝固过程模糊控制变加热温度的仿真优化方法 | |
CN102540879A (zh) | 基于群决策检索策略的多目标评价优化方法 | |
CN111812968B (zh) | 基于模糊神经网络pid控制器的阀位串级控制方法 | |
CN106647832A (zh) | 一种基于CompactLogix的模糊自整定PID的液位控制方法 | |
CN101709863B (zh) | 燃煤锅炉炉膛压力系统混合控制方法 | |
CN101709867B (zh) | 燃煤锅炉汽包水位系统混合控制方法 | |
CN107870567A (zh) | 一种比例微分超前广义智能内部模型集pid控制器设计方法 | |
CN107037729A (zh) | 一种基于rbf神经网络自抗扰控制器的设计方法 | |
CN103177289A (zh) | 一种噪声不确定复杂非线性动态系统的建模方法 | |
CN105240058B (zh) | 一种基于喷嘴流量计算的汽轮机流量曲线辨识及优化方法 | |
CN102707617A (zh) | 一种模糊PID算法ActiveX控件的实现方法 | |
Ma | An improved fuzzy PID control algorithm applied in liquid mixing system | |
CN108132596A (zh) | 一种微分超前广义智能内部模型集pid控制器设计方法 | |
CN103279030B (zh) | 基于贝叶斯框架的动态软测量建模方法及装置 | |
CN114936742A (zh) | 一种供水系统调度代理决策方法 | |
CN109298631A (zh) | 一种基于传统pid控制器附加二次比例系数的自适应参数整定方法 | |
CN102323750A (zh) | 嵌入式非线性脉冲协同控制器 | |
CN108132597B (zh) | 一种微分超前智能模型集pid控制器设计方法 | |
CN105487375A (zh) | 一种离散pid控制器参数整定方法 | |
CN105259754A (zh) | 一种基于主动学习的板厚智能控制方法 | |
CN108107713A (zh) | 一种比例微分超前智能模型集pid控制器设计方法 | |
CN114460985B (zh) | 一种基于单片机的储箱增压控制系统及控制方法 | |
CN105117530B (zh) | 一种粗细结合调节实现汽轮机及其调速系统参数辨识方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |