CN112856014B - 一种智能阀门电动执行机构的控制系统构建方法 - Google Patents

一种智能阀门电动执行机构的控制系统构建方法 Download PDF

Info

Publication number
CN112856014B
CN112856014B CN202011630598.4A CN202011630598A CN112856014B CN 112856014 B CN112856014 B CN 112856014B CN 202011630598 A CN202011630598 A CN 202011630598A CN 112856014 B CN112856014 B CN 112856014B
Authority
CN
China
Prior art keywords
loop
controller
pollen
speed
pollination
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.)
Active
Application number
CN202011630598.4A
Other languages
English (en)
Other versions
CN112856014A (zh
Inventor
胡文斌
王阳
瞿仁杰
袁逸凡
罗淏天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202011630598.4A priority Critical patent/CN112856014B/zh
Publication of CN112856014A publication Critical patent/CN112856014A/zh
Application granted granted Critical
Publication of CN112856014B publication Critical patent/CN112856014B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16KVALVES; TAPS; COCKS; ACTUATING-FLOATS; DEVICES FOR VENTING OR AERATING
    • F16K31/00Actuating devices; Operating means; Releasing devices
    • F16K31/02Actuating devices; Operating means; Releasing devices electric; magnetic
    • F16K31/04Actuating devices; Operating means; Releasing devices electric; magnetic using a motor
    • F16K31/046Actuating devices; Operating means; Releasing devices electric; magnetic using a motor with electric means, e.g. electric switches, to control the motor or to control a clutch between the valve and the motor

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种智能阀门电动执行机构的控制系统构建方法。该方法包括步骤:建立基于电流环、速度环、位置环的三环控制系统,将电流环、速度环、位置环分别作为控制系统的最内环、中间环、最外环,电流环、速度环、位置环均采用PI控制策略;对于速度环、位置环的串级系统,采用花授粉算法同时对速度环PI控制器和位置环PI控制器的PI参数进行同步参数整定。本发明提高了智能阀门电动执行机构的定位精度、控制灵敏度以及稳定性。

Description

一种智能阀门电动执行机构的控制系统构建方法
技术领域
本发明涉及阀门控制技术领域,特别是一种智能阀门电动执行机构的控制系统构建方法。
背景技术
随着科技的发展和工业现代化的不断提高,智能的阀门控制的发展日新月异。智能阀门控制能够极大方便管理而且对其控制精度远远高于人工控制,电动执行机构正是一款对阀门实现智能控制的产品,在现在的发展中电动执行机构可以驱动控制阀门,成为管道流程中的控制核心。各控制领域对电动执行机构控制系统在响应速度、控制精度以及抗干扰性能等方面的要求也越来越高。研究并优化电动执行机构控制系统,对提高系统控制精度和稳定性具有重要的理论意义和实用价值。
传统的控制系统常常采用的是位置单环控制,在传统的单环控制方式下驱动电机的速度不能灵活调节并且控制系统的动态稳定性较差。不能对速度进行任意调节会造成位置控制在小范围内振荡的问题,影响执行机构位置控制精度,严重时会引起阀门卡堵现象,同时也会大大缩短机械部件的寿命。在一些对控制系统性能要求较高的应用场合,如高压力、大流量的工作环境以及要求控制系统响应速度快、控制精度高的系统,普通的执行机构由于其控制性能的不足已难以胜任。
PID控制是最早发展起来并现今仍运用最广泛的控制策略之一,它具有结构简单、易于实现方便、鲁棒性强、适用性广等特点,其性能主要取决于比例、积分和微分这三个参数的整定和优化。传统的PID控制器参数整定方法有Z-N整定法、C-C整定法、临界比例法等等,这些方法往往存在整定效果不够好、过程繁琐复杂、运行工况适应性较差,易超调和振荡等问题。
基于PID控制器的串级系统是串级控制器的常见形式。由于包含嵌套在一起、相互影响的两个控制回路,串级控制器的参数更难以整定。传统的整定方法是先整定内环控制器参数,然后将整定后的内环嵌入整个串级控制系统,再整定外环控制器参数。但这种方法十分繁琐,往往需要反复进行多次的内外环控制器整定。
发明内容
本发明的目的在于提供一种智能阀门电动执行机构的控制系统构建方法,从而提高智能阀门电动执行机构控制精度及稳定性。
实现本发明目的的技术解决方案为:一种智能阀门电动执行机构的控制系统构建方法,包括以下步骤:
步骤1、建立基于电流环控制器、速度环控制器和位置环控制器的三环控制系统;
步骤2、采用花授粉算法,对速度环和位置环控制器的参数同时进行整定。
本发明与现有技术相比,其显著优点在于:(1)将电动执行机构控制系统设计为位置+速度+电流三环控制方式,实现了对电动执行机构阀门位置的精准控制,从而提高了电动执行机构稳定性及控制精度;(2)在传统的控制策略引入速度内环减小系统速度波动、超调和震荡,提高系统定位精度及控制灵敏度;(3)在速度环外额外增加位置环,以实现对电动执行机构阀门位置的精准控制,从而更进一步提高控制系统的控制精度,避免了传统电动执行机构在启停瞬间的过冲现象,实现了柔性启停功能;(4)利用花授粉算法对串级系统同时进行PI参数整定,整定过程简单,整定结果较优,提高了系统的控制性能。
附图说明
图1是本发明中的花授粉算法整定串级系统控制器PI参数的原理框图。
图2是本发明中的花授粉算法整定串级系统控制器PI参数的流程图。
具体实施方式
结合图1,本发明智能阀门电动执行机构的控制系统构建方法,包括以下步骤:
步骤1、建立基于电流环、速度环、位置环的三环控制系统;
步骤2、采用花授粉算法,对串级系统的速度环和位置环PI控制器的参数同时进行整定;
进一步地,步骤1所述的建立基于电流环、速度环、位置环的三环控制系统,具体如下:
步骤1.1、将电流环作为控制系统最内环,实时跟踪给定电流,同时抑制系统直流母线电压的波动以及系统的转矩脉动,减弱反电动势给系统带来的干扰;
步骤1.2、将速度环作为控制系统中间环,实现对给定速度的跟踪,并对干扰系统运行的负载扰动进行抑制;
步骤1.3、将位置环作为控制系统最外环,对电机进行变速调节,同时对阀门位置进行控制。
进一步地,步骤1.1所述的将电流环作为控制系统最内环,实时跟踪给定电流,同时抑制系统直流母线电压的波动以及系统的转矩脉动,减弱反电动势给系统带来的干扰,具体如下:
电流环调节器使用PI调节器,由积分环节来补偿电压波动对电机参数产生的影响,进而使其具有良好的动态和稳态性能,它的传递函数Gic(s)可用式(1)表示:
Figure BDA0002876276020000031
式(1)中,Kp为电流环比例增益,Ti为积分时间常数,s为拉氏变换的复变量。
进一步地,步骤1.2所述的将电流环作为控制系统最内环,实时跟踪给定电流,同时抑制系统直流母线电压的波动以及系统的转矩脉动,减弱反电动势给系统带来的干扰,具体如下:
速度环与电流环具有类似的功能——保证电机转速跟随给定指令变化。速度环由电流闭环、伺服电机、负载对象和反馈滤波等环节构成。速度环控制器的调节作用是降低甚至去除诸如负载扰动等参数变化对电机转速产生的影响。速度环采用PI控制器,参数包含速度环比例增益Kp1,速度环积分增益Ki1,其控制器传递函数为:
Figure BDA0002876276020000032
进一步地,步骤1.3所述的将电流环作为控制系统最内环,实时跟踪给定电流,同时抑制系统直流母线电压的波动以及系统的转矩脉动,减弱反电动势给系统带来的干扰,具体如下:
电动执行机构的目的是实现对位置的精准控制。位置环作为位置跟踪控制的重要环节其工作原理为控制器首先接收外部给定位置信号,然后将其与系统实时反馈的位置信号进行偏差计算后根据该环节控制算法输出给速度环给定信号。位置环采用PI控制器,参数包含位置环比例增益Kp2,位置环积分增益Ki2,其控制器传递函数为:
Figure BDA0002876276020000033
进一步地,步骤2所述的采用花授粉算法,对串级系统的速度环和位置环PI控制器的参数同时进行整定,具体如下:
步骤2.1、初始化花授粉算法的寻优参数,确定[Kp1,Ki1,Kp2,Ki2]四个参数的寻优范围,生成初始的
Figure BDA0002876276020000034
种群,生成初始控制性能评价指标的最优值和使系统性能最佳的最优的
Figure BDA0002876276020000035
步骤2.2、根据花授粉算法的全局授粉和局部授粉,生成下一代速度环和位置环PI控制器的参数
Figure BDA0002876276020000041
的种群,再根据所选取的适应度函数来对新种群进行控制性能评价,进而更新
Figure BDA0002876276020000042
种群;
步骤2.3、迭代循环找到最终控制性能评价指标的最优值和使系统性能最佳的最优的
Figure BDA0002876276020000043
结合图2,进一步地,步骤2.1所述初始化花授粉算法的寻优参数,确定[Kp1,Ki1,Kp2,Ki2]四个参数的寻优范围,生成初始的
Figure BDA0002876276020000044
种群,生成初始控制性能评价指标的最优值和使系统性能最佳的最优的
Figure BDA0002876276020000045
具体如下:
步骤2.1.1、初始化参数,包括求解维度D,种群规模N,转换概率p,最大迭代次数MAX_iter。
对速度环和位置环的串级系统,同时调节两个PI控制器的参数,因此求解维度D=4。
种群规模N设置为40。花粉群可用矩阵表示如下:
Figure BDA0002876276020000046
由于花授粉算法生成下一代的授粉方式分为局部授粉和全局授粉,局部授粉和全局授粉由转移概率p∈[0,1]控制。由于物理近似性及其它自然因素的影响,局部授粉在授粉过程中占的比例更高。转换概率p设置为0.8。
算法结束的方式有两种:性能指标达到某一定值或者迭代到某一最大次数。在此选用以迭代到某一最大次数结束算法。最大迭代次数MAX_iter设置为200。
步骤2.1.2、初始化种群,包括对速度环和位置环PI控制器的[Kp1,Ki1,Kp2,Ki2]四个参数搜索范围的确定,在搜索范围内随机生成种群规模为N的初始种群。
不同控制系统的PI控制器参数范围不同。确定好
Figure BDA0002876276020000047
四个参数的搜索范围,在搜索范围内随机生成40个
Figure BDA0002876276020000048
初始解。
对于每一个变量,花授粉算法只允许花粉单元在该变量设定的范围内运动,即在迭代过程中,花粉单元都不允许超出限定范围,因此花粉单元位置约束如下:
Figure BDA0002876276020000051
步骤2.1.3、选取适应度函数,将初始化种群带入适应度函数,求得初始全局最优解和最优个体。
性能指标通常以函数积分的形式来代替表示系统实际输出与预期输出的偏差,它作为对控制系统效率优劣和整体性能评判的一种规范和标准,以满足整个控制优化过程。选取时间乘绝对误差积分准则(ITAE)。此准则在控制系统的设计中,瞬时响应的振荡性小,且对参数具有良好的选择。
Figure BDA0002876276020000052
进一步地,步骤2.2所述根据花授粉算法的全局授粉和局部授粉生成下一代速度环和位置环PI控制器的参数
Figure BDA0002876276020000053
的种群,再根据所选取的适应度函数来对新种群进行控制性能评价,进而更新
Figure BDA0002876276020000054
种群,具体如下:
生成下一代花粉位置。花授粉算法生成下一代花粉分为全局授粉过程和局部授粉过程。视生物授粉和异花授粉为全局授粉过程,且传粉者的移动路径遵循Levy飞行;视非生物授粉和自花授粉为局部授粉过程。
异花授粉过程:
花粉种群的规模为N,搜索空间为D维,若花粉i在第t次迭代进行异花授粉,则其第t+1次迭代的位置
Figure BDA0002876276020000055
为:
Figure BDA0002876276020000056
Figure BDA0002876276020000057
——第t次迭代的种群中的第i个花粉位置;
g*——当前种群中的最优解;
L——本质是一个服从Levy分布的随机步长,对应于花粉的传播强度。
Figure BDA0002876276020000058
式中,Γ(λ)是标准的gamma函数,λ为一个常数,s为步长。
实际算法中一个服从Levy分布的随机数是采用Mantegna算法、利用两个服从正态分布的随机数U和V,根据下式来产生的。
Figure BDA0002876276020000061
U~N(0,σ2)——U服从均值为0、方差为σ2的正态分布;
V~N(0,1)——V服从均值为0、方差为1的正态分布。
这里方差σ2等于:
Figure BDA0002876276020000062
对于一个给定的λ,σ2的结果为一常数。在花朵授粉算法中,实验表明最好λ=1.5。
自花授粉过程:
若花粉i在第t次迭代进行自花授粉,则其第t+1次迭代的位置
Figure BDA0002876276020000063
如下:
Figure BDA0002876276020000064
Figure BDA0002876276020000065
Figure BDA0002876276020000066
——第t次迭代的种群中随机选择的两个不同的花粉位置;
ε——在区间[0,1]上符合均匀分布的随机数。
在更新花粉位置前,生成一个随机数rand,若rand>p,则采用全局搜索过程,采用式(7)对
Figure BDA0002876276020000067
进行更新下一代,其中
Figure BDA0002876276020000068
为速度环比例增益,
Figure BDA0002876276020000069
为速度环比例增益,
Figure BDA00028762760200000610
为速度环比例增益,
Figure BDA00028762760200000611
为速度环比例增益;若rand<p,则采用局部搜索过程,采用式(11)对
Figure BDA00028762760200000612
进行更新下一代。
判断是否更新花粉个体。在利用全局授粉或局部授粉生成一个新解后,花朵授粉算法采用贪心策略决定是否接受新解。
将新解带入电动执行机构simulink仿真模型中,仿真计算得到目标函数值
Figure BDA00028762760200000613
其中t为仿真时间,e(t)为位置偏差,比较新解和原解的目标函数值,若新解优于原解,则使用新解替代原解,否则放弃新解,仍保留原解。
进一步地,步骤2.3所述迭代循环找到最终控制性能评价指标的最优值和使系统性能最佳的最优的
Figure BDA00028762760200000614
具体如下:
通过迭代循环,循环MAX_iter次,生成MAX_iter个种群。每生成一个种群,比较新种群产生的全局最优解和上一代的全局最优解,取更优的全局最优解和最优个体作为当代全局最优解和全局最有个体。迭代MAX_iter次后,确定最终的全局最优解和最优个体
Figure BDA0002876276020000071
并赋值给智能电动执行机构的速度环和位置环的PI控制器。

Claims (6)

1.一种智能阀门电动执行机构的控制系统构建方法,其特征在于,包括以下步骤:
步骤1、建立基于电流环控制器、速度环控制器和位置环控制器的三环控制系统;
步骤2、采用花授粉算法,对速度环和位置环控制器的参数同时进行整定;
步骤1所述的建立基于电流环控制器、速度环PI控制器、位置环PI控制器的三环控制系统,具体如下:
步骤1.1、将电流环控制器作为控制系统最内环控制器,实时跟踪给定电流,同时抑制系统直流母线电压的波动以及系统的转矩脉动,电流环控制器输出信号作为逆变器的输入,逆变器与电机连接,电机的实际电流反馈至电流环控制器,构成闭环;
步骤1.2、将速度环控制器作为控制系统中间环控制器,实时跟踪给定速度,并对干扰系统运行的负载扰动进行抑制;速度环控制器与电流环控制器串联,电机的实际速度反馈至速度环控制器,构成闭环;
步骤1.3、将位置环控制器作为控制系统最外环控制器,输入为给定位置,输出至速度环控制器,电机与阀门连接,阀门的实际位置反馈至位置环控制器,构成闭环;
步骤1.2所述速度环控制器采用PI控制器,参数包含速度环比例增益Kp1,速度环积分增益Ki1,其控制器传递函数为:
Figure FDA0003660161880000011
步骤1.3所述位置环控制器采用PI控制器,参数包含位置环比例增益Kp2,位置环积分增益Ki2,其控制器传递函数为:
Figure FDA0003660161880000012
步骤2所述的采用花授粉算法,对串级系统的速度环和位置环控制器的参数同时进行整定,具体如下:
步骤2.1、初始化花授粉算法的寻优参数,确定[Kp1,Ki1,Kp2,Ki2]四个参数的寻优范围,生成初始
Figure FDA0003660161880000013
种群,生成初始控制性能评价指标最优值和使系统性能最优的
Figure FDA0003660161880000014
步骤2.2、根据花授粉算法的全局授粉和局部授粉,生成下一代速度环和位置环PI控制器的参数
Figure FDA0003660161880000015
的种群,再根据选取的适应度函数来对新种群进行控制性能评价,进而更新
Figure FDA0003660161880000021
种群;
步骤2.3、循环迭代步骤2.2找到最终控制性能评价指标的最优值和使系统性能最佳的最优的
Figure FDA0003660161880000022
2.根据权利要求1所述的智能阀门电动执行机构的控制系统构建方法,其特征在于,步骤1.1所述的电流环控制器为PI控制器,其传递函数为:
Figure FDA0003660161880000023
其中,Kp为电流环比例增益,Ti为积分时间常数,s为拉氏变换的复变量。
3.根据权利要求1所述的智能阀门电动执行机构的控制系统构建方法,其特征在于,所述步骤2.1具体如下:
步骤2.1.1、初始化花授粉算法的寻优参数,寻优参数包括求解维度D、种群规模N、转换概率p以及最大迭代次数MAX_iter;
步骤2.1.2、初始化种群,包括对速度环和位置环PI控制器的[Kp1,Ki1,Kp2,Ki2]四个参数搜索范围的确定,在搜索范围内随机生成种群规模为N的初始种群;
步骤2.1.3、选取适应度函数,将初始化种群带入适应度函数,求得初始全局最优解和最优位置
Figure FDA0003660161880000024
4.根据权利要求3所述的智能阀门电动执行机构的控制系统构建方法,其特征在于,所述求解维度D=4,转换概率p=0.8,最大迭代次数MAX_iter=200,种群规模N=40,花粉群可用矩阵表示如下:
Figure FDA0003660161880000025
5.根据权利要求1所述的智能阀门电动执行机构的控制系统构建方法,其特征在于,所述步骤2.2具体如下:
步骤2.2.1、生成下一代花粉位置:
由随机函数生成随机数rand,若rand>p,采用全局授粉的异花授粉过程对
Figure FDA0003660161880000026
进行更新下一代;若rand<p,则采用局部授粉的自花授粉过程对
Figure FDA0003660161880000031
进行更新下一代;
所述全局授粉的异花授粉过程为:若花粉i在第t次迭代进行异花授粉,则其第t+1次迭代的位置
Figure FDA0003660161880000032
为:
Figure FDA0003660161880000033
Figure FDA0003660161880000034
为第t次迭代的种群中的第i个花粉位置;g*为当前种群中的最优解;L是一个服从Levy分布的随机步长,对应于花粉的传播强度,L计算公式为:
Figure FDA0003660161880000035
Figure FDA0003660161880000036
式中,U为服从均值为0、方差为σ2的正态分布,V为服从均值为0、方差为1的正态分布,λ为一个常数,λ取1.5,s为步长,Γ(λ)是标准的gamma函数;
所述局部授粉的自花授粉过程为:若花粉i在第t次迭代进行自花授粉,则其第t+1次迭代的位置
Figure FDA0003660161880000037
如下:
Figure FDA0003660161880000038
Figure FDA0003660161880000039
Figure FDA00036601618800000310
为第t次迭代的种群中随机选择的两个不同的花粉位置;ε为在区间[0,1]上符合均匀分布的随机数;
生成下一代花粉位置的约束条件为:
Figure FDA00036601618800000311
其中:xmax、xmin为设定的花粉位置的最大值、最小值;
步骤2.2.2、判断是否更新花粉位置,采用贪心策略决定是否接受步骤2.2.1生成的新一代花粉位置:将新一代花粉位置带入电机的电动执行机构simulink仿真模型中,仿真计算得到目标函数值
Figure FDA00036601618800000312
其中t为仿真时间,e(t)为位置偏差,比较新一代花粉位置和上一代花粉位置的目标函数值,若新一代花粉位置优于上一代花粉位置,则使用新一代花粉位置替代原来花粉位置,否则放弃新一代花粉位置,仍保留上一代花粉位置。
6.根据权利要求1所述的智能阀门电动执行机构的控制系统构建方法,其特征在于,所述步骤2.3具体如下:循环迭代步骤2.2时每生成一个新种群,比较新种群产生的全局最优解和上一代的全局最优解,取更优的全局最优解和最优个体作为当代全局最优解和全局最优个体,迭代MAX_iter次后,确定最终的全局最优解和最优花粉位置
Figure FDA0003660161880000041
并赋值给速度环和位置环的PI控制器。
CN202011630598.4A 2020-12-30 2020-12-30 一种智能阀门电动执行机构的控制系统构建方法 Active CN112856014B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011630598.4A CN112856014B (zh) 2020-12-30 2020-12-30 一种智能阀门电动执行机构的控制系统构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011630598.4A CN112856014B (zh) 2020-12-30 2020-12-30 一种智能阀门电动执行机构的控制系统构建方法

Publications (2)

Publication Number Publication Date
CN112856014A CN112856014A (zh) 2021-05-28
CN112856014B true CN112856014B (zh) 2022-08-05

Family

ID=75999833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011630598.4A Active CN112856014B (zh) 2020-12-30 2020-12-30 一种智能阀门电动执行机构的控制系统构建方法

Country Status (1)

Country Link
CN (1) CN112856014B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114294461B (zh) * 2021-12-17 2023-11-03 南京理工大学 一种智能阀门电动执行机构的控制系统构建方法
CN117366222A (zh) * 2023-10-31 2024-01-09 江苏威进智控科技有限公司 一种自动变速箱换挡执行机构的控制系统及其控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109630734B (zh) * 2018-12-04 2021-09-03 北京精密机电控制设备研究所 一种阀门启闭装置用位置跟踪优化控制方法
CN109725536B (zh) * 2019-01-17 2022-03-15 南京理工大学 一种基于自抗扰控制算法的阀门电动执行器控制方法
CN109711644B (zh) * 2019-02-25 2023-04-18 安徽大学 基于改进花粉算法的火电机组负荷优化分配方法
CN110707970B (zh) * 2019-06-26 2021-02-12 扬州大学 灌溉一体化智能阀门的无速度传感器控制及参数校准方法
CN111414011B (zh) * 2020-04-09 2023-06-30 中北大学 考虑执行机构故障的高超声速飞行器保性能容错控制方法
CN111864690A (zh) * 2020-07-24 2020-10-30 贵州电网有限责任公司 一种基于差分-花粉算法的反时限过流定值优化方法

Also Published As

Publication number Publication date
CN112856014A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN112856014B (zh) 一种智能阀门电动执行机构的控制系统构建方法
CN108008627B (zh) 一种并行优化的强化学习自适应pid控制方法
CN107193212A (zh) 基于新型灰狼优化算法的航空发动机非线性预测控制方法
CN112700060B (zh) 站所终端负荷预测方法和预测装置
CN109696827A (zh) 惯性权重余弦调整粒子群优化算法的pid参数整定方法
CN113075881B (zh) 一种pid控制器的参数调节方法、装置及电子设备
CN110531614B (zh) 新颖的无刷直流电机模糊神经网络pi控制器
CN104834215A (zh) 一种变异粒子群优化的bp神经网络pid控制算法
CN112000001B (zh) 一种基于改进贝叶斯模型的pid参数整定优化方法
KR20180024092A (ko) Pid 게인 자동 튜닝 방법
CN113408648A (zh) 一种结合深度学习的机组组合计算方法
CN114545766A (zh) 一种麻雀搜索算法优化的bp神经网络pid控制方法
CN113852098B (zh) 一种基于多目标蜻蜓算法的自动发电控制调度方法
CN108549207A (zh) 一种水轮机调节系统控制参数的方法
CN116880191A (zh) 一种基于时序预测的过程工业生产系统的智能控制方法
JPH07210208A (ja) 火力プラント制御におけるオートチューニング方法及びそれを利用した火力プラント制御装置
CN111222708B (zh) 一种基于迁移学习动态建模的发电厂燃烧炉温度预测方法
CN110850710A (zh) 基于无模型自适应控制的水电机组控制优化方法
Chen et al. Compensatory fuzzy neural network control with dynamic parameters estimation for linear voice coil actuator
CN109375637A (zh) 一种舰船用融合神经网络pd的紧格式无模型自适应航向控制算法
CN115963730B (zh) 一种喷射点胶阀腔液温度的选择性控制方法
CN111221245B (zh) 一种基于pso的定型机模糊pid张力控制参数自整定方法
CN107623473B (zh) 一种永磁同步伺服系统位置预测控制方法
CN111694595B (zh) 基于误差容忍的软件行为调节方法
Li et al. Suppression of disturbances in networked control systems based on adaptive model predictive control and equivalent-input-disturbance approach

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
CB03 Change of inventor or designer information

Inventor after: Hu Wenbin

Inventor after: Wang Yang

Inventor after: Qu Renjie

Inventor after: Yuan Yifan

Inventor after: Luo Haotian

Inventor before: Wang Yang

Inventor before: Hu Wenbin

Inventor before: Qu Renjie

Inventor before: Yuan Yifan

Inventor before: Luo Haotian

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant