CN117313535B - 基于模糊控制的磷化铟单晶生产温度控制方法 - Google Patents
基于模糊控制的磷化铟单晶生产温度控制方法 Download PDFInfo
- Publication number
- CN117313535B CN117313535B CN202311268720.1A CN202311268720A CN117313535B CN 117313535 B CN117313535 B CN 117313535B CN 202311268720 A CN202311268720 A CN 202311268720A CN 117313535 B CN117313535 B CN 117313535B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- temperature
- temperature deviation
- control
- deviation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- GPXJNWSHGFTCBW-UHFFFAOYSA-N Indium phosphide Chemical compound [In]#P GPXJNWSHGFTCBW-UHFFFAOYSA-N 0.000 title claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 23
- 239000013078 crystal Substances 0.000 claims abstract description 14
- 230000007246 mechanism Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 16
- 238000010438 heat treatment Methods 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C30—CRYSTAL GROWTH
- C30B—SINGLE-CRYSTAL GROWTH; UNIDIRECTIONAL SOLIDIFICATION OF EUTECTIC MATERIAL OR UNIDIRECTIONAL DEMIXING OF EUTECTOID MATERIAL; REFINING BY ZONE-MELTING OF MATERIAL; PRODUCTION OF A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; SINGLE CRYSTALS OR HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; AFTER-TREATMENT OF SINGLE CRYSTALS OR A HOMOGENEOUS POLYCRYSTALLINE MATERIAL WITH DEFINED STRUCTURE; APPARATUS THEREFOR
- C30B29/00—Single crystals or homogeneous polycrystalline material with defined structure characterised by the material or by their shape
- C30B29/10—Inorganic compounds or compositions
- C30B29/40—AIIIBV compounds wherein A is B, Al, Ga, In or Tl and B is N, P, As, Sb or Bi
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/06—Simulation on general purpose computers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Organic Chemistry (AREA)
- Metallurgy (AREA)
- Computational Linguistics (AREA)
- Materials Engineering (AREA)
- Crystallography & Structural Chemistry (AREA)
- Inorganic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于智能控制算法,能够根据实时数据分析和预测,自动调整温度,实现优化的温度控制的基于模糊控制的磷化铟单晶生产温度控制方法,包括以下步骤:获取磷化铟单晶炉中传感器检测到的温度偏差e以及所述温度偏差的变化率ec;对所述温度偏差以及所述温度偏差的变化率进行模糊化处理,并应用隶属度函数制定模糊推理输入与模糊推理输出参数之间的模糊控制规则表;按照所述模糊控制规则表进行模糊推理,得到模糊推理输出控制参数;对所述模糊推理输出参数进行解模糊化处理,得到解模糊化后的控制实数;根据所述解模糊后的实数驱动执行机构,实现所述磷化铟单晶炉的温度自适应控制。
Description
技术领域
本发明涉及磷化铟晶体生产领域,尤其涉及一种基于模糊控制的磷化铟单晶生产温度控制方法。
背景技术
在传统的磷化铟晶体生产过程中,温度控制是一个关键的环节。准确而稳定的温度控制对晶体的质量、产量和生产效率都有着重要影响。然而,传统的温度控制方法常常依赖于经验和固定的设定值,无法充分利用现代技术的优势。
目前已知的温度控制方法存在以下问题:首先,依赖于静态的设定值,无法根据实时数据和动态变化的生产条件进行自适应调整。其次,这些方法往往缺乏智能化的能力,无法从大量的数据中提取有价值的信息来优化温度控制过程。
发明内容
本发明所要解决的技术问题是:提供一种基于智能控制算法,能够根据实时数据分析和预测,自动调整温度,实现优化的温度控制的基于模糊控制的磷化铟单晶生产温度控制方法。
为解决上述技术问题,本发明所采用的技术方案为:一种基于模糊控制的磷化铟单晶生产温度控制方法,包括以下步骤:
S1:获取磷化铟单晶炉中传感器检测温度值以得到的某一单位时间T的开始和结束的时间点的温度数据,并计算得出该单位时间T的开始时间点的实际温度值与设定温度值的温度偏差e'以及该单位时间T的结束的时间点的实际温度值与设定温度值的温度偏差e,然后通过温度偏差e'和温度偏差e计算出该单位时间T的温度偏差变化率ec;
S2:变量论域划分,将温度偏差e以及温度偏差变化率ec作为输入参数,目标加热温度u作为输出参数,将输入参数和输出参数分别划分为至少3个模糊论域子集;所述变量论域划分具体为:
设定温度偏差e:将其离散为5个点,偏差语言变量取5个,分别对应”负大、负小、零、正小、正大”;设定温度偏差变化率ec:将其离散为5个点,偏差语言变量取5个,分别对应”负大、负小、零、正小、正大”;设定目标加热温度u:将其离散为5个点,偏差语言变量取5个,分别对应”负大、负小、零、正小、正大”;
S3:依据隶属函数对输入量进行模糊化:依据作为隶属函数的三角函数确定温度偏差e、温度偏差变化率ec以及目标加热温度u的模糊集合中某一元素隶属于某一子集的隶属度以进行模糊化,即将精确值转换为模糊值;
S4:模糊规则确定:根据控制参数对系统性能的影响以及先前实验所得参数调整经验,得到能使系统获得最佳响应性能的模糊控制参数的整定原则;
S5:模糊推理:对每个采样时刻的温度偏差e和温度偏差变化率ec进行模糊化处理得到模糊量E和EC,根据制定的模糊控制规则表,采用公式Un=(E(n)×EC(n))·R得到模糊推理输出参数;其中Un为模糊推理输出参数U的模糊向量,E(n)和EC(n)为模糊推理输入参数;R为所述模糊控制规则表中的模糊控制关系;
S6:对模糊推理输出参数U采用最大隶属度法进行转换得到准确值,完成模糊控制器的构建,具体包括:选择量化因子Ke和Kec为1,比例因子Ku为1,将所述模糊推理输出参数U乘以比例因子Ku,得到解模糊后的参数U1;
S7:根据所述解模糊后的参数U1驱动执行机构对下一个单位时间T的温度进行控制,实现所述磷化铟单晶炉的温度自适应控制;
S8:重复步骤S1-S7,直至生产结束。
作为一种优选的方案,依据模糊控制逻辑构建模糊控制器后,通过Simulink仿真进行测试,评估其温度调节的性能。
本发明的有益效果是:
本发明通过采用智能算法,结合数据分析和预测模型,本发明能够动态地调整温度设定值,使其根据实时数据和生产条件进行自适应优化。智能算法能够从大量的历史数据中学习并预测最佳温度范围,在生产过程中自动进行温度控制,从而提高晶体生产的稳定性、质量和效率。
本发明是基于智能控制的方法,采用的方法是模糊控制。因为温度控制系统具有非线性、滞后大等特点,而模糊控制能够有效地处理上述特性。且通过使用模糊推理和模糊规则,模糊控制可以更好地适应非线性的温度响应,提高温度控制时效性和温度调节的鲁棒性。
本发明模糊控制过程隶属函数选取中采用了三角形隶属函数,提高了隶属范围和隶属精度。
本发明模糊控制过程模糊量解模糊中采用最大隶属度法,所得实际值更加贴合目标值。
附图说明
图1为本发明方法的流程图;
图2为本发明的模糊控制器原理图;
图3为本发明的三角形隶属度函数示意图;
图4为本发明提出规模控制规则表。
图5为本发明提出的方法和相关方法仿真模型图;
图6为本发明提出的方法和相关方法仿真结果图。
具体实施方式
下面结合附图,详细描述本发明的具体实施方案。
如图1-6所示,一种基于模糊控制的磷化铟单晶生产温度控制方法,包括以下步骤:
S1:获取磷化铟单晶炉中传感器检测温度值以得到的某一单位时间T的开始和结束的时间点的温度数据,并计算得出该单位时间T的开始时间点的实际温度值与设定温度值的温度偏差e'以及该单位时间T的结束的时间点的实际温度值与设定温度值的温度偏差e,然后通过温度偏差e'和温度偏差e计算出该单位时间T的温度偏差变化率ec;
S2:变量论域划分,将温度偏差e以及温度偏差变化率ec作为输入参数,目标加热温度u作为输出参数,将输入参数和输出参数分别划分为5个模糊论域子集;
设定温度偏差e:将其离散为5个点,其论域为{-7.2,-3.6,0,3.6,7.2},偏差语言变量取5个,分别对应”负大、负小、零、正小、正大”,用符号表示为{NB,NS,ZO,PS,PB};设定温度偏差变化率ec:将其离散为7个点,其论域为{-2.4,-1.2,0,1.2,2.4},偏差语言变量取5个,分别对应”负大、负小、零、正小、正大”,用符号表示为{NB',NS',ZO',PS',PB'};
设定输出参数u:将其离散为7个点,其论域为{-7.2,-3.6,0,3.6,7.2},偏差语言变量取5个,分别对应”负大、负小、零、正小、正大”,用符号表示为{NB″,NS″,ZO″,PS″,PB″}。
S3:依据隶属函数对输入量进行模糊化:采用三角函数隶属函数作为温度偏差e、温度偏差变化率ec、输出变量u的隶属函数,依据三角函数确定模糊集合中某一元素隶属于某一子集的隶属度进行模糊化,即将精确值转换为模糊值;
如图3(a、b、c)所示。比如:温度偏差e的0.5℃通过隶属度函数,其对应‘零'的隶属值区域,就将0.5转化为了区域子集中的‘零'。
S4:模糊规则确定:根据控制参数对系统性能的影响以及先前实验所得参数调整经验,得到能使系统获得最佳响应性能的模糊控制参数的整定原则;
例如:当温度度偏差E很大,温度度温度偏差变化率ec很小时,对应控制目标加热温度u输出为很大,如图4所示为模糊控制规则表,共25条规则。
S5:模糊推理:对每个采样时刻的传感器采集温度与设定温度的偏差e和温度偏差变化率ec进行模糊化处理得到模糊量E和EC,根据制定的模糊控制规则表,采用公式Un(E(n)×EC(n))·R得到模糊推理输出参数;其中Un为模糊推理输出参数U的模糊向量,E(n)和EC(n)为模糊推理输入参数;R为所述模糊控制规则表中的模糊控制关系;
S6:对模糊推理输出参数U采用最大隶属度法进行转换得到准确值,完成模糊控制器的构建,具体包括:选择量化因子Ke和Kec为1,比例因子Ku为1,将所述模糊推理输出参数U乘以比例因子Ku,得到解模糊后的参数U1;
S7:根据所述解模糊后的参数U1驱动执行机构对下一个单位时间T的温度进行控制,实现所述磷化铟单晶炉的温度自适应控制;
S8:重复步骤S1-S7,直至生产结束。
依据模糊控制逻辑构建模糊控制器后,通过Simulink仿真进行测试,评估其温度调节的性能。
在Simulink中搭建如图5所示的温度控制仿真模型。其中,为了验证本发明效果的优越性,同时搭建了传统PID控制方法模型。其仿真结果如图6所示,由仿真结果可以看出,常规PID控制的系统过渡过程存在较大的振荡,调节时间较长,由振荡趋向平稳的过程缓慢,超调量相对较大;而本发明提出的模糊控制的过渡过程平稳,超调量也较小,调节时间较短。与常规控制相比,本发明提出的模糊控制具有响应时间短,超调量小的特点。
上述的实施例仅例示性说明本发明创造的原理及其功效,以及部分运用的实施例,而非用于限制本发明;应当指出,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (2)
1.一种基于模糊控制的磷化铟单晶生产温度控制方法,包括以下步骤:
S1:获取磷化铟单晶炉中传感器检测温度值以得到的某一单位时间T的开始和结束的时间点的温度数据,并计算得出该单位时间T的开始时间点的实际温度值与设定温度值的温度偏差e'以及该单位时间T的结束的时间点的实际温度值与设定温度值的温度偏差e,然后通过温度偏差e'和温度偏差e计算出该单位时间T的温度偏差变化率ec;
S2:变量论域划分,将温度偏差e以及温度偏差变化率ec作为输入参数,目标加热温度u作为输出参数,将输入参数和输出参数分别划分为至少3个模糊论域子集;所述变量论域划分具体为:
设定温度偏差e:将其离散为5个点,偏差语言变量取5个,分别对应”负大、负小、零、正小、正大”;设定温度偏差变化率ec:将其离散为5个点,偏差语言变量取5个,分别对应”负大、负小、零、正小、正大”;设定目标加热温度u:将其离散为5个点,偏差语言变量取5个,分别对应”负大、负小、零、正小、正大”;
S3:依据隶属函数对输入量进行模糊化:依据作为隶属函数的三角函数确定温度偏差e、温度偏差变化率ec以及目标加热温度u的模糊集合中某一元素隶属于某一子集的隶属度以进行模糊化,即将精确值转换为模糊值;
S4:模糊规则确定:根据控制参数对系统性能的影响以及先前实验所得参数调整经验,得到能使系统获得最佳响应性能的模糊控制参数的整定原则;
S5:模糊推理:对每个采样时刻的温度偏差e和温度偏差变化率ec进行模糊化处理得到模糊量E和EC,根据制定的模糊控制规则表,采用公式Un=(E(n)×EC(n))·R得到模糊推理输出参数;其中Un为模糊推理输出参数U的模糊向量,E(n)和EC(n)为模糊推理输入参数;R为所述模糊控制规则表中的模糊控制关系;
S6:对模糊推理输出参数U采用最大隶属度法进行转换得到准确值,完成模糊控制器的构建,具体包括:选择量化因子Ke和Kec为1,比例因子Ku为1,将所述模糊推理输出参数U乘以比例因子Ku,得到解模糊后的参数U1;
S7:根据所述解模糊后的参数U1驱动执行机构对下一个单位时间T的温度进行控制,实现所述磷化铟单晶炉的温度自适应控制;
S8:重复步骤S1-S7,直至生产结束。
2.根据权利要求1所述的一种基于模糊控制的磷化铟单晶生产温度控制方法,其特征在于:依据模糊控制逻辑构建模糊控制器后,通过Simulink仿真进行测试,评估其温度调节的性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311268720.1A CN117313535B (zh) | 2023-09-27 | 2023-09-27 | 基于模糊控制的磷化铟单晶生产温度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311268720.1A CN117313535B (zh) | 2023-09-27 | 2023-09-27 | 基于模糊控制的磷化铟单晶生产温度控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117313535A CN117313535A (zh) | 2023-12-29 |
CN117313535B true CN117313535B (zh) | 2024-04-19 |
Family
ID=89242092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311268720.1A Active CN117313535B (zh) | 2023-09-27 | 2023-09-27 | 基于模糊控制的磷化铟单晶生产温度控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117313535B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101025620A (zh) * | 2006-02-24 | 2007-08-29 | 同济大学 | 一种可用于数控铣削加工过程的分级模糊递阶控制方法 |
CN101078912A (zh) * | 2007-07-04 | 2007-11-28 | 重庆大学 | 一种自适应模糊控制系统的设计方法 |
CN101799662A (zh) * | 2010-04-08 | 2010-08-11 | 南昌航空大学 | 切削过程温度模糊控制系统 |
CN102109822A (zh) * | 2011-04-02 | 2011-06-29 | 重庆交通大学 | 伺服电机的变结构双自由度智能集成控制方法 |
CN102852511A (zh) * | 2012-09-28 | 2013-01-02 | 中国科学院自动化研究所 | 一种石油钻机的智能钻进控制系统和方法 |
CN105786055A (zh) * | 2016-03-07 | 2016-07-20 | 重庆大学 | 硝酸生产氧化炉中氨空比自动设定值控制系统及控制方法 |
CN111613965A (zh) * | 2020-05-20 | 2020-09-01 | 太原理工大学 | 一种面向混沌半导体激光器的高精度高稳定温度控制系统 |
CN114609901A (zh) * | 2022-05-12 | 2022-06-10 | 浙江浩普环保工程有限公司 | 一种焚烧炉模糊自适应温度控制方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7826943B2 (en) * | 2007-04-02 | 2010-11-02 | General Electric Company | Method and system for diagnosing faults in a particular device within a fleet of devices |
-
2023
- 2023-09-27 CN CN202311268720.1A patent/CN117313535B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101025620A (zh) * | 2006-02-24 | 2007-08-29 | 同济大学 | 一种可用于数控铣削加工过程的分级模糊递阶控制方法 |
CN101078912A (zh) * | 2007-07-04 | 2007-11-28 | 重庆大学 | 一种自适应模糊控制系统的设计方法 |
CN101799662A (zh) * | 2010-04-08 | 2010-08-11 | 南昌航空大学 | 切削过程温度模糊控制系统 |
CN102109822A (zh) * | 2011-04-02 | 2011-06-29 | 重庆交通大学 | 伺服电机的变结构双自由度智能集成控制方法 |
CN102852511A (zh) * | 2012-09-28 | 2013-01-02 | 中国科学院自动化研究所 | 一种石油钻机的智能钻进控制系统和方法 |
CN105786055A (zh) * | 2016-03-07 | 2016-07-20 | 重庆大学 | 硝酸生产氧化炉中氨空比自动设定值控制系统及控制方法 |
CN111613965A (zh) * | 2020-05-20 | 2020-09-01 | 太原理工大学 | 一种面向混沌半导体激光器的高精度高稳定温度控制系统 |
CN114609901A (zh) * | 2022-05-12 | 2022-06-10 | 浙江浩普环保工程有限公司 | 一种焚烧炉模糊自适应温度控制方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于差分进化算法的燃气轮机转速模糊PID复合控制;王顺;智同生;施建强;;热能动力工程;20171020(第10期);全文 * |
基于模糊前馈的空天飞行器再入姿态的模糊鲁棒跟踪控制;王玉惠;吴庆宪;姜长生;黄国勇;;宇航学报;20080130(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117313535A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bai et al. | Fundamentals of fuzzy logic control—fuzzy sets, fuzzy rules and defuzzifications | |
CN110716593A (zh) | 反应釜温度预测与控制方法、装置及终端设备 | |
CN109270833A (zh) | 一种基于无刷直流电机q学习的变论域模糊控制方法 | |
JPH04259004A (ja) | フィードバック制御方法 | |
CN104808708A (zh) | 一种炉温度控制系统中模糊pid参数自整定的方法及系统 | |
CN107894716A (zh) | 温度控制方法 | |
CN111781835B (zh) | 一种镇定二阶惯性加纯滞后系统的线性自抗扰控制器设计方法 | |
CN116700393A (zh) | 一种基于模糊控制的反应釜温度控制方法 | |
CN117313535B (zh) | 基于模糊控制的磷化铟单晶生产温度控制方法 | |
CN106094524A (zh) | 基于输入趋势补偿的快速模型预测控制方法 | |
CN113885328A (zh) | 一种基于积分强化学习的核电功率跟踪控制方法 | |
CN112180733B (zh) | 一种基于模糊逻辑的建筑能耗系统预测控制参数整定方法 | |
Shi et al. | Application of variable structure fuzzy logic controller for DC-DC converters | |
CN108227476A (zh) | 一种agv小车的控制方法 | |
CN111077771A (zh) | 一种自整定模糊pid控制方法 | |
CN114995108A (zh) | 一种基于模糊pid和滑膜控制复合控制的控制方法 | |
CN113741182A (zh) | 一种基于广义值迭代的污水处理过程控制方法 | |
Khater et al. | Improving the performance of a class of adaptive fuzzy controller based on stable and fast on-line learning algorithm | |
CN110850710A (zh) | 基于无模型自适应控制的水电机组控制优化方法 | |
Rayme et al. | Control System based on Reinforcement Learning applied to a Klatt-Engell Reactor | |
Shahab | A new approach to multi-model adaptive control | |
CN114609988B (zh) | 一种基于改进推理控制器的大滞后系统控制方法 | |
CN113110317B (zh) | 混杂模型工业过程约束鲁棒预测控制综合优化设计方法 | |
Valarmathi et al. | Swarm intelligence based system identification and controller tuning | |
Zhou et al. | A Two-Stage scheduling RPC based on time-varying coefficient information of state-dependent ARX model |
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 |