在工业生产过程中,针对纯迟延、时变、强耦合的多输入多输出现象,提出一种 基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法。这种方法不需要建 立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力 对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性。 -In the industrial production process for a pure delay, time-varying, strong coupl

预测控制是一种新型的控制算法之一。经典的PID控制方法简单方便,但是精度不高。近年来发展的自适应、自校正方法精度高,但其本质要求在线辨识对象模型,对过程的未建模动态和扰动的适应能力差,鲁棒性不好。预测控制方法集PID和自适应方法二者之长,是一种面向工业过程特点、对模型要求低、在线计算方便、控制精度高的算法。数字计算机向小型、高速、大容量、低成本方向的发展,为预测控制这类新算法的实现提供了物质基础。 本文以PCT—Ⅲ型过程控制系统装置为平台,将预测控制算法运用到实际系统中去,该装置分为水位系统和温

提供了对象已知与未知的广义预测控制（GPC）算法，包含有单步与多部的Diophanine方程求解。-Provides object known and unknown generalized predictive control (GPC) algorithm, includeing single-step and multi-unit Diophanine equation.