关键词： 算法模型   专家经验   配料配方   智能控制  

摘要： 介绍了基于机器学习的智能控制系统在钢铁厂转底炉控制的研究应用。针对转底炉配料系统通过机器学习基础配方和经验配方达到原料系统的有效、协调、智能控制的目的，着重介绍了配料系统建立各配方过程及方法。该方式在配料中初步采用机器学习的算法模型，深度挖掘数据建立算法配方模型，为后续研究转底炉其他系统提供有力的技术支撑，其系统的可靠性、稳定性和实用性得到了验证。

关键词： 温室智能控制系统   PID控制优化   WEB技术   粒子群算法   BP神经网络  

摘要： 为了提高智能温室控制系统的管理效率,进一步提升其数据的安全性和可靠性,以保证系统在对温室进行温度、湿度等的智能控制时可以更加及时准确,从而提升农作物的产量和质量。本文研究了基于WEB的智能温室控制系统的设计和优化,并采用粒子群优化BP神经网络算法来提升系统的性能。该智能温室控制系统使用现代信息技术和智能控制技术,可以远程监控和控制温室环境,自动调节温度、湿度和光照等环境因素,并且可以通过远程方式实时监测和控制。在试验中,我们对比了未优化的标准神经网络算法温室智能控制系统和基于粒子群优化BP神经网络算法优化的智能控制系统的实际种植结果。结果表明,在产量、单株产量和果实尺寸等方面,优化后的系统相比未优化的标准神经网络算法温室智能控制系统都得到了显著提高。通过智能温室控制系统优化前后对草莓产量和营养成分进行比较测试,结果表明,优化后的智能温室控制系统的效果要优于未优化的系统。在优化后的智能温室控制系统下,草莓的单位产量提升了14.3%,单株产量提升了13.2%,平均单果尺寸提升了15.0%。这证实了采用粒子群优化BP神经网络算法对智能温室控制系统进行优化的有效性。该研究显示,通过基于粒子群优化BP神经网络算法对温室智能控制系统进行优化,系统稳定性和生产效率都有一定程度的提升。与此同时,通过远程监测和控制,可以降低人工成本和物质成本,为种植者带来更好的收益。此外,优化后的系统还可以提高种植作物的产量和品质,进一步促进农业生产的可持续发展。

关键词： 四足爬行机器人   力/位控制   阻抗控制   自适应控制  

摘要： 四足爬行机器人通过崎岖的斜坡时,因受步态和斜坡环境的影响,导致四足爬行机器人摆动腿着陆时后腿的足端接触力瞬时增大并产生滑落。由此产生的冲击力不仅会对机械结构产生损伤,更会使四足爬行机器人的稳定性大大降低。因此,迫切需要对此种情况下的四足爬行机器人足端接触力加以控制。本文研究内容主要内容如下:首先,考虑崎岖斜坡的特点,对四足爬行机器人处于斜坡上的三种状态分别进行运动学建模并分析,得到机器人单腿关节转角与足末端位置之间的函数关系。并对机器人在崎岖斜坡下以对角小跑步态进行运动分析,得到崎岖斜坡下机器人的期望落足点作为机器人足的力/位控制器期望输入。其次,针对崎岖斜坡下四足爬行机器人着陆时足端接触力过大导致机器人从斜坡上滑落的问题,提出一种变速着陆的足端接触力优化方法。通过足末端受力值与机身俯仰角度值动态调节机器人关节的角度与角速度,以达到降速落足的目的,同时提出一种变速积分PID阻抗控制作为力/位控制器,对位置环节的PID积分项根据角度偏差值的大小进行分档,在做到精确定位落足点的同时,也能减少落足时足端触地产生的冲击力。通过仿真实验对比关节角、位移和崎岖斜坡下机器人运动时足力变化曲线,验证所提算法和控制器效果。最后,针对环境参数变化时采用恒定的阻抗参数导致机器人足出现力振荡引发系统不稳定的问题,通过间接自适应律算法估计环境位置和环境刚度,同时提出一种环境自适应阻抗控制,令阻抗控制参数根据环境参数变化而校正的同时,有效降低了传统阻抗控制器中力振荡的振幅。通过仿真实验对比不同阻抗控制器在环境位置和环境刚度变化的斜坡条件下足力跟踪效果,并通过环境参数变化斜坡下机器人运动时足端接触力变化其曲线,验证所提环境自适应控制器的力跟踪效果。

关键词： 非线性系统   自适应控制   预设性能控制   命令滤波技术   柔性关节机械臂  

摘要： 在工业生产中,许多实际系统具有高度非线性以及强耦合性等特征,由于外部环境或系统组成原件的影响,使得非线性系统的控制问题变得更加复杂.随着工业技术的发展,对跟踪精度的要求越来越高,而传统的实际跟踪控制只能使得跟踪误差收敛到原点附近的小邻域,无法满足高精度跟踪的需求.相对于实际跟踪控制,渐近跟踪能够使得跟踪误差渐近收敛到原点,从而研究此类系统的渐近跟踪控制问题更加具有实际意义.目前,尽管关于非线性系统的渐近跟踪控制取得了一些成果,但仍有许多尚待解决的问题.本文通过使用自适应反步控制、命令滤波技术以及预设性能控制等方法,围绕非线性系统的渐近跟踪控制问题展开研究,并将控制方案应用于柔性关节机械臂系统中,主要研究内容概括如下:1.针对具有随机干扰和未知迟滞的不确定非线性系统,提出一种自适应渐近跟踪控制方案.基于反步法及模糊逻辑系统的逼近能力,构造了一个有效的自适应模糊控制器.所提控制方法可以使得系统在同时存在随机干扰和未知迟滞时仍能保证跟踪误差渐近收敛到零,并且闭环系统的所有信号是几乎处处有界的.最后,通过仿真结果证明了尽管存在随机干扰和未知迟滞的影响,所设计的控制方案依然可以使得系统具有良好的跟踪性能.2.针对一类带有时变参数的非线性系统,研究其自适应预设性能渐近跟踪控制问题.引入预设性能函数并针对跟踪误差构造相应的函数变换,然后利用变量集合法补偿时变参数的影响.通过反步设计和命令滤波技术,构造自适应渐近跟踪控制器,有效地消除了复杂性爆炸问题.所提控制方案能够保证跟踪误差在任意初始条件下渐近收敛到零并保持在预设的边界内,大大提高了控制系统的性能.最后,仿真算例表明该方法能够达到预期的控制目标.3.针对n连杆柔性关节机械臂,研究了此类系统的预设性能渐近跟踪控制问题.对于该多输入多输出系统,对每个连杆跟踪误差构造函数变换以克服连杆之间的强耦合性.同时,应用命令滤波技术设计新的补偿信号,从而避免复杂性爆炸问题,简化控制器结构.除此以外,利用径向基神经网络处理系统中存在的未知项,并设计自适应律以在线估计权重向量的范数和近似误差.所构造的控制器能够使得每个连杆均具有良好的瞬态以及稳态性能,而不依赖于其他连杆.最后,通过仿真算例和Quanser平台验证了该方法的实用性和有效性.

关键词： 智能控制   电力系统   应用  

摘要： 科学技术的快速发展为电力系统实现自动化、智能化奠定了良好的基础，不仅使电力性能更加稳定、安全和可靠，而且提高了综合控制效果。智能控制既具备了高效监测、控制等功能，而且在预防以及处理电力系统故障方面也发挥了非常重要的作用，保证了整个电力系统运行的高效性，同时也大幅度降低了能源消耗，所以越来越多的电力企业开始重视系统中智能控制的应用。本文在对智能控制以及电力系统进行简要概述的基础之上，将研究的侧重点放在神经网络控制技术、模糊控制技术、专家系统控制技术、线性最优控制技术、综合智能控制系统在电力系统中的具体应用情况，并且梳理了智能控制在电力系统中的应用前景。

关键词： 光伏微电网系统   虚拟同步发电机   扰动观察法   自适应控制   并离网无缝切换  

摘要： 由于光伏等分布式电源在电网中的利用越来越普遍,同步发电机作为传统发电方式具备惯性阻尼特征,而传统控制方法的逆变器却不具备此特性导致电网欠缺惯量阻尼特性,电力系统的运行稳定性无法得到有效的保障。虚拟同步发电机(Virtual Synchronous Generator,VSG)概念为了更好地提高电力系统的抗干扰能力而被学术界的学者提出,在保留逆变器其原有的灵活性以及速度优势下,增强系统的稳定性和抗干扰能力。它已经成为了微电网领域内最热门最受关注的研究方向之一。本文构建了基于虚拟同步发电机的光伏微电网系统的整体方案,并建造光伏电池的数学模型,为了可以充分利用光伏电池的能量对其输出特性进行分析。介绍了传统的最大功率点跟踪(Maximum Power Point Tracking,MPPT)方法以及优弊端,基于传统控制追踪速度慢,追踪区间大等问题提出了一种改进的扰动观察法,设计了系统LCL滤波器。并从虚拟同步发电机技术在光伏微电网系统中的应用和改进角度展开研究,详细分析了虚拟同步发电机控制以及其控制结构。为了分析关键参数对虚拟同步发电机的影响建立了 VSG单机并网小信号模型,针对传统转动惯量自适应控制策略无法有效抑制系统振荡等问题,提出了 VSG多参数协同自适应控制策略,进一步的提高了系统的稳定性以及抗干扰能力。针对虚拟同步发电机并离网切换问题,采用了基于SRF-PLL的无缝切换并离网控制策略,实现了虚拟同步发电机的无缝平滑切换,从而减少瞬态电流对微电网造成的冲击。构建基于虚拟同步发电机的光伏微电网系统仿真模型,验证了改进的扰动观察法的动态性能;将本文所提控制策略应用至光伏微电网系统中并与常规VSG控制策略以及传统VSG转动惯量自适应控制策略进行对比,结果表明本文所提控制策略在稳态情况和暂态情况下,面对外界负荷扰动时的稳定性以及抗干扰效果最好,有利于系统的稳定;对基于SRF-PLL的无缝切换控制策略进行验证,结果表明可以平滑的实现并离网模式切换,并且不会对微电网系统造成冲击。对实验平台的硬件部分以及代码生成部分进行了相应的设计,并对搭建好的实验平台进行离网以及并网实验验证,通过实验验证了本文对实验平台设计的合理性。

关键词： VIENNA整流器   模型预测控制   模糊免疫-单神经元自适应PI控制   STM32  

摘要： 三相三电平VIENNA整流器具有功率因数高、开关管承受电压低、不需要设置开关管死区等优点,因此被广泛应用。本文对三相六开关拓扑的VIENNA整流器进行研究,首先介绍了整流器在同一种输入电流极性下不同开关状态时的工作模态,建立了三种不同坐标系下的数学模型,以便于控制器的设计。为实现VIENNA整流器的控制目标,采用双闭环控制,电流环作为内环,其控制目标是使三相输入电流正弦度良好且与输入电压相位保持一致,从而实现系统的高功率因数运行。电流内环分别分析了基于前馈解耦的PI控制策略以及固定开关频率的有限集模型预测控制(Finite Control Set Model Predictive Control with Fixed Switching Frequency,FCS-MPC-FSF)策略,后者相对于前者具有算法简单、不需要进行复杂的控制参数整定等特点。仿真结果表明FCS-MPC-FSF策略相较于前馈解耦的PI控制策略具有更好的输入电流正弦度以及更低的输入电流总谐波畸变(Total Harmonic Distortion,THD)。对于电压外环,其控制目标是实现直流电压的稳定输出。由于VIENNA整流器本身的强耦合、非线性特性,当传统PI控制被用于电压外环控制时,控制参数整定复杂且固定PI参数会导致系统在发生负载突变情况等动态变化时,直流输出电压波动大、调节时间长。为解决上述问题,电压外环采用了一种模糊免疫-单神经元自适应PI控制策略,该控制策略根据单个神经元具有的自学习和自适应能力,通过特定的学习规则使PI参数可以跟随系统动态变化做出改变,从而提高系统的动态性能;同时结合模糊免疫算法,对神经元比例系数K进行在线自整定,实时调节K值的大小,进一步提升系统的稳态和动态性能。通过仿真分析,证明了模糊免疫-单神经元自适应PI控制策略相对于传统PI控制策略具有更小的直流输出电压超调,同时对系统发生负载突变、电网电压波动、直流给定电压突变等变化进行分析,验证了该策略可以使系统具有更好的动态性能。介绍了 VIENNA整流器的空间矢量脉宽调制(Space Vector Pulse Width Modulation,SVPWM)算法,给出了将参考电压矢量转换为具体开关动作的实现方法。分析了各个基本电压矢量作用时对直流侧电容电压造成的影响,通过分析可知,直流侧中点电位主要受正负小矢量的影响,通过引入平衡因子对其作用时间进行调整,使中点电位达到平衡。最后,设计了硬件电路以及软件程序搭建了功率为200W的VIENNA整流器实验装置,电流内环采用FCS-MPC-FSF策略,电压外环采用PI控制。研究了电压外环采用传统PI控制时,不同PI控制参数对直流侧输出电压动态响应过程的影响,选取了一组较为合适的控制参数,给出了该参数条件下系统稳态时的各实验波形。通过电压电流双闭环控制实验实现了 VIENNA整流器的稳定运行,验证了系统硬件及软件部分设计的正确性。

关键词： 仿生手   肌腱欠驱动   鲁棒控制   柔性关节   动力学分析  

摘要： 由于全球残疾人口日益增多且上肢残缺者在其中占比很大,患者对假肢的需求也水涨船高。在此背景下研制具有高度仿生化且性能优良的智能假手具有重大实际意义,以手部缺失患者为研究对象,针对现如今智能假手所存在的本体感知能力低下、抓取控制策略不灵活、后续维护不便且成本高昂等问题,提出了一种具有本体感知功能的基于肌腱式的欠驱动模块化智能假手。本文对智能假手的机械结构和驱动系统进行详细设计,深入研究本体感知抓取控制策略,并通过实验和仿真验证智能假手的相关性能。本文主要研究了以下内容:(1)柔性本体感知智能假手结构研究。通过对人类手部结构的剖析,设计一种基于肌腱式的欠驱动模块化智能假手,具备五根模块化设计手指且每根手指包含指骨、指节和柔性关节。采用基于肌腱的欠驱动形式作为传动系统,并设计了弹簧复位机构和肌腱张紧机构。最后对驱动器和内置传感器选型设计,并在SolidWorks中完整对三维模型的建模。(2)柔性本体感知智能假手运动学研究。为得到智能假手所在工作空间中的运动范围,以标准D-H坐标系为基础建立了智能假手的数学模型。通过对智能假手正向和逆向运动学的推导,得到远端指节末端指尖在工作空间中的位置坐标,当该坐标已知时可通过逆运动学推导存在唯一解的关节旋转角度。最后通过蒙特卡洛求解方法,在MATLAB中运用Robotics Toolbox对智能假手的工作空间进行分析和仿真。(3)柔性本体感知智能假手控制系统研究。建立柔性本体感知智能假手的静力学模型,分析肌腱张力和关节扭矩之间的力传递关系,以及在精确抓握模式和稳健抓取模式时手指所受接触力和关节扭矩指尖的力传递关系。随后建立智能假手的数学模型进行动力学分析得到闭合形式的智能假手的动力学平衡方程。设计基于计算力矩控制器和鲁棒H、H_∞、H/H_∞、μ综合的组合控制器,以消除外部不确定性和内部震动。(4)柔性本体感知智能假手抓取实验研究。对3D打印的智能假手实物模型进行安装,并搭建抓取实验的完整平台,设计主动抓取和被动抓取的详细控制流程,对柔性关节的角度、抓握力和轨迹进行跟踪仿真验证控制系统可行性。最后对两种抓取模式进行实物实验分析,验证智能假手本体感知能力以及抓取可靠性。

关键词： 活性污泥   BSM1   敏感性分析   模糊控制   多目标优化  

摘要： 污水处理是一个包含众多微生物反应和物理化学反应的过程。活性污泥法因为其运行成本较低,处理效率高,成为工业上主要的污水处理方法之一。基于活性污泥法,建立活性污泥一号模型(Activated Sludge Model,ASM1),在此基础上搭建BSM1(Benchmark Simulation Model No.1)污水处理平台,用于污水处理控制策略的设计和验证。本文详细介绍了BSM1平台的运行机理和性能指标,BSM1平台为污水处理策略的设计和验证提供了便利。污水处理系统是典型的复杂系统,涉及许多过程变量和生化反应,具有强非线性、参数时变、变量不确定性的特点,这对控制变量和控制节点的选择造成了很大的困扰。本文提供了一种敏感性分析方法(Latin-Hypercube One-at-a-time,LH-OAT),对系统敏感控制变量进行挑选,节省系统的控制成本。该敏感性分析方法无需对系统建立精确的机理模型,仅考虑变量波动对于系统输出的影响程度。单次只考虑一个变量的扰动量对系统的影响,估计该变量对出水的敏感因子,对不同变量在不同控制点对于出水指标的敏感性程度排序,确定敏感性系数最大的操作量。溶解氧是活性污泥法治理污水中一个主要的控制变量,为验证所选变量的有效性,本文引入模糊控制。通过调节不同输出论域对比溶解氧对系统出水水质及能源功耗的影响,确定溶解氧控制点。由于系统的非线性和大延迟性,传统的PI控制器无法对溶解氧的设定值进行精确跟踪,对于动态系统的控制效果并不理想。为优化控制器跟踪问题,本文提出了一种基于模糊控制思想的自适应模糊PID控制器。优化控制器通过控制误差及误差变化率实时整定PID控制器的控制参数,以降低外部扰动对于系统的影响,对于动态的系统具有更好的控制效果。出水水质和系统能耗是影响污水处理厂经济效益的主要指标。在保证出水水质的同时,降低系统能耗是优化污水处理系统的主要研究方向。本文提出一种基于NSGAII算法的多目标优化控制方案,以系统的曝气能耗和泵送能耗为优化目标,出水水质为约束条件,以溶解氧、硝态氮和底物浓度为决策变量。用模糊PID控制器跟踪控制设定值,达到满足出水限定值的同时,降低能耗的目标。

关键词： 致密气井   压裂返排   深度学习   智能控制   AU-BN-CNN  

摘要： 目前对于压裂液返排地面自动控制系统中放喷油嘴直径的实时预测算法研究较少。经验法预测误差较大,且无法做到实时控制。PID算法无法精确模拟井下多相流的复杂非线性函数关系,导致油嘴直径预测不准确,影响控制系统效果。因此研究了基于深度学习神经网络的人工智能方法预测油嘴直径,具有精度高、实时性好的优点。本文所研究的内容如下:(1)建立了压裂液返排系统基础模型,包括井下多相流数学模型,为深度学习神经网络预测油嘴直径的可行性奠定理论基础。(2)建立了一种新的增强型批量归一化卷积神经网络(AU-BN-CNN)结构,该网络以普通卷积神经网络模型为基础,对其进行改进,增加了批量归一化层,使其能够适应压裂返排的场合。研究了AU-BN-CNN神经网络参数学习的正向及反向传播算法。(3)采集压裂返排现场数据,如压力、温度、流量、粘度等,将其与井下多相流数学模型的数值解相结合,并对这些数据进行预处理及变换,形成AU-BN-CNN神经网络训练样本及测试样本集。(4)对AU-BN-CNN网络进行了仿真及实验。基于Matlab软件建立AU-BN-CNN神经网络模型并进行仿真。采用建立的评价指标及混淆矩阵将AU-BN-CNN网络与其它三种网络进行对比,结果表明:AU-BN-CNN网络预测准确度99.6%,Le Net-5网络预测准确度86.9%,AlexNet网络预测准确度93.1%,CNN网络预测准确度95.7%,因此AU-BN-CNN网络预测准确度是最高的,验证了AU-BN-CNN网络的优越性。最后,搭建了实验平台对该方法进行实验验证,通过输入不同的压力、流量、温度、粘度,观察油嘴自动调节情况。通过12小时观察,管路中的返排压裂液未出砂,验证了AU-BN-CNN网络的效果。通过对本文的研究,对油气行业的水力压裂技术能起到促进作用,本方法也可应用于类似的场合。