前馈补偿解耦法设计一已知的两输入、两输出有耦合被控对象的解耦控制系统，并完成它的混合仿真，对无耦合系统、有耦合而未解耦系统以及有耦合且采用解耦控制系统的控制作比较研究

PID神经元网络解耦控制算法.pdf.pdf

多变量神经网络解耦控制在化工精馏塔中的应用，杨春，李国勇，针对化工精馏塔顶部产品回路与底部产品回路之间存在严重耦合性的问题，提出一种基于PSO优化算法的多变量RBF神经网络解耦方法。首先

建立了同步旋转坐标下三相LCL型并网逆变器的平均模型，提出该模型存在的谐振峰问题，并分析了阻尼电阻对系统谐振峰的影响，揭示了该模型的新特性。在同步旋转坐标系下，传统的单闭环控制方案无法实现D轴与Q轴的解耦，针对此问题提出了一种三相LCL型并网逆变器的解耦控制方案。该方案的基本思想是：应用框图等效变换原理，逐步消除每个滤波器元件D轴与Q轴之间的耦合项，并将所有解耦项移至控制器之后，得到系统总的解耦表达式，实现D轴与Q轴的完全解耦。仿真和实验结果表明：与传统的单闲环控制方案相比，提出的控制方法能有效解决 D轴

人工智能-机器学习-热连轧板形板厚智能解耦控制的研究.pdf

两电机变频系统神经网络广义逆解耦控制.doc

人工智能-机器学习-焦炉集气管压力智能解耦控制的研究.pdf

这里已知具有耦合的两个相邻子系统的差分方程： y1(k)=a11*y(k-1)+b11*u(k-1)+b12*u(k-2)+r1(k)+y12(k) y2(k)=a21*y(k-1)+b21*u(k-1)+b22*u(k-2)+r2(k)+y21(k) 式子中，ri(k)随机噪声，yij(k)为相邻子系统之间的耦合

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,根据解耦原理和神经网络思想,提出一种两级串联结构的自适应模糊神经网络解耦控制器.前级是基于智能权函数规则的自调整模糊控制器,后级是基于动态耦合特性的自适应神经网络解耦控制器.同时从理论上证明了学习算法的收敛性.仿真实例表明,所提出的解耦控制器具有良好的鲁棒性和自适应解耦能力,是解决多变量、非线性和强耦合问题的一种简便有效的控制算法.

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。