将大惯性大滞后对象等效成为多容的惯性环节,在此基础上设计无静差的状态反馈控制,针对部分状态不可测的问题,设计鲁棒性较强的状态观测器,观测出这些状态变量,从结构上说,相当于在系统内部增加了若干个软测点,使系统能够快速地检测到系统内部扰动,及时发出控制信号,维持出口汽温 。
常用的有专家系统、模糊控制、人工神经网络控制以及基于现场应用的仿人工智能的控制方法。这些算法是根据某个领域一个或多个专家提供的知识和经验,进行推理和判断,模拟人脑的智能识别和智能决策过程,对复杂不确定系统进行有效控制。
比较经典的方法有基于前馈补偿解耦设计思想的预测控制和预测函数直接算法。它们都是使用单值预测思想,通过优化输出性能指标,并参考Smith预估思想,在控制律中加入时滞补偿来消除时滞和解耦。
自适应系统能相应的改变和调整控制器的参数,以适应系统特性的变化,保证整个系统的性能指标达到令人满意的结果,主要有模型参考自适应控制系统、自校正控制系统、自整定PID调节器三种。这些控制方法提高了系统抗外扰的自适应能力,有效地克服了对象的大滞后特性。
自抗扰技术由PID思想发展而来,吸收了现代控制理论的信号处理思想,凡是能用常规PID的场合,就可以采用自抗扰控制器,提高了系统的控制品质和控制精度,具有更强的抗干扰能力和鲁棒性 。
如专家PID控制、模糊自整定PID控制、自适应预估等控制方法。这些方法继承了传统方法实现简单,易于调整的优点,又兼顾了系统的快速性、鲁棒性等性能要求,利用较先进的思想来辅助控制优化控制系统,得到了比较好的控制效果。
如模糊控制与自适应控制相结合,针对不同对象,模糊控制器在线判断对象特征,变动模糊集合的划分,对较大范围的对象都能取得良好的控制品质;模糊自适应控制与神经网络相结合,利用神经网络强大的学习能力,寻找最优的性能指标,同时用模糊逻辑来调整学习过程,优化系统性能;还有预测控制与自适应控制相结合、预控制与神经网络相结合,利用预测控制的先验性和快速性取得很好的控制效果 。