参考文献/References:
[1] 周洪煜,张振华,陈晓锋.中速直吹磨组径向基函数神经网络信息融合?模糊启动控制[J].中国电机工程学报,2011, 31(11):119-125.
[2] 潘岩,潘维加.中速磨煤机动态矩阵控制的仿真研究[J].自动化与仪器仪表,2014(2):15-17.
[3] Fan G Q,Rees N W.An intelligent expert system (KBOSS) for power plant coal mill supervision and Control[J].Control Engineering Practice,1997,5(1):101-108.
[4] 杨耿,祝晓松,曹敏.模糊控制技术在磨煤机自动控制中的应用[J].武汉水利电力大学学报,2000,33(6):85-87.
[5] 李少华,王雷,张旺.基于模糊物元模型的中速磨煤机运行状态评价[J].热力发电,2013,42(4):20-27.
[6] 朱冰冰.MPS中速磨煤机的优化设计及相关软件的开发[D].北京:清华大学精密仪器与机械学系,2012.
[7] 华东六省一市电机工程(电力)学会.热工自动化[M].北京:中国电力出版社,2006.
[8] 李士勇.Fuzzy-PID复合控制的数字仿真[J].计算机仿真, 1988:16-23.
[9] 蔚东晓,贾霞彦.模糊控制的现状与发展[J].自动化与仪器仪表,2006(6):4-7.
[10] 张坚.连续非线性系统的鲁棒模糊跟踪控制及其在电站中速磨煤机上的应用[D].上海:上海大学机电工程与自动化学院,2007.
相似文献/References:
[1]王银锁,李海霞.基于MATLAB的PID控制器设计及应用[J].工业仪表与自动化装置,2016,(01):27.
WANG Yinsuo,LI Haixia.A PID controller design and its industrial application based on MATLAB[J].Industrial Instrumentation & Automation,2016,(03):27.
[2]郭松林,王光辉.基于人工蜂群算法优化采煤机伺服系统PID参数[J].工业仪表与自动化装置,2018,(02):29.[doi:1000-0682(2018)02-0000-00]
GUO Songlin,WANG Guanghui.Optimization of PID parameters of hydraulic servo system based on artificial bee colony algorithm[J].Industrial Instrumentation & Automation,2018,(03):29.[doi:1000-0682(2018)02-0000-00]
[3]代守乐,李耀辉,郭克锋.在线频率分析下的300 MVA脉冲发电机高压变频器自适应调速方法[J].工业仪表与自动化装置,2023,(03):127.[doi:10.19950/j.cnki.cn61-1121/th.2023.03.025]
DAI Shoule,LI Yaohui,GUO Kefeng.Adaptive speed control method of 300 MVA pulse generator high voltage inverter based on online frequency analysis[J].Industrial Instrumentation & Automation,2023,(03):127.[doi:10.19950/j.cnki.cn61-1121/th.2023.03.025]
[4]魏 琛.基于模糊PID的航空企业智能控制系统设计与优化研究[J].工业仪表与自动化装置,2023,(06):49.[doi:DOI:10.19950/j.cnki.cn61-1121/th.2023.06.008]
WEI Chen.Design and optimization of intelligent control system for aviation enterprises based on fuzzy PID[J].Industrial Instrumentation & Automation,2023,(03):49.[doi:DOI:10.19950/j.cnki.cn61-1121/th.2023.06.008]
[5]莫文水.基于RBF神经网络的双馈风电机组最大功率追踪控制方法[J].工业仪表与自动化装置,2024,(03):105.[doi:DOI:10.19950/j.cnki.CN61-1121/TH.2024.03.019]
MO Wenshui.Research on maximum power tracking control method based on RBF neural network[J].Industrial Instrumentation & Automation,2024,(03):105.[doi:DOI:10.19950/j.cnki.CN61-1121/TH.2024.03.019]