【摘 要】
：
自整定PID控制器历经了10年的发展,已被广泛应用于工业过程控制.该论文先简单介绍自整定PID控制器的现状和发展,然后再分析PID控制器参数自整定的原理,在对目前各种PID控制器参数自整定方法进行分析、比较后,对PID控制的比例(P)、积分(I)、微分(D)三个环节对系统稳定性和过渡过程特性的影响作了系统的介绍.
论文部分内容阅读
自整定PID控制器历经了10年的发展,已被广泛应用于工业过程控制.该论文先简单介绍自整定PID控制器的现状和发展,然后再分析PID控制器参数自整定的原理,在对目前各种PID控制器参数自整定方法进行分析、比较后,对PID控制的比例(P)、积分(I)、微分(D)三个环节对系统稳定性和过渡过程特性的影响作了系统的介绍.
其他文献
NOx在固体表面的吸附是催化还原反应的关键。本文运用密度泛函理论方法研究了单一NO分子、NO2分子在本征LaFeO3(010)表面的吸附行为及B位离子(B=Ni2+、Cu2+、Zn2+)掺杂、氧空位缺陷对吸附性能的影响，获得最佳吸附模型表面为LaFe1-xNixO3-δ(010)表面，并进一步研究了NO和NO2在LaFe1-xNixO3-δ(010)表面的共同吸附。通过几何优化吸附体系获得能量最低
城市电网规划是一个覆盖面很广的课题,其主要研究内容包括:电力负荷预测、变电站变化、网架规划、配电网潮流计算、无功规划、正常和故障状态下的可靠性分析、配电网自动化等.配电网潮流计算和配电变压器的优化做了一些研究工作.
为了能在实验室中对VFTO作用下SF气体间隙及绝缘子沿面放电特性进行研究,该文设计了VFTO波形模拟装置,可产生单一振荡频率的快速振荡冲击电压(FOI),其上升时间仅十几纳秒,最高振荡频率接近20MHz,可满足研究需要.同时,为了能对FOI作用下放电过程有较好的了解,该文分别建立了预放电电流和发光测量系统及放电的高速分幅拍摄系统,可实现对SF气体在预放电通道形成过程中的光电测量.为了研究VFTO对
配电网潮流是配电网无功优化的基础和工具,其计算速度和收敛性将直接影响优化的效果.该文通过编程实现了三种比较有代表性的配网潮流方法,并根据实际算例进行了数值比较和理论分析,选择敛性好、计算速度快的支路电流法,并在常规支路电流法的基础上对其进行了改进,进一步提高了算法的计算速度.该文从配电网的实际情况出发,由高压输电网无功优化数学模型导出了低压配电网无功优化的数学模型,并用遗传算法实现了基于以上数学模
在量子资源理论框架下，量子相干是一种重要的可利用物理资源，可用以实现经典信息处理中难以实现的量子通信和量子计算。相对于研究日趋成熟的量子纠缠而言，人们对量子相干的研究刚刚兴起，近年来逐渐成为量子理论基础研究的热点问题。量子相干的研究领域十分广泛，从相干性的度量、相干的动力学演化与保护、相干与其他非经典关联的关系到相干的应用等方面都有涉及。其中，从资源理论的角度出发对量子相干态的操控也是研究的主要课
卷积神经网络作为人工智能领域中一种重要方法，在计算机视觉、自然语言处理等领域表现出相对于传统算法极大的性能优势，被广泛应用在各种生活场景中。不过随着卷积神经网络性能的提升，网络中的计算量和参数量也日益增大，这限制了其在手机、物联网终端设备等计算和存储能力有限硬件中的应用。针对该情况，本文对神经网络压缩和加速算法进行研究，提出一种基于张量分解的卷积神经网络加速算法。另外当利用张量分解对多个卷积层进行
近年来，随着移动通信技术的迅猛发展，特别是第五代移动通信具备了比以往更高传输速率、更大带宽容量和更低时延的特点，传统的通信技术已经无法充分地满足新兴应用的要求。为了提高容量和频谱利用率，大规模多输入多输出(Massive MIMO)作为一种关键技术，在第五代移动通信系统的建设中发挥重要作用。其中，二维扫描多波束阵列天线作为MassiveMIMO技术的重要载体之一，在第五代移动通信的应用引起了学术界
近年来,将铁电薄膜与半导体电路相集成并研制红外热释电阵列,得到了各国的高度重视.该文困绕铁电薄膜制备技术和红外探测器件研制过程中相关的若干关键问题,开展了三方面的研究工作.其一,以Sol-Gel法制备出适合非制冷红外探测器件用的高质量铁电薄膜;其二,MgO薄膜过渡层的制备和PLCT/MgO/Si结构的电学性能研究;其三,(100)取向富锆PZT铁电薄膜以及(100)取向PLCT铁电薄膜的结构与相关
该文大量调研了国内外在S激光器及其光谱特性方面的研究成果,在此基础上,通过对硫蒸汽及S激光介质的特性分析可知,要想获得激光振荡且具有宽谱区准连续可调谐激光输出,必须经过有效离解与激励过程,而高压大电流窄脉宽的快脉冲放电方式则是达到此目的的可行途径.针对S.R.Leone的AD报告中所给出横向脉冲放电型S激光管设计方案中存在的以下几点不足之处:第一、传输阻抗大(电极材料选用的是具有铁磁性的Kovar