基于支持向量机的非线性内模解耦控制

针对非线性内模控制在应用于多变量系统时逆模型难以建立的问题, 提出了支持向量机α阶逆系统的内模解耦控制方法. 该方法利用支持向量机辨识非线性系统的逆模型, 并将其串连在原系统之前, 运用逆系统方法的思想, 将一个多变量、非线性、强耦合的复杂系统通过反馈线性化解耦成多个相互独立的单输入单输出的伪线性复合子系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真试验表明该方法不需要系统精确的数学模型, 较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决多变量非线性系统控制的一种可行的理论方法.     

基于SVM逆系统的非线性系统广义预测控制

针对工业过程中普遍存在的非线性被控对象,提出了一种基于支持向量机（SVM）逆系统的广义预测控制算法。该方法根据广义预测控制基于预测模型的特点,将基于支持向量机系统辨识的方法应用于逆系统构建和广义预测控制。该方法利用SVM强大的非线性映射能力离线辨识被控非线性系统的α阶逆模型,并将辨识出的逆模型连接在原被控统之前形成一个α阶纯延时伪线性系统。然后采用广义预测控制（GPC）算法实现对构造出的伪线性系统的预测控制。仿真实验表明了该算法的有效性和优越性。     

基于SVM逆系统控制方法的电液变气门系统的升程控制

针对电液可变气门系统的升程控制,提出了基于支持向量机(SVM)的α阶逆系统控制模型.该方法适合高阶非线性系统的控制问题.根据系统的输入输出,离线建立变气门逆系统的辨识模型,然后将SVM逆系统串接在原系统之前,构成伪线性系统.仿真结果表明:基于SVM的α阶逆系统控制模型,对电液变气门系统的升程,表现出了良好的控制特性.     

基于支持向量机广义逆的直线永磁游标电机内模解耦控制

针对直线永磁游标电机这一多变量、强耦合的非线性系统, 提出一种基于支持向量机广义逆内模控制的方法. 在证明其数学模型存在广义逆的基础上, 通过支持向量机来辨识原系统的广义逆系统, 经复合后得到具有线性关系的伪线性系统, 然后引入内模控制方法设计附加控制器以增强整个系统的鲁棒性. 仿真结果验证了所提出方法具有良好的解耦性能和抗干扰特性.

     

基于α阶逆的大时滞非线性动态矩阵控制

针对一类大时滞非线性系统,提出了基于α阶逆的动态矩阵控制新方法.该方法采用BP神经网络辨识逼近原非线性系统的α阶逆系统,并与原系统串联复合组成伪线性系统;采用基于线性系统的动态矩阵预测控制方法设计系统附加控制器.在系统存在建模误差、存在扰动和模型参数发生较大变化等情况下,采用该控制方法依然具有很好的动、静态性能和很强的鲁棒性.给出了详细的设计原理和步骤,并通过大量的仿真分析与已有的大时滞非线性系统内模控制研究结果进行了比较:内模控制依赖于系统模型,当模型出现严重失配的情况下,系统性能变坏,而采用提出的方法则不依赖系统精确的数学模型,计算量小,简化了非线性系统的设计;研究与仿真结果证明了所提控制方法的有效性.     

基于神经网络逆系统的无轴承异步电机非线性内模控制

针对无轴承异步电机非线性、多变量、强耦合的特点,提出一种基于神经网络 α阶逆系统方法的非线性内模控制策略.将用动态神经网络逼近的无轴承异步电机 α阶逆模型与原系统复合,将非线性的无轴承异步电机原系统解耦成转子径向位移、转 速和转子磁链四个独立的伪线性子系统.为了保证 系统的鲁棒性,对伪线性系统引入内模控制,仿真和实验研究验证了所提控制方法的有效性.     

基于逆系统多模型内模主动容错控制

针对现有非线性系统对故障容错的快速性和可靠性不足,从而导致容错失败的问题,为解决上述问题,研究了一类具有可能故障先验知识的非线性系统,提出了一种基于最小二乘支持向量机(LS-SVM)建模的逆系统多模型内模主动容错控制方法.采用 LS-SVM 对系统正常以及各种先验故障情形的逆系统进行建模,构造系统的逆模型库,根据逆系统方法将逆模型与被控系统串联形成伪线性系统,设计具有良好鲁棒性能的内模控制器.系统在线运行时,监控决策机制基于对系统性能指标的仿真计算,结果表明在无需改变内模控制器的情况下达到对非线性系统故障容错的快速性和可靠性,证明方法的有效性.     

基于逆系统方法的非线性内模控制

针对一类非线性连续系统,利用小波网络逼近原系统的α阶积分逆系统,针对复合后 的伪线性系统提出了基于逆系统方法的内模控制,证明了闭环系统的鲁棒稳定性,分析了系统 性能.仿真结果表明所提的方法控制性能好,精度高,且控制器设计简单.     

基于最小二乘支持向量机逆系统的赖氨酸发酵过程解耦控制

将逆系统方法与支持向量机相结合,提出了一种基于最小二乘支持向量机（LS-SVM）的阶逆系统的赖氨酸发酵过程多变量非线性解耦控制方法．在分析了系统可逆性的基础上,利用具有高斯核函数的LS-SVM离线建立赖氨酸发酵过程的非线性逆模型．将得到的LS-SVM逆系统串联在原反应系统之前,使得复杂的非线性多变量系统解耦成多个相对独立的单输入单输出伪线性子系统,从而可用线性系统控制方法对其进行控制．仿真结果表明,LS-SVM逆系统解耦控制方法具有良好的逼近非线性系统的性能．该方法为实现多输入多输出非线性系统的解耦控制提供了一条新的思路．     

基于最小二乘支持向量机的无轴承同步磁阻电机解耦控制

无轴承同步磁阻电机是一个复杂的多变量、强耦合非线性系统,实现其非线性动态解耦控制是无轴承同步磁阻电机稳定运行的前提.在推导其数学模型的基础上,采用最小二乘支持向量机的方法得到无轴承同步磁阻电机逆模型;根据逆系统基本原理,将复杂的原非线性多变量耦合系统解耦成伪线性系统;根据线性系统理论,设计了闭环控制器,并构建了系统仿真模型.仿真结果表明该方法实现了系统的动态解耦,并且具有良好的动、静态特性.     

基于LS-SVM逆系统的无轴承异步电机解耦控制

无轴承异步电机具有非线性、多变量和强耦合的特点,要实现电机稳定悬浮和旋转运行,必须对其进行非线性动态解耦控制。为了克服逆系统方法精确建模难的局限性,采用基于最小二乘支持向量机(LS-SVM)α阶逆系统方法对无轴承异步电机进行动态解耦控制的研究。首先利用最小二乘支持向量机辨识出无轴承异步电机的逆模型,然后将它串联在原系统前,将无轴承异步电机解耦成四个独立的伪线性子系统-2个径向位移子系统、一个速度子系统和一个磁链子系统。为保证鲁棒性能,最后对解耦后的系统采用非线性内模控制策略。研究表明,LS-SVMα阶逆系统方法能够实现无轴承异步电机径向悬浮力和旋转力之间的动态解耦控制,控制系统具有良好的静态和动态性能。     

基于逆系统的赖氨酸发酵多变量解耦内模控制

针对赖氨酸发酵过程的时变、非线性和高耦合性,提出基于逆系统的赖氨酸发酵多变量解耦内模控制方法。根据动态递归模糊神经网络(DRFNN)的非线性辨识原理离线建立发酵过程的逆模型,将得到的逆模型串联在发酵系统之前,实现了发酵过程输入输出解耦线性化,从而得到伪线性系统;对复合后的伪线性系统采用内模控制。仿真结果表明,该方法能够适应赖氨酸发酵过程模型的不确定性和参数的时变性,具有较强的鲁棒性,且结构简单,易于实现。     

基于LS-SVM非线性内模控制在焊缝跟踪中的运用

针对单纯的模糊控制器在焊接机器人的焊缝跟踪中的控制精度欠佳、自适应性不强等问题,设计了一种新的用于焊缝跟踪的LS-SVM非线性内模控制器。通过样本数据建立系统固定的LS-SVM逆模型,与系统串联成精确的伪线性系统,对伪线性系统采用鲁棒性强的内模控制。仿真结果表明该方法具有很好的跟踪结果。     

基于支持向量机逼近的内模控制系统及应用

针对同步发电机组汽门系统, 文章研究了一种基于支持向量机逼近的内模控制系统. 所研究的控制系统包括两个主要部分: 支持向量机逼近逆控制器、内模框架下的不确定性补偿. 由基于泰勒扩展的输入输出逼近模型计算逆控制律, 并由非线性系统辨识来实现. 同时, 采用一个鲁棒滤波器实现内模框架下的不确定性补偿. 针对汽门系统的仿真实验验证了该控制系统的优良性能.     

基于逆系统迭代学习观测器的故障调节方法

针对一类满足Lipschitz条件的多输入多输出非线性可逆系统执行器故障问题,提出了一种基于迭代学习观测器的逆系统内模故障调节方法。引入PD型迭代学习策略,设计了迭代学习故障诊断观测器,用于对执行器未知时变故障进行快速、准确估计。根据故障估计值,结合逆系统方法对逆模型进行补偿,使得补偿后的逆模型与非线性被控对象串联仍为伪线性系统;再结合内模控制实现了伪线性系统的容错控制。最后,通过仿真算例验证了该方案的有效性。     

基于LS-SVM/PID复合逆系统的预测控制

为了提高预测控制算法的控制性能,提出一种基于最小二乘支持向量机(LS-SVM)/PID复合逆系统的预测控制算法。该算法在PID控制的基础上,利用LS-SVM离线建立被控对象的非线性逆模型作为前馈控制器,形成直接逆控制,其克服了逆系统方法鲁棒性不强的缺陷,并与原系统串联构成一个伪线性系统;然后,结合预测控制算法实现系统的预测控制。仿真结果表明,该算法具有较好的跟踪性能和抗干扰能力。     

含静止同步串联补偿器的单机系统非线性综合控制器设计

本文考虑含静止同步串联补偿器(SSSC)的单机无穷大系统、汽门、励磁各变量间的相互作用建立了4阶多变量3输入3输出非线性模型, 在此模型基础上, 运用动态逆系统方法完成解耦和线性化, 构造出3个单输入单输出的伪线性系统, 并采用变结构控制理论分别设计控制器. 根据MATLAB仿真结果验证了该控制方法对发电机功角, 机端电压和传输功率这3个控制指标有很好的控制效果.     

神经网络α阶逆系统在离散非线性系统控制中的应用

给出一般离散非线性系统的神经网络α阶逆系统(将α阶逆系统与原系统直接串联起来,构成一伪线性系统,具有α阶时延性质)的结构与辨识,并研究其在非线性系统控制中的直接应用。仿真结果表明该方法具有较普遍意义,且结构简单,易于实现。     

基于SVM逆模型控制的储能电源逆变器研究

电网供电系统的储能电源变换器是储能电源系统的核心,其控制效果的好坏直接影响输出电能的质量.为进一步提高储能电源逆变输出电压波形质量,增强控制系统的鲁棒性,基于逆系统控制思想,提出一种支持向量机(SVM)直接逆控制与PID控制相结合的复合控制策略,并将其应用在储能电源控制系统中.采用支持向量机离线训练的方法,实现了对系统逆模型的辨识,并将辨识出的逆模型作为控制器,与被控对象串联构成一个伪线性系统,在此基础上,采用增量式PID控制器(IPIDC)进行补偿式控制.Matlab仿真结果表明该控制器有效减少了超调量,抗干扰能力和鲁棒性强,适用于非线性系统.     

基于区间自组织映射的α阶逆系统控制研究*

为了提高α阶逆系统在控制中的鲁棒性,提出了区间自组织映射模型。根据定义的损失函数,利用梯度下降法得到新的模型竞争学习算法,并证明了该竞争算法的收敛性。利用区间自组织映射良好的逼近性能辨识非线性系统的α阶逆系统,并将其串联在原系统之前得到复合伪线性系统。仿真结果表明,该逆系统有较高的精度,逆控制器有良好的跟踪效果和较强的鲁棒性。