支持向量回归在内模控制中的应用研究

提出支持向量回归内模控制的设计方法采用支持向量回归在线辨识算法建立被控对象的正模型,并利用先离线再在线辨识的方法建立被控对象逆模型.对非线性慢时变系统进行仿真研究,与其它方法的仿真比较结果表明SVR-IMC具有更好的控制性能.     

驾驶员转向特性分类与在线辨识研究

针对汽车驾驶员转向特性分类与在线辨识问题,基于驾驶模拟器实验台,设计典型实验工况,选取具有一定驾驶经验的驾驶员进行实验研究。采集驾驶员转向过程实验数据并提取特征值,应用模糊C均值聚类算法将驾驶员转向特性分为谨慎型、一般型和激进型三类;根据分类实验数据应用BP神经网络算法建立驾驶员转向特性辨识模型,对模型辨识准确度进行离线验证,并基于辨识模型设计在线辨识方法。实验结果表明:研究方法能够实现对驾驶员转向特性的合理分类和在线准确辨识。     

迟滞非线性系统辨识与补偿控制研究

针对智能材料中存在的迟滞问题,对其开展了迟滞非线性特性分析,建立了迟滞系统。该迟滞系统由两个部分串联构成:一部分是滤去传递函数影响的Preisach模型;另一部分是不考虑迟滞影响的系统传递函数。将离线和在线辨识方法应用到辨识迟滞系统中,应用最小二乘法离线辨识得到了辨识传递函数参数,再用此辨识传递函数参数作为神经网络辨识的初始权值,得到了神经网络在线辨识的辨识模型;建立了辨识传递函数的逆模型控制系统和前馈逆模型PID控制系统,并对辨识系统进行了迟滞非线性补偿。研究结果表明,模型辨识方法的可行性和补偿控制的有效性在仿真中得到了验证。     

迟滞动态模型辨识

介绍用Krasnosel′skii-Pokrovkii(KP)迟滞算子对所设计的超磁致伸缩驱动器中的频率无关迟滞特性进行建模.首先,给出了KP迟滞模型中的密度函数离散化的离线辨识方法.其次,为了能够使迟滞模型更好的与自适应控制理论结合,又提出了应用神经网络进行密度函数的自适应在线辨识.此神经网络的BP算法是以离散的KP算子为作用函数、以密度函数为权值.最后,仿真与实验验证了所提出的模型辨识方法的有效性.     

一种基于卡尔曼滤波的非线性模型在线模糊辨识算法

文章提出一种用于非线性模型在线辨识的模糊算法。该算法将非线性输入输出系统用时变线性系统模型来拟和，并把此非线性系统模型表示成模糊模型的形式，用在线调节模糊模型的方法来辨识时变线性模型的相关参数。本文将递推模糊聚类方法与卡尔曼滤波法用于在线调整模糊模型参数。仿真算例表明了此算法的有效性。     

MATRIXx软件在轧机液压自动辊缝控制(AGC)系统建模及仿真中的应用

根据液压AGC系统的构成，建立了轧机液压AGC系统的动态模型，使用基于参数的辨识算法对液压AGC的部分参数进行离线辨识，利用MATRIXx仿真软件对模型进行仿真，通过与实验结果对比验证了模型的准确性。     

液压挖掘机上车结构参数与液压缸摩擦力参数辨识

在液压挖掘机上车机械臂的动力学分析基础上,提出利用液压缸平稳低速运行时的动力学特性建立与摩擦力无关的挖掘机臂动力学模型,并运用该模型通过离线辨识确定臂的结构参数。基于经典摩擦力模型建立液压缸的辨识模型,通过在线辨识实验得到了液压缸的摩擦力参数,为深入研究液压挖掘机的动力学特性、建立可靠的系统仿真模型及实现臂运动的精确控制提供了依据。     

基于自适应滤波算法的齿轮传动系统振动主动控制

针对齿轮传动系统中由于内部激励产生的振动,以基频为衰减目标,提出并构建在齿轮轴上附加压电作动器的齿轮传动系统振动主动控制结构。由于次级通道的时变性,离线辨识难以跟踪次级通道的变化,提出一种次级通道在线辨识的自适应滤波算法进行齿轮传动系统振动的主动控制。在Simulink中搭建控制系统模型,并将控制算法代码下载到dSPACE中作为控制器,与齿轮传动系统振动主动控制结构组成硬件在环系统进行试验验证。先通过离线辨识确定次级通道模型阶数,然后在线辨识进行主动控制。试验结果表明,在不同的齿轮啮合频率下,齿轮箱体上的振动经过主动控制后有显著的减弱,在基频处最大有21 dB的衰减,控制效果十分明显;在齿频400 Hz频率时,由于带外超调现象,振动信号300～350 Hz的边频带有一定增加。     

基于次级通道在线辨识新算法的振动主动控制

提出一种基于改进滤波型最小均方(filtered-X least mean square,简称FXLMS)算法次级通道在线辨识方法,将其应用到结构自适应振动主动控制中。该算法可以消除主动控制环节和次级通道辨识环节相互影响,加快系统的收敛速度,并有效消除附加随机信号对待控制区域残余振动的影响,简化了系统算法的复杂度。将该方法基于LABVIEW进行振动控制仿真,从收敛性能和振动控制效果两方面进行比较,得出其改进优势。以简支梁为控制对象,用本研究方法进行结构振动主动控制的试验研究。结果表明,该控制系统对简支梁的振动响应有很好的抑制作用,说明该基于次级通道在线辨识的主动控制方法的有效性。     

交流感应电机参数辨识方法的综述

在矢量控制和直接转矩控制系统,电机参数准确性决定了系统控制性能.本文介绍了当前交流感应电机参数辨识的方法,例如有限元分析、递推最小二乘法、扩展卡尔曼滤波、模型参考自适应、人工神经网络和遗传算法等.最后介绍了参数离线辨识和在线辨识的作用.     

基于IIR结构的自适应滤波振动主动控制方法

当前自适应滤波前馈控制方法中具有代表性的是滤波-X最小均方(filtered-X least mean square,简称FX-LMS)算法,它通常假定干扰源可测且作为前馈控制器的参考输入,但实际振动控制过程中需要考虑控制输出反馈信号对参考信号的影响,因此滤波-X算法面向实际应用具有较大的局限性。针对这一问题,以机敏压电太阳能帆板结构为模拟试验对象,提出一种基于IIR(infinite impulse response,简称IIR)结构的滤波-U最小均方(filtered-U least mean square,简称FULMS)自适应滤波控制方法,着重分析了控制器结构设计、FULMS算法推理过程、试验模型结构设计、试验平台的构建及其试验验证等环节。经过与FXLMS算法对比仿真试验,笔者所设计的控制算法控制效果良好。将其进行试验验证分析,结果表明,所采用的控制器设计方法与控制算法收敛速度快,控制效果好,为自适应振动控制方法向实际工程应用提供了较好的研究基础。     

变结构单神经元自适应PSD控制算法研究

针对单神经元自适应PSD的特点,提出一种根据误差的大小而采用不同单神经元控制器结构的算法,分析了其稳定性和收敛性。对基于变结构神经元自适应PSD控制器的非织造布面密度在线控制系统进行了仿真研究与实际应用。结果表明改进后的控制器在稳定性和快速性方面都有很大的改善。     

FXLMS算法用于压电柔性结构多通道振动控制

以模拟太空帆板的压电机敏柔性结构为实验模型,针对结构振动响应主动控制技术需求,着重分析了多通道自适应滤波前馈控制方法及其FXLMS算法实现,以及受控通道模型参数辨识策略,并给出了详细的控制器设计结构图.针对实验模型对象设计、结构模态特性分析、压电元件优化配置、实验平台开发构建、相关软硬件测控环境、实验过程描述与结果分析验证,给出了研究思路与方法过程分析;进行了结构振动响应多通道主动控制实验并取得了良好的控制效果.结果表明,该控制器结构设计与自适应算法有效,为航天柔性结构振动响应分布式多通道控制提供了方法探索思路.     

Neural networks for tracking of unknown SISO discrete-time nonlinear dynamic systems

This article presents a Lyapunov function based neural network tracking (LNT) strategy for single-input, single-output (SISO) discrete-time nonlinear dynamic systems. The proposed LNT architecture is composed of two feedforward neural networks operating as controller and estimator. A Lyapunov function based back propagation learning algorithm is used for online adjustment of the controller and estimator parameters. The controller and estimator error convergence and closed-loop system stability analysis is performed by Lyapunov stability theory. Moreover, two simulation examples and one real-time experiment are investigated as case studies. The achieved results successfully validate the controller performance.     

A fast iterative recursive least squares algorithm for Wiener model identification of highly nonlinear systems

In this paper, an online identification algorithm is presented for nonlinear systems in the presence of output colored noise. The proposed method is based on extended recursive least squares (ERLS) algorithm, where the identified system is in polynomial Wiener form. To this end, an unknown intermediate signal is estimated by using an inner iterative algorithm. The iterative recursive algorithm adaptively modifies the vector of parameters of the presented Wiener model when the system parameters vary. In addition, to increase the robustness of the proposed method against variations, a robust RLS algorithm is applied to the model. Simulation results are provided to show the effectiveness of the proposed approach. Results confirm that the proposed method has fast convergence rate with robust characteristics, which increases the efficiency of the proposed model and identification approach. For instance, the FIT criterion will be achieved 92% in CSTR process where about 400 data is used.     

Acceleration tracking control combining adaptive control and off-line compensators for six-degree-of-freedom electro-hydraulic shaking tables

An electro-hydraulic shaking table (EHST) is an essential experimental facility to simulate in real-time actual vibration situations. An adaptive controller combined with off-line compensators is proposed to improve the acceleration frequency bandwidth and tracking accuracy of a six-degree-of-freedom (6-DOF) EHST. A servo controller has been employed to implement acceleration closed-loop and coordinate control of the 6-DOF EHST. A recursive extended least-squares algorithm is employed to identify acceleration closed-loop transfer functions and a zero-phase-error tracking controller is used to design off-line inverse model compensators using the identified transfer functions. However, the off-line compensators cannot compensate in real-time varying dynamics of the 6-DOF EHST; so an online adaptive controller with a least-mean-squares (LMS) algorithm based on a delay compensator is employed. The proposed controller combines advantages of the off-line compensators and the online adaptive controller, which guarantees both a fast rate of convergence of the LMS algorithm and high-fidelity acceleration tracking accuracy of the 6-DOF EHST. Some experimental studies have been conducted on a 6-DOF EHST and experimental results show that acceleration tracking control performances, including the rate of convergence of the LMS algorithm and acceleration tracking accuracy, have been improved compared to a conventional three-variable controller and adaptive controllers.     

基于伴随灵敏度的暂态稳定预防控制快速算法

针对已有算法难以适应现代电力系统在线预防控制的实时性要求的问题,研究了一种基于伴随灵敏度分析的暂态稳定预防控制快速算法,采用了约束转换技术来缓解大规模电力系统暂态稳定预防控制中的"维数灾"问题,提出了一种优化层-仿真层的双层结构以实现算法:优化层基于预测-校正内点法,利用近似海森矩阵的扩展生成方法以提高算法的准确性和收敛性;仿真层中采用伴随灵敏度方法实现了灵敏度快速计算,并使用非诚实牛顿法和雅克比矩阵重用技术以进一步提高计算速度。研究结果表明,该算法能够显著提高大规模电力系统的暂态稳定预防控制求解效率,且相较其他已有算法体现出极大的速度优势,完全能够达到现代电力系统在线预防控制对控制算法的实时性要求。     

Adaptive Control of Neutralization Process Using Recurrent Neural Networks

Abstract

This paper presents Recurrent neural Network (RNN) based adaptive control scheme for a pH neutralization process which is difficult to control due to its nonlinear dynamics with uncertainties. The proposed design comprises of both RNN estimator which adapts online and a RNN controller. Desired performance of the system is ensured by the parallel operation of both. The estimator weights are updated recursively by back propagation algorithm and controller weights are modified by steepest descent approach. Stability and convergence of proposed controller is guaranteed by Lyapunov stability analysis. Servo and regulatory performance of the system thus obtained by simulation is compared with a model based IMC controller. The RNN based controller is exhibits better performance as shown by the control simulation of a nonlinear pH neutralization process.     

一种改进变步长LMS算法及其在系统辨识中的应用

在分析传统LMS算法及变步长LMS的基础上，本文提出了一种改进的变步长LMS算法并应用于系统辨识。新算法利用瞬时误差的四次方和遗忘因子共同来调整步长，进一步解决了收敛时间和稳态误差的矛盾。将新算法应用到系统辨识中时，与传统LMS算法和变步长LMS算法相比，仿真表明新算法有更快的收敛速率。