基于倒立摆系统的可拓控制策略研究

在可拓控制器设计方法的基础上,改进了基本可拓控制器的控制算法．将常规的单输入单输出可拓控制推广到单输入多输出系统,并将可拓控制器应用于旋转式倒立摆系统,以验证它的有效性及控制能力．     

多层前馈神经网络在自动控制系统中的应用

基于神经网络所具有的灵活强大的学习能力,提出了一种用多层前馈神经网络实现的控制器．该控制器通过学习系统的逆动力学特性,能由系统反馈回的输入／输出状态及未来期望输出值直接得到应加在系统输入端的控制量．另外,通过引入系统的神经网络正向模型,可将系统输出端的误差经网络逐层反传,在线调节神经网络控制器的权重,从而使控制器具有自学习能力,以适应控制对象参数的变化,确保良好的控制效果．     

离散线性随机系统输入-输出关系的数学描述

本研究离散线性随机系统输入一输出间的关系,证明了任何线性随机系统的输出方差与其控制输入无关,此即意味在任何意义下由方差极小化而得最优控制是不可能的。证明了输出与定义为输出偏差的集点之间的期望差依赖于控制信号的选择。基于此,得到了输出偏差极小化的最小偏差(MB)控制器。另一涉及输入一输出关系的重要概念是线性随机系统完全i-步输出可达性,给出了由输入-输出随机差分方程所描述的多变量随机系统完全i-步输出可达性的充要条件,由此又导出了捡验输出可达性的直捷方法。     

分层多变量可拓控制器及其应用

针对工业过程中普遍存在的多输入—多输出系统,利用分层多变量模糊控制器的思想,提出了分层多变量可拓控制器的概念,将常规的单输入—单输出可拓控制推广到多输入—多输出系统,并应用于具有强耦合特性的家禽孵化过程,取得了满意的控制效果     

可重构机床控制的模块化设计方法

为达到控制重构与机械重构同步的目标,提出了一种利用控制模块构造层次结构的可重构机床控制器的模块化设计方法.该方法将整个控制器和各层上的独立控制模块都看作是一个有限状态机与一组输入、输出事件的集合,并将每对输入、输出事件集合定义为控制模块的一个端口,而输入事件集合组成该端口的可识别语言.在装配机械模块的同时,利用端口语言连接相应的控制模块,并构造高层控制模块直至创建整个控制器,从而实现可重构机床控制与机械重构的同步.介绍了离散事件系统的有限状态机的表达,给出了控制模块的有限状态机和连接定义、设计和构造模块化控制器的方法及原理,并证明了按照此方法正确地设计和连接控制模块,所创建的控制器是可控制的.     

时滞系统的T-S模糊PID控制

以输出误差e、误差积累Σe、误差变化率△e为控制器输入,设计了三输入单输出的T-S模糊PID控制器。针对时滞系统,分别采用传统PID控制器、Smith预估补偿器、T-S模糊PID控制器进行控制并仿真比较,结果表明：T-S模糊PID控制器具有控制精度高、响应快速、适应性强的特点;当时滞系统的时滞发生较大变化时,控制器仍具有很好的控制效果,系统稳定。     

模糊控制理论在UPFC控制器设计中的应用

将模糊控制理论应用于UPFC控制器的设计中,设计了主、辅两个模糊控制器．其中主控制器以UPFC串联侧输出电压的横向分量和纵向分量分别控制线路的有功与无功,以并联侧输出电流的横向分量和纵向分量分别控制节点电压和直流侧电容电压,而辅助控制器以线路功率作为反馈输入,采用了带自调整因子的控制策略．为了简单起见,在模糊控制器的设计中,对控制器输入量的模糊化和输出量的清晰化都采用了非均匀变换的方法．仿真结果表明：所设计的UPFC模糊控制器及辅助模糊控制器可以很好地提高系统的功角稳定性并改善电压质量．     

关于模糊PID控制器的应用设计

研究了模糊PID控制器在直流调速系统中的作用，将常规PID控制器改善为模糊PID控制器，使其参数能进行模糊自整定．这是一种常规的PID控制和模糊控制相结合的方法．该方法利用模糊控制理论，以误差和误差变化作为输入语言变量，以输出增量作为输出语言变量，可有效地改善系统的稳态性能指标。     

线性广义系统的输入-输出能量解耦

考虑线性广义系统的输入-输出能量解耦问题，即从输入-输出的能量关系上实现解耦，使得任何一个输入能量主要控制对应的一个输出的能量，对其他输出能量的影响尽可能小．利用线性矩阵不等式，给出线性广义系统能够输入-输出能量解耦的充分条件，使得闭环系统具有上述性能，同时也是容许(即正则，稳定，无脉冲)的，并且基于线性不等式的解提出了相应的控制器设计方法，最后利用结果提出线性广义系统输入-输出能量解耦的算法并给出一个数值算例．     

具有通信约束的网络化控制系统ＬＱＧ控制器设计

针对一类具有噪声影响的通信受限多输入、多输出网络控制系统,利用非均匀采样方式将其 建模为一类集控制与调度为一体的网络化控制模型,根据卡尔曼滤波器思想设计了最优状态估计 器和最优保性能输出反馈控制器并在此基础上给出系统渐近稳定的充分条件．通过仿真验证了所 提算法的可行性．该设计方法特别适用于通信受限情况下,系统存在多种信号类型时,可方便的根 据不同信号特征设置系统的采样周期和调度周期,从而克服原离散周期性时变系统的控制器受通 信序列周期性约束问题,避免多个控制器周期性切换,增加控制系统设计的自由度,提高系统动态 重构能力和整体性能．     

非线性神经网络自适应控制及其在导弹中的应用

研究了用神经网络控制未知动态特性的非线性系统。基于神经网络学习系统的反向动态特性，调整控制网络的参数，使控制系统具有自适应的特性。网络学习采用误差反向传播算法，仅需要对象的输入输出值。对含有非线性环节的系统，该方法取得较好的效果。     

一类基于对象正向模型的神经网络自适应控制器的设计

提出了一种基于对象正向模型的神经网络自适应控制器 ,该方法只须辨识对象的正向模型 ,将神经网络与优化方法相结合 ,对控制量进行优化迭代求解。仿真结果表明 ,该算法能精确跟踪设定输出 ,响应速度快 ,超调量小 ,无稳定误差 ,控制效果好     

非线性系统模糊神经网络直接自适应控制

提出一种基于模糊神经网络的自适应控制方法。由模糊神经网络构成非线性预测器，利用使预测输出等于参考输出，生成实时控制信号。对自适应算法进行了理论分析，结合实例进行了仿真。     

一种非线性系统的鲁棒型预测控制算法

提出一种基于神经网络的鲁棒型广义预测控制(GPC)方法,该方法首先用神经网络对非线性系统进行辨识,然后在控制中将模型输出值与测量输出值进行综合,代替量测输出用于控制中,从而降低辨识器与控制器对未建模动态的敏感性,增强控制器的适应能力和鲁棒性.仿真结果表明:将本方法应用于非线性系统控制,对未建模动态具有较强的鲁棒性和控制能力.     

挠性航天器姿态机动智能变结构输出反馈控制

针对挠性航天器飞轮输出力矩受限情况下的姿态机动问题,提出了一种将变结构和神经网络控制相结合的智能鲁棒控制方法.基于挠性模态不可测的特点,首先给出了仅利用输出信息的智能变结构输出反馈控制器的设计方法来完成姿态机动的控制目标,并基于Lyapunov方法分析了滑动模态的存在性及系统的稳定性.智能控制的引入使得控制器具有很强的自适应、自学习的能力,降低饱和非线性对系统产生的影响.最后,将本文提出的控制方法应用于挠性航天器的姿态机动控制,在反作用飞轮的控制受限条件下,完成姿态机动的同时,可有效地抑制挠性附件的振动.     

模糊神经网络自适应控制在循环流化床锅炉燃烧控制系统中的应用研究

循环流化床锅炉是一种比较复杂的被控对象,采用常规的控制方法难以收到好的控制效果。在本文中,根据模糊控制理论和神经网络技术,一种模糊神经网络控制器被提出,通过对神经解耦网络的合理设计,使得该控制器不但可以适应被控对象的变参数运行工况,而且可以实现循环流化床锅炉燃烧过程主汽压力与床层温度的解耦。仿真试验和现场应用结果证明,本文提出的模糊神经网络控制器对循环流化床锅炉燃烧过程具有良好的控制效果。     

Neural network modeling and control of proton exchange membrane fuel cell

A neural network model and fuzzy neural network controller was designed to control the inner impedance of a proton exchange membrane fuel cell (PEMFC) stack. A radial basis function (RBF) neural network model was trained by the input-output data of impedance. A fuzzy neural network controller was designed to control the impedance response. The RBF neural network model was used to test the fuzzy neural network controller. The results show that the RBF model output can imitate actual output well, the maximal error is not beyond 20 m-, the training time is about 1 s by using 20 neurons, and the mean squared errors is 141.9 m-2. The impedance of the PEMFC stack is controlled within the optimum range when the load changes, and the adjustive time is about 3 min.     

神经网络自适应控制技术在空调系统中的应用

目的采用神经网络自适应控制方法，来解决中央空调系统大惯性、大时滞问题，提高控制效果．方法利用两个BP神经网络NNC和NNI，分别做控制器和辨识器，神经网络辨识器通过采集相关的输出量，监控系统的工作状态，并通过实时调整神经网络控制器参数．结果实现中央空调智能控制，仿真结果验证有良好的动态性能和稳态性能．结论神经网络自适应控制器优于常规控制器．调节速度快，超调小，具有良好的控制性能．     

基于粒子群优化的汽温系统神经网络自整定PID控制

为了使神经网络PID取得更好的控制性能,采用改进的粒子群算法对神经网络的权值进行优化,通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象进行的仿真研究结果表明,所提出的嵌入混沌序列的小生境粒子群算法可以避免局部极小,具有全局优化的能力,对神经网络PID的权值优化是成功和有效的,使得具有多模型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。