具有鲁棒性的一种时变参数估计算法

时变参数的估计问题,对于动态系统的控制是十分重要的。针对一种基本模型,韩志刚给出了一种时变参数估计算法,该算法在一定条件下具有一些优良性质,但是没有考虑算法的鲁棒性。针对另一种基本模型Goodwin给出了一种带死区的投影算法,由于引入死区而使该算法具有鲁棒性。本文基于Goodwin给出的带死区的投影算法,在韩志刚给出的动态系统时变参数估计算法中引入死区,得到了一组新的算法, 法既能反映动态系统时变参数的时变特性,又具有一定的鲁棒性,并且在一定条件下具有快速跟踪性质。     

输入受限线性系统鲁棒抗饱和控制

针对抗饱和控制的鲁棒性问题,将研究扩展到对输入饱和非线性、时变参数和动态不确定性具有结构摄动的鲁棒性框架内,给出了一种线性时不变系统鲁棒抗饱和控制算法.鉴于积分二次型约束具有刻画结构不确定性的能力,选择在积分二次型约束框架下解决问题.以定标的线性矩阵不等式形式给出了系统分析和控制综合条件.飞行控制仿真结果说明此算法不仅可以成功克服饱和非线性,且对时变参数和动态不确定性具有良好的鲁棒性.     

一种改进的广义预测算法及其在三容液位控制中的应用

针对一类大惯性、慢时变对象,在基本广义预测控制算法的基础上,引入阶梯控制方法。同时充分利用预测信息,以实际误差对模型预测输出进行校正,给出了一种具有平滑滤波作用的控制算法,并将该算法应用于三容水箱控制中。实验结果表明:本算法能有效地抑制超调,抗干扰性强,鲁棒性好。     

黑箱系统的一种简便自适应预测控制策略

采用一种输入输出增量式一元线性回归模型作为黑箱系统的预测模型，应用投影算法估计模型参数．该模型将对象输出增量分解为2个分量：一个为非零控制增量作用下的强制分量，另一个为控制增量为零时的自由分量，是一种非齐次时变线性模型．此外，应用广义预测控制理论，提出了一种基于该模型的自适应多步预测控制策略，导出了基于该模型的多步最优预测算式和最优控制律．该控制策略不仅具有广义预测控制的强自适应能力和强鲁棒性，且模型参数少，算法简单，适用于黑箱系统的控制．仿真结果表明该控制策略是有效的。     

具有模型动态补偿的内模控制

本文提出了一种模型动态补偿方法,以减小模型与对象之间的失配,改善内模控制器对付时变系统的能力。该模型动态补偿器依据波波夫超稳定理论进行设计,保证了模型补偿结构的稳定性。仿真实验证明,该方法有较强的鲁棒性,能对付在一定范围内变化的时变系统,改进了内模控制器的性能。     

带有输入死区的航天器姿态有限时间控制

死区非线性是航天器姿态控制系统中一种普遍存在的执行机构非线性,它的存在会降低姿态控制系统的性能,甚至可能破坏系统的稳定性.为了解决带有输入死区非线性的航天器的高精度姿态控制问题,给出了一种有限时间控制方法,并且考虑航天器姿态控制模型中含有有界的不确定性且输入死区非线性仅部分信息已知.通过引入一个在指定时间内收敛到零的期望姿态变化曲线,并基于时变滑模控制理论设计鲁棒控制算法使得实际姿态和期望姿态之间的偏差始终保持足够小,从而保证实际姿态在指定的时间内收敛到原点附近.严格的理论分析表明,所设计控制律不仅可以保证闭环系统的信号有界而且可以使得实际姿态在指定的时间内收敛到并以指定的精度保持在原点附近.数值仿真结果表明,所提控制方法是有效的,该方法不仅能够保证系统状态具有很快的收敛速度、很高的控制精度,而且对于系统的不确定性具有很强的鲁棒性和抗干扰能力,因而在航天器的姿态控制中具有良好的潜在应用价值.     

模糊调节策略在模型参考自适应控制中的应用

本文在一种简化模型自适应控制的基础上，提出了一种基于模糊规律的参数调节方法．用模糊规则调节模型参考自适应算法中的自适应参数，消除了原算法中增益系数、输入信号幅值等对系统性能的不良影响，使ＭＲＡＣ中自适应参数仅依赖于系统误差的状态．大量阶越试验表明，在不同阶越幅度及负载时变的情况下，采用模糊调节后，系统均具有优良的动态性能，算法鲁棒性、稳定性优于模型参考自适应算法．     

利用NARMA模型辨识非线性时变结构系统

为了有效地进行非线性时变结构系统的辨识,提出了一种基于Kalman滤波算法的利用时变非线性自回归滑动平均模型的用于非线性时变结构系统辨识的新方法.首先,利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后,将非线性项展开为系统输出数据的多项式的形式.利用短时时不变假设,通过改变模型参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题.建立系统参数的随机游动模型,引入Kalman滤波算法估计系统的参数,实现对非线性时变结构系统的辨识.最后对一个具有非线性时变刚度的三自由度结构系统进行了仿真,结果表明:该方法可以有效地跟踪非线性时变结构系统的参数变化.遗忘因子的对比试验表明只有选择合适的遗忘因子才能得到合理的结果.     

一种新的基于粒子滤波的OFDM时变信道估计方法

提出了一种基于粒子滤波的OFDM时变信道和模型参数的联合估计方法.该方法将时变信道建成一个动态时变参数AR模型,在传统粒子滤波算法的基础上,引入核平滑收缩技术动态估计模型参数,进而估计信道状态,最终实现了状态方程参数和信道状态的联合估计.仿真结果表明:与传统的采用常系数AR模型的信道估计方法相比,该方法在估计精度和系统性能方面均有明显的改善.     

Fuzzy-Smith控制器在烧结制粒湿度控制中的研究

针对烧结制粒湿度控制系统具有纯滞后、模型参数时变的特性,在常规史密斯控制的基础上,结合模糊控制理论,设计了Fuzzy-Smith控制器.该算法利用Smith预估控制克服系统纯滞后的影响,利用模糊控制对模型参数要求的不精确性和不适应性.仿真结构表明,该控制算法具有较强的鲁棒性、有效地抑制了大纯滞后、时变的影响,对参数变化具有很强的适应性,对烧结制粒湿度控制能取得良好的控制效果.     

航天飞机动力学参数的辨识算法研究

再入段复杂的环境条件导致航天飞机动态模型的结构参数以较快的速度变化，从而影响整个飞行控制系统的控制品质．对此，本文采用一种新的辨识算法估计结构参数，计算结呆验证了算法的有效性．     

无辨识自适应算法的大滞后对象的控制方法

在实际工业生产中 ,由于对象纯滞后的存在 ,降低了控制系统的稳定性 ,使控制品质下降 ,对控制系统极为不利。对大滞后对象 ,Smith预估控制是一种重要方法 ,但常规Smith预估控制对模型的误差 (包括时间延迟的估计误差 )十分敏感 ,不适用于具有时变时延参数的系统。因此 ,常规Smith预估控制策略难以广泛用于工业控制 ,但该方法仍然得到了控制界的广泛认可。无辨识自适应控制是Marsik和Strejc提出的一种无需辨识系统参数的自适应控制算法 ,该算法简单、鲁棒性强 ,只需在线检测过程的实际输出及期望输出便可形成具有较好动态性能指标的自适应控制系统 ,但是该方法不能解决大滞后问题。借鉴无辨识自适应控制的思想和神经网络强的函数逼近能力 ,首先用一个神经网络来构成被控对象的Smith预估模型 ,然后利用无辨识自适应控制算法设计了一种适用于大滞后对象的控制器 ,两者结合 ,提出了一种简单、实用、鲁棒性强的大滞后对象控制的新方法     

AR模型参数自适应估计方法研究及应用

为了提高AR模型参数估计的精度和收敛速度,提出基于卡尔曼(Kalm an)滤波原理的AR模型参数估计方法.把AR模型参数向量作为状态向量,利用随机游动模型建立系统的状态方程,由观测数据建立系统的观测方程,应用卡尔曼(Kalm an)滤波原理求得参数向量的最小方差估计.将该方法应用于船舶运动实时建模预报中.仿真研究表明本文提出的基于Kalm an滤波算法的AR模型在预报精度以及收敛速度方面均优于基于递推最小二乘法(RLS)和最小均方(LMS)算法,该算法具有较强的鲁棒性,降低了实时在线预报时通信故障所引起的数据缺失对预报精度的影响.该方法在理论和工程应用方面具有重要的意义.     

基于改进3D-ESPRIT算法的三维GTD模型参数估计

三维旋转不变子空间（3D-ESPRIT）算法估计三维几何绕射理论（GTD）的散射中心模型时,参数精度不高,噪声鲁棒性较差,为此,提出一种改进的3D-ESPRIT算法.通过构建原始回波数据的共轭矩阵、对协方差矩阵叠加、取平均、平方处理,可提高对目标原始回波数据的利用率,并增大信号特征值与噪声特征值之间的差距,增大了信噪比,从而提高参数的估计精度.基于不同算法估计得到的三维GTD模型参数,比较了不同算法估计的参数均方差.仿真结果表明,改进算法的参数估计性能及噪声鲁棒性均优于经典3D-ESPRIT算法和改进的免配对3D-ESPRIT算法.     

基于ITAE标准函数的纯滞后系统控制

针对纯滞后控制对象,提出了一种基于ITAE标准优化函数的控制器设计方法,将控制器和对象构成的闭环传递函数等效为具有ITAE控制指标的ITAE最佳传递函数,从而求解出控制器参数.对于纯滞后对象,利用一阶Pade近似式来近似纯滞后环节,给出了改进后的系统模型,利用ITAE控制器在模型匹配和失配情况下进行了仿真研究,结果表明:所提出的设计算法简便实用,避免了复杂的参数在线调整过程,在系统模型发生摄动的情况下,均有着较传统PID控制更好的稳定性和鲁棒性,显示了这一设计方法较好的应用前景.     

模糊自适应学习控制(FALCON)在磨矿分级系统中的应用

文中提出了一种基于模糊自适应学习控制结构下新型的混合学习控制策略,针对磨矿分级系统,析取工艺专家系统,借助于工业现场总线网络,对整个磨矿生产过程得到的成功的控制,整个控制器具有良好的鲁棒性和精确度,辅助计算机数字仿真表明,此种控制算法具有广阔的应用潜力。     

一种时变系统模型结构确定和参数估计新算法

将参数检测技术和辨识方法相结合，系统结构在线辨识和参数跟踪相结合，基于Ｕ－Ｄ分解技术，提出一种时变系统结构确定和参数估计的最小二乘辨识新算法。该算法不仅可实现系统阶次和参数的同时估计，而且通过对损失函数的实时监测，实现协方差阵的自适应调整，使辨识算法收敛速度快，对时变系统阶次和参数变化均有很强的跟踪能力。     

时变多变量系统多新息投影算法的均方收敛性

利用随机过程理论研究了时变多变量系统多新息投影辨识算法的均方收敛性,给出了参数估计误差上界的计算公式,并阐述了获得最小均方参数估计误差上界时,数据窗长度的选择方法．本文的研究成果对提高辨识算法的实际应用效果有重要意义．     

电动汽车电机转速估计方法研究

该文对几种常见的无速度传感器电机控制方法进行了研究介绍，并按照其参数的鲁棒性和系统抗干扰能力进行分类。完全依赖电机物理参数和电磁方程的转速估计算法参数鲁棒性差，算法抗噪能力弱。部分依赖电机参数和电磁方程的转速估计算法分为4种方法，重点介绍了模型参考自适应方法，并对模型参考自适应和滑膜观测器算法进行了仿真。阐述了独立于电机参数和电磁方程的转速估计算法的两种高频信号算法和一些人工智能算法，总结了各个算法的优缺点和适用性。     

基于RS-GA-BP神经网络的住宅房地产估价模型与应用

针对一般住宅房地产估价问题的非线性特征,融合粗糙集方法、遗传算法和神经网络算法的优势,提出了一种新的住宅房地产估价模型一基于粗糙集、遗传算法和BP算法集成的住宅房地产估价模型．首先对影响房地产估价因素进行离散化处理,其次利用粗糙集方法对估价因素进行约简,即精减BP神经网络的输入变量,最后利用遗传算法来优化BP神经网络初始权重和阈值．优化后的BP神经网络具有较好的处理非线性问题的能力,收敛速度和仿真精度较传统BP算法都有了明显的提高．选取某市工程案例进行实证分析,研究结果表明,新的估价方法能较客观准确地估测住宅房地产的价格,在住宅房地产估价中具备较高的实用性．