主动控制技术在飞机侧向运动模态中的应用

研究了主动控制技术在飞机侧向运动模态中的应用。用动态逆方法对多变量系统解耦。对修正因子、比例与积分因子寻优，获得性能优良的模糊控制器。将动态逆与模糊控制方法相结合，构成了一种动态解耦模糊控制综合方法。用该综合方法对某飞机侧向直接力控制系统进行了设计，并与动态逆方法进行了比较，提供了鲁棒性验证与仿真比较结果。仿真结果表明，该综合方法能够对飞机侧向模态进行良好的控制，并能够有效地抑制系统内部参数变化对系统输出的影响。     

基于dSPACE的感应电机逆系统解耦控制

给出了一种基于dSPACE的实现感应电机定子磁链和转速动态解耦的逆控制系统.根据感应电机调速系统的动态数学模型,证明其可逆性,并将静止两相坐标系下感应电机模型解耦成转速和定子磁链两个子系统.在此基础上,利用线性控制理论对各个调节器进行了设计;阐述了基于dSPACE实现感应电机解耦控制逆系统的构成.实验表明,控制方案有良好的静、动态性能.     

逆系统理论在水下机器人控制中的应用

本文研究水下机器人的航行控制问题,水下机器人模型具有高度的非线性和强耦合,用古典的控制方法对其进行高质量的控制很难.本文将非线性系统综合的一种新方法——逆系统动态补偿解耦控制应用到水下机器人的航行控制中,并给出了理想的仿真结果.     

直线电机驱动的磁悬浮平台推力动态解耦控制

介绍一种新型的磁悬浮平台，应用多变量非线性的逆系统理论。对直线电机驱动的磁悬浮平台这一多变量、非线性、强耦合的对象通过状态反馈进行动态解耦控制，使其成为三个子系统，并用线性理论进行分析，采用复合控制．仿真结果表明，这种控制方案有较好的动态和静态特性．     

基于可变增益LMS算法的自适应逆可重构控制

针对飞控系统的可重构设计问题，提出了解耦控制与自适应逆控制(Adaptive Inverse Control)相结合的控制策略。首先采用线性动态逆方法设计了某型飞机的滚转角控制回路，实现飞机滚转与侧滑之间的解耦；其次，给出了具有可变增益的基于ε-滤波的LMS算法，在系统解耦的基础上构建了自适应逆控制系统，从而实现系统在舵机故障下的重构控制。仿真结果表明，这种基于改进的ε-滤波可变增益LMS算法的自适应逆可重构飞行控制系统具有良好的系统故障恢复功能，表明了其在飞控系统重构中的有效性。     

包含静止无功发生器的电力系统逆系统解耦控制

研究包含静止无功发生器SVG(Static VAR Generator)的单机-无穷大电力系统中逆系统方法的应用.首先给出研究对象的数学模型,将静止无功发生器作为一无功电流源来处理.发电机采用二阶简化模型,在此情形下,给出包含SVG的单机-无穷大系统的三阶动态模型.然后论述逆系统方法的基本概念.利用求逆算法,逐步给出系统的逆系统、反馈控制规律、α-阶积分逆系统、伪线性系统(积分解耦系统).对所得解耦系统,应用最优控制方法进行综合.仿真结果显示了此方法的有效性.     

基于逆控制的直线电机驱动磁悬浮平台推力系统

介绍一种新型的磁悬浮平台，由于该直线电机驱动的磁悬浮平台的推力系统是一个多变量、非线性、强耦合的对象.为了达到较好的控制效果，应用逆控制算法，对它进行解耦控制，使其成为无耦合的三个子系统.然后根据线性系统理论进行主通道控制器的设计.同时配以速度前馈控制器来改善动态性能.仿真实验结果表明，这种控制方案达到解耦的效果，有良好的动态、静态特性，满足半导体微细加工、电路板制造、微组装系统、高速贴片等高精度定位的场合.     

基于逆控制的直线电机驱动磁悬浮平台推力控制的研究

介绍一种新型的直线电机驱动的磁悬浮平台，由于该磁悬浮平台的推力系统是一个多变量、非线性、强耦合的对象．为了达到较好的控制效果，应用逆控制算法，对它进行解耦控制，使其成为无耦合的三个子系统．然后根据线性系统理论进行主通道控制器的设计．同时配以速度前馈控制器来改善动态性能．仿真实验结果表明，这种控制方案达到解耦的效果，有良好的动态、静态特性，满足半导体微细加工、电路板制造、微组装系统、高速贴片等高精度定位场合的要求．     

支持向量机α阶逆系统解耦控制方法

为了解决采用传统逆系统方法难以建立逆模型的困难,提出了基于支持向量机(SVM)的α阶逆系统解耦控制方法.在被控对象精确模型未知的情况下,根据SVM的非线性辨识原理,利用具有高斯核函数的SVM离线建立被控对象的非线性逆模型,根据逆系统方法原理,将得到的SVM逆模型串联在原系统之前,将复杂的非线性多变量系统解耦成多个相对独立的单输入输出伪线性子系统.通过对一个典型的两输入两输出强耦合非线性系统进行仿真，结果表明,在没有系统模型先验知识的情况下，利用该方法能够建立准确的非线性系统的逆模型.基于SVM的α阶逆系统解耦控制方法适用于较一般的离散非线性系统，且结构简单，易于工程实现.     

永磁同步电机系统神经网络逆解耦控制

提出了一种应用于全速域范围内的表贴式永磁同步电机神经网络逆解耦控制策略,该策略能够实现电机的精确解耦控制以及良好的动静态性能.在证明电机系统可逆性的基础上,对全速域范围内的线性化解耦控制特性进行了分析,针对逆解耦控制策略过于依赖系统数学模型的缺点,提出神经网络逆解耦控制策略,并设计了基于滑模变结构的附加转速与电流控制器.以一台5.2 k W永磁同步电机为被控对象进行仿真以及实验研究,结果表明,此策略能够在全速域范围内实现电机良好的解耦控制,并能够获得较好的动静态性能.     

基于遗传算法优化的模糊PID控制研究及其仿真

本文提出了一种基于遗传算法优化的模糊PID控制系统:采用遗传算法优化模糊控制中的隶属函数和控制规则,进一步完善了模糊PID控制器的性能,提高了系统的控制精度。最后对优化后的模糊控制器进行了Matlab仿真研究,仿真结果表明:经过优化后的控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值。     

基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统 ,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在两个瓶颈 :模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象 ,并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题 ,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中 ,根据已知的模糊控制规则 ,对模糊隶属函数自动寻优。以工业过程控制为对象 ,针对具有纯滞后二阶系统进行了计算机仿真 ,并进行了对比性研究。仿真结果表明 ,采用该方法可获得一个基于一定性能指标的最优或次优的隶属函数参数 ,且该模糊控制系统具有过渡过程的时间短、超调小等优点。     

基于动态模糊神经网络的多余力矩抑制方法

针对负载模拟器难以准确建模,多余力矩严重影响力矩加载性能的特点,提出一种基于动态模糊神经网络抑制多余力矩的新方法．该动态模糊神经网络无须较强领域的专家知识,是系统自动建模及抽取模糊规则的网络,且模糊神经网络结构是动态变化的,其模糊规则是在学习过程中逐渐增长而形成的．设计了结合前馈反馈控制和直接逆控制的控制策略,在线更新算法,实时更新网络结构及参数以及时跟踪被控对象逆模型的变化,与其并行的PID控制器的作用在于保持系统的稳定并获得更快速的系统响应和更佳的跟踪精度．通过仿真可以看出基本消除了多余力矩,系统性能得到改善,仿真效果令人满意．     

股票市场模糊非线性动态模型分析

探讨利用现代控制理论、系统辨识理论和模糊随机理论,基于先验信息对股票市场建立模糊非线性动态模型,用以预报市场短期走向。     

融合遗传算法的模糊控制器设计

通过了解模糊控制器优化的原理,对遗传算法进行改进,提出一种新的基于遗传算法的优化算法,并将其应用到模糊控制器设计当中．以工业过程控制为对象,通过二阶系统模型的计算机仿真,表明改进后的遗传算法比原始算法有更好的控制性能,可实现模糊控制规则的自校正和量化因子的寻优,方法简单、有效,对模糊控制器的工程设计有很大的实用性．     

一类不确定非线性系统的模糊自适应容错控制

针对一类不确定非线性系统提出了间接模糊自适应容错控制器的设计方法。利用模糊逻辑系统来逼近未知函数包括故障项,用滑模控制补偿模糊逼近误差,通过改变控制器结构来补偿执行器故障所带来的影响,同时基于Lyapunov方法进行了稳定性分析。通过仿真验证该方法的有效性。     

模糊预测控制在非线性时滞系统中的应用

针对工业控制系统中的非线性、时滞两大难题,结合预测控制中典型的动态矩阵控制(DMC)算法对时滞、模型失配、畸变、干扰等引起的不确定性能够及时得到弥补的优点以及T-S模糊模型对非线性系统良好描述的特性,将模糊控制与预测控制有机结合起来,根据被控对象工作点的变化实时选择模糊规则所对应的阶跃响应模型向量,结合DMC控制算法得到最优控制量,将基于线性系统建模的预测控制应用于非线性时滞系统控制中.     

基于BP神经网络算法的结构振动模态模糊控制

为了更合理、方便地控制土木工程结构地震动力反应,提出基于反向传播(back propagation, BP)神经网络的结构振动模态模糊控制算法。以结构地震动力反应数据训练神经网络建立结构分析模型,以时域模态坐标作为被控变量,实现系统降阶,使建立模态模糊控制规则所需要的模糊推理数量处于可接受范围内,并以体系能量最小作为控制目标制定控制规则。建立结构动力反应模糊控制数值模型,根据计算地震动力反应评价所提出算法的减震效果。结果表明:经过训练的BP神经网络可以准确地预测结构的地震动力反应,并可以据此建立模糊控制规则。仅对结构第一阶振型采用模态模糊控制就能达到满意的减震效果。采用主动质量驱动(active mass driver, AMD)最优控制力幅作为各楼层控制力的论域时,模态模糊控制减震效果与其存在差距;增大控制力的论域,可以得到更好的减震效果。     

基于BP神经网络算法的结构振动模态模糊控制

为了更合理、方便地控制土木工程结构地震动力反应,提出基于反向传播(back propagation, BP)神经网络的结构振动模态模糊控制算法。以结构地震动力反应数据训练神经网络建立结构分析模型,以时域模态坐标作为被控变量,实现系统降阶,使建立模态模糊控制规则所需要的模糊推理数量处于可接受范围内,并以体系能量最小作为控制目标制定控制规则。建立结构动力反应模糊控制数值模型,根据计算地震动力反应评价所提出算法的减震效果。结果表明:经过训练的BP神经网络可以准确地预测结构的地震动力反应,并可以据此建立模糊控制规则。仅对结构第一阶振型采用模态模糊控制就能达到满意的减震效果。采用主动质量驱动(active mass driver, AMD)最优控制力幅作为各楼层控制力的论域时,模态模糊控制减震效果与其存在差距;增大控制力的论域,可以得到更好的减震效果。