基于神经网络的过程系统动态建模

针对生产过程中参数容易受外界影响而改变,传统的系统辨识方法难以得到精确的数学模型的实际情况,提出利用神经网络的自学习、自适应功能实现动态在线建模。本文对这种方法进行了仿真研究。由计算机产生仿真输入信号：随机信号或Ｍ序列伪随机信号,输入到生产过程中普遍存在的一阶纯滞后对象。通过三层ＢＰ神经元权值的不断调整,实现离线辨识和在线辨识,直到神经网络的阶跃响应曲线几乎和实际系统的阶跃响应重叠。仿真结果表明,     

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     

基于电加热炉系统的参数辨识

电加热炉系统是一个较为复杂的被控对象,一般认为它是一个大惯性、纯滞后的系统.文章首先利用MATLAB工具箱中提供的函数对电加热炉的阶跃响应曲线进行滤波,在此基础上对电加热炉的系统参数进行辨识,仿真结果表明,这种辨识方法编程较简单,且辨识的参数精度较高.     

基于模型预测的神经网络非线性时滞系统的辨识和控制

大纯时延、媒种多变、蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因.本文提出了非线性延迟系统的延迟时间参数的神经网络辨识方法,即改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间.将神经网络大延迟系统的辨识与基于模型预测的神经网络控制策略相结合,可以用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制.仿真结果表明这种神经网络模型对非线性大纯时延系统的控制具有控制速度快,鲁棒性能好等优点.     

基于模型预测的神经网络非线性时滞系统的辨识和控制

大纯时延、媒种多变、蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因。本文提出了非线性延迟系统的延迟时间参数的神经网络辨识方法，即改变神经网络输入样本区间，利用网络输出期望值与输出实际值之间的误差平方和产生的突变，可以辨识出非线性对象的延迟时间。将神经网络大延迟系统的辨识与基于模型预测的神经网络控制策略相结合，可以用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制。仿真结果表明这种神经网络模型对非线性大纯时延系统的控制具有控制速度快，鲁棒性能好等优点。     

基于混合算法和PMU数据的发电机励磁参数辨识方法研究

励磁参数辨识是电力系统稳定计算校核的基础.研究利用WAMS数据在线辨识励磁系统参数的方法.首先,将励磁系统的在线参数辨识归结为一个输入输出系统的最优化问题.即输入PMU数据是发电机的PMU出口电压,输出PMU数据是发电机的励磁电压和励磁电流.目标函数是在同一输入下,模型的输出和实际测量输出的差异最小.在实现上,采用数据...     

基于参考模型神经网络的锅炉燃烧系统控制

大纯时延、煤种多变、蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因。本文作者提出了改变神经网络输入样本区间，利用网络输出期望值与输出实际值之间的误差平方和产生的突变，辨识出非线性对象的延迟时间的方法，将神经网络大延迟系统的辨识与基于模型预测的神经网络控制策略相结合，可用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制，同时，以10t／h链条炉作为研究对象进行仿真，仿真结果表明这种神经网络模型对非线性大纯时延系统的控制具有控制速度快，鲁棒性能好等优点。     

利用继电反馈获取过程信息的方法

介绍了继电反馈整定ＰＩＤ参数的基本原理，通过分析惯性加纯滞后对象在继电特性作用下的输入、输出特性，提出了利用继电振荡获取有关过程对象的一些有用信息（如阶次、纯滞后时间和时间常数等信息）的方法。仿真表明，该方法在实际中是完全可行的，易于在微机上实现。     

导弹自适应自动驾驶仪的设计

本文对基于辨识和波波夫超稳定性理论的自适应自动驾驶仪设计进行了研究。这里研究的对象是导弹横滚回路,可用二阶时变微分方程近似描述。由于弹体参数在大范围内激烈时变,我们选择了具有遗忘因子的递推最小二乘法,实现实时地辨识对象参数,并且采用了比例加积分型模型参考自适应规律,使对象输出较好地跟踪参考模型输出。计算机仿真的研究给出了两种不同输入信号时的参数辨识的结果,仿真还表明了采用估计的参数进行自适应调参与采用真值实现自适应调参,其响应是一致的。     

PID参数继电自整定的一种方法

介绍了ＰＩＤ调节器参数的继电自整定的基本原理。通过分析一阶惯住加纯滞后对象在继电特性作用下的输入输出持性，推导了计算对象特性参数的公式。利用这些公式进行辨识，从而整定ＰＩＤ参数。实验表明，这是一种行之有效的ＰＩＤ参数自整定方法。     

线性不确定时滞系统的鲁棒渐近跟踪控制器的设计

针对一类线性不确定时滞系统,采用线性矩阵不等式(LMI)的方法,提出了一种鲁棒渐近跟踪控制器设计的新方法,所设计的控制器对于控制输入矩阵、状态输入矩阵和被控输出矩阵中都存在不确定性,且存在多个状态时滞的时滞系统,均能使系统输出渐近跟踪外部阶跃参考信号,并从理论上证明了所设计的鲁棒渐近跟踪控制器的渐近稳定性,通过Matlab仿真实验表明,对于这一类不确定时滞系统,所提出的方法是可行的,并达到满意的仿真结果,     

时滞非线性参数系统有限时间状态约束控制

研究了具有输入时滞、有界外部干扰以及全状态约束的严格反馈连续时间参数化非线性系统的自适应有限时间跟踪控制问题. 通过使用Barrier Lyapunov函数和自适应反步法,保证了系统所有状态都被约束. 针对输入时滞问题,采用pade近似法消除其带来的负面影响. 所设计的有限时间控制器使闭环系统内的所有信号都有界且所有状态都被约束在给定的范围内,同时输出信号能很好地追踪给定参考信号. 最后通过仿真实例验证了该控制方法的有效性.     

基于扰动观测器的时滞非线性系统的跟踪控制

研究了具有输入时滞和未知外部扰动的单输入单输出非线性系统的跟踪控制问题. 针对系统中未知扰动,设计了扰动观测器对其进行良好的监测,针对输入时滞问题,采用pade近似和增加中间变量的方法消除其带来的影响. 在系统具有未知外部扰动的情况下,利用反步法和扰动观测器的技术提出了鲁棒跟踪控制. 在基于扰动观测器的鲁棒跟踪控制下,通过李雅普诺夫分析,保证了闭环系统中所有信号的一致渐近收敛性. 最后通过一个仿真实例验证了该控制方法的有效性.     

智能探测车避障转向控制

针对智能探测车的转向系统是一个具有大延迟、非线性的复杂系统,对其建立精确的数学模型较为困难,且其航向易受到诸多因素干扰的问题,研究了预测控制中的动态矩阵法,提出一种新的智能探测车转向机构模型.该方法用障碍物的方向角和距离偏差作为参数,在预测控制算法中采用动态矩阵控制,输出前轮转向角,再将转向角预测量与实际转向角之和作为反馈,对转向角变化趋势做出预测.通过仿真验证了在不同纵向速度下,加入相同干扰时的系统响应.结果表明,该算法在智能探测车障碍物避让控制中,对外界环境的干扰具有较强的鲁棒性,能够满足智能探测车转向控制要求.     

Adaptive Zero Phase Error Feedforward Method for Robotic Force Control

ＡｄａｐｔｉｖｅＺｅｒｏＰｈａｓｅＥｒｒｏｒＦｅｅｄｆｏｒｗａｒｄＭｅｔｈｏｄｆｏｒＲｏｂｏｔｉｃＦｏｒｃｅＣｏｎｔｒｏｌ￥（郑涌）（陶谦）（陈卫东）ＺＨＥＮＧＹｏｎｇ；ＴＡＯＱｉａｎ；ＣＨＥＮＷｅｉｄｏｎｇ（ＲｏｂｏｔＲｅｓｅａｒｃｈＩｎｓｔｉｔｕ...     

时滞系统的模糊神经网络补偿控制

针对传统的模糊神经网络(FNN)在线控制方法用于控制时滞对象时存在调节时间较长的问题,分析产生这一现象的原因,对传统的模糊神经网络在线控制进行改进,给出一种新的确定补偿量的方法.基于递推最小二乘(RLS)法在线辨识对象模型,通过时滞对象模型预测对象输出的变化,利用补偿方法得到控制量的补偿量.设计二维输入的带补偿的模糊神经网络控制器,进行实验与仿真研究.仿真结果表明,该补偿方法调节时间短,控制精度高,比传统的模糊神经网络的控制效果明显.     

一种改进的动态信道化滤波方法

多标准卫星链路的宽带信号中包含多个带宽不同、分布非均匀的子信号,其参数未知且具有时变性。提出一种改进的动态信道化滤波方法,在传统动态信道化滤波结构基础上,利用半带滤波器插值后的周期频谱,对输入信号进行滤波,并把原信号延时后减去滤波后的信号,获得频谱上相互互补且无交叠的两路信号;采用复指数调制滤波器组对两路信号进行分析滤波;自适应调整判决门限对分析滤波后的信号进行能量检测;根据能量检测结果利用综合滤波器组重构出子信号。经过理论分析和仿真实验表明,改进方法在结构复杂度、硬件资源占用量方面均有提高。