新型多变量鲁棒自校正解耦控制直接算法

本文提出了一种新型多变量鲁棒自校正解耦控制直接算法，由于在算法中采用了一种新的控制律，所以较彻底地克服了系统未建模动态和不可测干扰的影响，在系统具有较强的未建动态和有界不可测干扰的情况下，本文算法不仅可以保证系统的稳定性，而且实现了鲁棒自校正解耦控制，在算法中采用一种新的方法确定正则化系数和死区界，这种方法保证了系统跟踪特性不受死区和正则化的影响，本文还给出了所提出算法的鲁棒性分析和仿真结果。     

多变量鲁棒自校正解耦间接算法

本文提出了一种多变量鲁棒自校正解耦间接算法，并在一定的条件下给出了算法的鲁棒性分析，通过仿真实验证明了算法的有效性。     

多变量鲁棒自校正解耦直接算法

本文提出了一种多变量鲁棒自校正解耦直接算法，并在一定的条件下给出了算法的鲁棒性分析，通过仿真实验证实了算法的有效性。     

隐式极点配置自校正解耦控制器

针对一类多变量系统,本文提出了一种新的极点配置自校正解耦控制算法,它能通过参数估计直接获得控制器参数,运算量很小,数字仿真表明本算法具有较好的性能。     

多变量双线系统的自校正解耦控制

对多变量双线性系统提出了一种自校正解耦控制算法,该算法具有全局收敛性并能 确保闭环系统的稳定性,仿真实验表明了其算法的有效性.     

多变量自校正解耦控制器的全局收敛性分析

本文对多变量自校正解耦控制算法[1]进行了稳定性和收敛性分析.结果表明:该算法 即使用于非最小相位系统仍然具有全局收敛特性,即以概率l输入输出向量采样均方有界, 广义跟踪误差向量条件采样均方极小.     

目标跟踪系统自校正解耦融合Wiener平滑器

针对带未知模型参数和噪声的多传感器目标跟踪系统,为了解决信号的平滑问题,分别利用系统辨识及相关方法得到未知模型参数和噪声方差的局部估值,并对这些局部估值求平均值作为它们的融合估值。然后将具有高可靠性的在线融合估值代入到基于现代时间序列的最优解耦融合Wiener平滑器中即可得自校正解耦融合,使自校正融合Wiener平滑器收敛于相应的最优融合Wiener平滑器,并具有渐近最优性。从而证明自校正平滑器能够很好地解决未知模型参数和噪声统计系统的平滑问题。最后利用Matlab软件仿真验证了该自校正解耦融合Wiener平滑器算法的有效性。     

多变量自校正解耦PID控制器

将前馈解耦控制与自校正ＰＩＤ控制相结合，提出了多变量自校正解耦ＰＩＤ控制器。该控制器适于具有任意延时结构和非最小相位系统，本文利用根轨变法证明了这一算法的全局收敛性。     

正则化图形模糊聚类及鲁棒分割算法

针对现有图形模糊聚类算法合理性差和抗噪能力弱的问题，提出嵌入对称正则项的图形模糊聚类鲁棒算法。将样本聚类所对应的中立度与拒分度相结合构造对称正则项，嵌入现有图形模糊聚类所对应的目标函数；同时，利用像素邻域所对应的均值信息辅助当前像素聚类并构造了空间信息约束正则项，采用拉格朗日乘子法获得正则化图形模糊聚类鲁棒分割算法。不同噪声干扰图像分割结果表明，所建议的分割算法是有效的，相比现有的鲁棒模糊聚类分割算法具有更强的抑制噪声能力。     

奇异值分解下在线鲁棒正则化随机网络

在线鲁棒随机权神经网络(OR-RVFLN)具有较好的逼近性、较快的收敛速度、较高的鲁棒性能以及较小的 存储空间. 但是, OR-RVFLN 算法计算过程中会产生矩阵的不适定问题, 使得隐含层输出矩阵的精度较低. 针对这 个问题, 本文提出了奇异值分解下在线鲁棒正则化随机网络(SVD-OR-RRVFLN). 该算法在OR-RVFLN 算法的基础 上, 将正则化项引入到权值的估计中, 并且对隐含层输出矩阵进行奇异值分解; 同时采用核密度估计(KDE) 法, 对 整个SVD-OR-RRVFLN网络的权值矩阵进行更新, 并分析了所提算法的必要性和收敛性. 最后, 将所提的方法应用 于Benchmark数据集和磨矿粒度的指标预测中, 实验结果证实了该算法不仅可以有效地提高模型的预测精度和鲁 棒性能, 而且具有更快的训练速度.     

状态空间自校正动态解耦控制器

本文针对一类系统提出了一种新的自校正动态解耦的方法。首先借助于系统的关联矩阵,给出了系统可由状态反馈实现动态解耦的充要条件,然后以此为基础,导出了相应的自校正控制算法。     

一种多变量模糊神经网络解耦控制器的设计

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,根据解耦原理和神经网络思想,提出一种两级串联结构的自适应模糊神经网络解耦控制器.前级是基于智能权函数规则的自调整模糊控制器,后级是基于动态耦合特性的自适应神经网络解耦控制器.同时从理论上证明了学习算法的收敛性.仿真实例表明,所提出的解耦控制器具有良好的鲁棒性和自适应解耦能力,是解决多变量、非线性和强耦合问题的一种简便有效的控制算法.     

基于专家知识的分层启发式自校正动态矩阵控制

本文提出一种基于专家知识的分层启发式自校正动态矩阵控制算法,其上层基于实时输出偏差和内模误差确定校正的策略,下层则根据模型失配的情况,采用带有模型辨识自校正或启发式自校正的动态矩阵控制,这种算法集人的调查经验和传统的辨识校正法于一体,改善了闭环系统在模型失配情况下的动态响应。     

多变量解耦极点配置自校正PID控制器

本文提出了一种新颖的多变量解耦极点配置自校正 PID 控制器,它不仅具有消除静差、抗干扰和在弱的条件下实现静态解耦控制的优点,而且工程直观意义强、计算简单、便于工程应用.仿真例子说明了其有效性.     

电渣重熔过程的建模及智能控制方法

针对电渣炉系统是一个多变量耦合、时滞、参数时变的复杂被控对象,系统难以控制的缺陷,通过大量实验和分析,确立了熔速、磁性调压与二次电压、熔炼电流的相互关系,建立起工程化的控制模型,并提出一种智能控制方法,包括多变量解耦控制策略、滞后时间模糊自整定和粒子群优化算法整定PID控制器参数.工业应用表明,该方法克服了电渣炉的非线性和强耦合,控制精度高,具有较强的鲁棒性和适应性.