基于MATLAB神经网络的NNSYSID和NNCTRL工具箱

0　引言神经网络目前已经成为辨识和控制非线性系统的一种大众化工具 ,它的实现方法最常用的是软件仿真 ,MATLAB神经网络工具箱就是其中的优秀代表[1] ,广泛地应用于多种场合。不过这些工具箱都是一般意义上的工具箱 ,缺少系统辨识和控制设计用的针对性很强的工具箱。本文介绍的NNSYSID和NNCTRL工具箱就是新近开发的专门针对系统辨识和控制用的工具箱[2～ 4 ] 。NNSYSID工具箱是基于神经网络的系统辨识工具箱 ,它可以帮助辨识非线性动态系统参数 ,并且具有大量的基于神经网络的非线性模型结构 ,以及有效的学习算法和验证模型结构…     

基于MATLAB的神经网络辨识与控制工具箱

该文简单介绍了基于MATLAB的NNSYSID，NNCTRL神经网络辨识与控制工具箱，详细说明了工具箱中用于系统辨识的函数和用于控制器设计的函数，并通过一个具体的例子来说明利用工具箱来设计非线性系统的神经网络辨识器和控制器。     

基于MATLAB的广义最小二乘参数辨识与仿真

针对参数辨识中最小二乘法（LS）存在的缺点,讨论了一种用迭代的松弛算法对最小二乘辨识的改进方法-广义最小二乘（GLS）辨识,并介绍了其基于Matlab的仿真和分析方法。首先简述参数辨识的概念、最小二乘法辨识存在的主要缺点和广义最小二乘法的基本原理,之后简要介绍了Matlab系统辨识工具箱及其中参数辨识的实现方法,最后结合实例给出相应的仿真程序及其结果分析,仿真结果表明：该方法辨识精度高,明显优于最小二乘辨识。     

实际应用中系统参数辨识的模型选择

系统的参数辨识在自动化实际系统的分析、设计与综合中占据重要的地位。本文对人们在实际中常和的各种不同的模型从功能上指出了各自的不同点,并与控制界常用的MATLAB环境下系统辨识工具箱中所采用的模型相比较,指出各自的特点,为实际应用提供方便。     

MATLAB在动态数据建模中的应用

应用 MATLAB系统辨识工具箱中丰富的函数 ,进行动态数据建模 ,简化了建模的计算过程 ,提高了建模的效率     

基于模型的转台系统故障检测方法

研究了飞行模拟转台的建模与故障检测问题.飞行模拟转台不仅是导弹制导回路半实物仿真闭环系统中的一个环节,也是一个反馈控制系统,转台内部参数与仿真系统中的各种参数相互影响,导致故障传递特性复杂,无法简单的根据转台参数测试判断转台运行状态.根据转台系统的跟踪特性,提出了基于模型的转台系统故障检测方法.由于传统的转台建模方法存在建模困难、精度不高的问题,因此采用系统辨识方法,通过辨识实验的设计,借助Matlab软件系统辨识工具箱进行模型的辨识,建立了转台系统三个框架的数学模型,利用相同输入条件下的数学模型输出和实际系统输出之间的残差变化,对转台运行情况进行检测,较好的解决了转台系统的故障检测问题.通过对三种转台故障的检测,验证了改进方法的有效性.     

基于多模型自适应预测控制的双容水箱液位控制系统研究

针对工业环境中的液位控制问题，设计了一种水箱液位控制系统装置，利用OPC技术将MATLAB和PLC控制系统进行集成，使用MATLAB/Simulink中的OPC工具箱及其他模块来进行液位控制系统的搭建，并采用多模型自适应预测控制方案实现了双容水箱液位的预测控制。根据双容水箱系统建立了机理模型，并通过MATLAB系统辨识工具箱对系统模型进行了参数辨识，得到双容水箱的输入输出模型，从而进行液位控制的模型预测控制研究。实际控制结果表明，多模型自适应预测控制与单模型预测控制相比，前者的响应加快，超调量减少，性能更优。     

多层前向神经网络建模及其在火电厂系统辨识中的应用

本文采用前向反馈型神经网络，建立了一个火力发电厂双输入双输出系统的辨识模型。利用MATLAB5．3神经网络工具箱编程，以湖南湘潭电厂一台30万千瓦机组的输入输出参数的实测数据作为学习样本训练网络模型，并在训练好的模型基础上给出了系统多步步长的预测结果及调门开度的单位阶跃响应曲线。结果表明这种方法收敛速度快、误差小、精度高，是一种比较理想的系统辨识方法。     

基于MATLAB的时间序列建模与预测

该文介绍了MATLAB系统辨识工具箱在时间序列方面的应用。首先叙述了动态数据的分析与处理方法,时间序列模型阶次的判定及建模过程,然后给出了利用Matlab系统辨识工具箱对时间序列进行数据预处理,相关分析,ARMA模型参数估计,以及预报的方法和步骤,最后使用该方法对某水厂日供水量进行预测,结果说明该方法具有极强的实践意义。     

基于连锁聚类法及遗传算法的模糊建模

模糊建模可以分为被辨识系统的结构辨识和参数辨识.针对系统的结构辨识,提出了一种新型连锁聚类算法,用其来实现被辨识系统的结构辨识及初始参数辨识;针对系统的参数辨识,提出了采用遗传算法对被辨识系统的参数进行更加精确的校正.通过结构辨识算法和参数辨识算法的结合,可以只针对被辨识系统的输入输出测试数据直接进行被辨识系统的结构辨识及参数的进一步精确校正.通过对非线形函数的仿真结果表明,此辨识方法具有较好的辨识结果.     

遗传算法在跨超声速风洞总压控制中的应用

总压作为风洞控制中的重要流场参数,其调节性能是风洞控制系统能否满足试验要求的重要指标,为提高跨超声速风洞的总压控制水平,需对总压控制策略进行设计。针对某跨超声速风洞对总压控制系统提出的快速性和精确性要求,提出串级控制、智能PID控制和总压分段控制等方法,并利用MATLAB系统辨识工具箱对流场调节阶段的总压系统模型进行了辨识。提出将遗传算法应用于风洞流场调节阶段的PID控制器参数整定中,重点对基于遗传算法的PID控制原理和参数整定步骤进行介绍,并针对遗传算法的遗传算子进行了设计。系统仿真和风洞实际运行情况表明：该方法较常规PID参数整定与优化方法,具有更好的控制性能指标,满足总压控制系统精确性、快速性、鲁棒性等要求,为后续风洞建设和设备改造提供了新方法。     

基于Matlab的测控系统动态性能优化与仿真

提出微位移传感器测控系统动态性能优化设计方法,建立系统数学模型和校正模型,借助Matlab控制系统工具箱、优化设计工具箱完成校正模型的参数寻优,实现测控系统动态性能的优化设计。仿真结果显示,该方法优化效果明显,拓展了工作频带,改善了系统的动态性能。     

用MATLAB工具箱拟合生化非线性动力学模型

非线性动力学模型参数回归难度大,常转化为线性模型间接估算,这样违反了统计分析的某些规则,所得参数偏差大。文中结合实例,对比传统方法和MATLAB回归分析工具箱nlintool函数。结果表明,用MATLAB回归分析工具箱计算准确、方法简单,并能显示直观的拟合曲线图。     

柴油机自适应遗传非线性PID调速控制仿真

研究船用柴油机控制优化问题,柴油机调速要求快、稳、准。针对船用柴油机调速系统的时变、非线性及外界干扰等特点,传统PID调速稳定时间长,控制效果不佳。为提高喷油量达到控制准确度,改善调速系统性能,提出了一种柴油机自适应遗传非线性PID调速控制策略。采用Matlab对柴油机调速系统模型进行辨识并验证其准确性。利用非线性PID控制实现各参数增益的实时调整,提高了抗干扰能力,通过自适应遗传算法对系统的动态偏差进行监控,优化非线性PID控制器参数,减少了超调量,提高控制精度。仿真结果表明,采用自适应遗传非线性PID控制器稳定时间更短,鲁棒性强,控制精度更高,优化了柴油机调速系统性能。     

基于MATLAB中calibration toolbox的相机标定应用研究

相机标定的目的是确定相机的几何和光学参数以及相机相对于世界坐标系的方位。cal-ibration toolbox作为一个标定工具,容纳了如Tsai、Faugeras等多种经典的标定方法,从自主标定的使用方面详细介绍了calibration toolbox的使用方法。     

基于TrueTime的网络化交流伺服系统仿真研究

用MATLAB的SIMULINK以及TrueTime工具箱建立以永磁同步电机(PMSM)为控制对象的网络化交流伺服系统的仿真模型,其中PMSM采用基于SVPWM的矢量控制策略,通过改变伺服系统中的网络参数研究不同网络时延及数据丢包对系统的影响。     

一种新的线性系统模型参数估计方法

分析了使用区间分析进行参数估计的原因,由此在未知但有界（UBB）误差假设下,提出了线性系统模型参数估计的区间分析方法,同时,对Matlab区间算法工具箱INTLAB进行了简介,并将INTLAB应用于使用所提算法的算例中。通过数值算例,将此算法与Fogel椭球算法和最小二乘算法进行了比较,算例结果表明了所提算法的有效性和可行性。     

神经—模糊建模平台的设计与应用

详细论述了采用神经模糊实际建模过程中必须考虑的各种因素，各因素之间的相互影响及关系，以及各不同参数的选择过程，并在Matlab环境下，利用模糊工具箱设计了一个神经－模糊建模平台，给出了一个实际的具体非线性系统建模的应用。