基于分数阶PI~λD~μ控制器的线控转向系统路感研究

建立了线控转向系统方向盘模块的动力学模型,提出了线控转向系统路感的分层控制策略。其中,上层控制策略主要是研究不同车速和方向盘转角下方向盘的目标回正力矩;下层控制策略主要是通过分数阶PIλDμ控制器,根据已经确定的方向盘目标回正力矩对路感模拟电机进行实时控制,以实现驾驶员的路感模拟和方向盘的回正。仿真结果表明,所设计的分数阶PIλDμ控制器能很好地满足实际需要。     

分数阶PI~λD~μ控制器的设计

提出了一种分数阶控制器的设计方法,首先对S传递函数进行相应的Z变换,然后根据最短记忆法[1]用Grünwald Letnicov分数导数定义取其近似项,来完成分数阶控制器的设计.仿真结果证明这种方法是可行有效性的.     

分数阶PI~λD~μ控制器数字实现与参数优化

分数阶微积分最优Oustaloup数字实现时,寻优性能指标内调整因子的选取会影响优化后频域近似精度。针对常用分数阶算子最优Oustaloup滤波器近似,结合MATlAB最优工具箱函数,获得不同调整因子下的最优近似频率特性曲线,并与实际值曲线对比找出最佳拟合曲线,来得到最佳调整因子。实例验证表明,采用最佳调整因子的最优Oustaloup滤波器算法,能有效提高PIλDμ控制器参数的优化效果,使控制系统具有更快的响应速度和更好的稳定性。     

时滞系统分数阶PIλDμ鲁棒控制

利用控制系统在满足相位裕度和幅值裕度的鲁棒性条件下,设计了对时间常数变化具有鲁棒性分数阶PIλDμ控制器;利用相位裕度条件和截至频率在指定点处的波特图局部平坦的鲁棒性条件,设计了对增益常数变化具有鲁棒性的分数阶PIλDμ控制器;利用非线性优化函数对分数阶PIλDμ控制器的5个可调参数进行寻优;最后采用两个时滞系统算例分别进行设计方法验证和鲁棒性能仿真分析.结果表明,分数阶PIλDμ控制器比传统的整数阶PID控制器具有较强的鲁棒性和系统稳定性能.     

参数不确定时滞系统分数阶PI~λD~μ控制器稳定域算法

对分数阶PIλDμ控制器提出了求解参数不确定时滞系统稳定域的方法。通过Kharitonov理论将参数不确定时滞系统分解为若干参数确定的子系统,根据D分解方法分别求出使各个子系统获得最大稳定域时的PIλD和PIDμ控制器的参数λ和μ,获得了PIλDμ控制器的参数。以这个PIλDμ控制器去计算各个子系统的稳定域,各子系统稳定域的交集即为参数不确定时滞系统的稳定域。采用参数不确定时滞系统对此算法进行了验证,表明本算法在计算分数阶PIλDμ控制器的稳定域上是可行有效的。     

分数阶PIλDμ控制器的设计方法——极点阶数搜索改进法

基于分数阶被控系统提出了分数阶PIλDμ控制器,该控制器将传统整数阶PID控制器的微分与积分阶数扩展到分数,增加了2个参数μ和λ.相比整数阶PID控制器,分数阶PIλDμ控制器的设计更加灵活,但设计过程较复杂.在极点阶数搜索法的基础上,提出了分数阶PIλDμ控制器设计的改进方法,其基本原理是,首先估计比例参数KP,其次搜索一对使系统时域性能较好的极点,然后根据时域指标搜索较好的μ,λ并计算出KI,KD,最终设计出合适的分数阶PIλDμ控制器.仿真结果证实,与极点阶数搜索法相比,它的改进法设计出的分数阶PIλDμ控制器能够更好地调节系统,系统响应能够达到更高的时域指标,并且具备很好的动、稳态性能.     

基于分数阶PIλDμ控制器的线控转向系统研究

根据线控转向系统的特点,建立了能够实现系统正常转向功能的前轮转向模块的动力学方程.考虑到系统性能受到参数的不确定性、未建模动态及前轮回正力矩的影响,基于分数阶微积分理论,提出了一种基于分数阶微积分理论的PIλDμ控制器,使得线控转向系统在所要求的频域范围具有鲁棒性.讨论了微、积分阶次以及拟合阶次对控制系统的影响.通过优化方法得到了分数阶PIλDμ控制器的5个设计参数,用Oustaloup递归算法对分数阶PIλDμ控制器进行了拟合,并据此建立了可在Matlab/simulink环境下使用的分数阶PIλDμ控制器仿真模型.最后对该控制系统进行了仿真分析,结果表明该控制器对提高转向系统性能的鲁棒性是有效的.     

分数阶PIλDμ控制器的设计与实现

该文介绍了基于幅值裕量与相位裕量参数整定方法的分数阶PIλDμ控制器的设计方法,并给出了分数阶控制器的多种数字实现方法.仿真实例结果表明分数阶控制器比整数阶控制器具有优良的控制品质及其对系统参数变化的鲁棒性.     

烧结混合料加水的模糊自适应分数阶PI~λD~u控制

烧结混合料加水系统具有大滞后、模型复杂的特性,且客观环境中存在干扰因素,传统的控制方法很难取得理想的控制效果。分数阶PIλDu控制器比常规PID控制器多了两个可调参数,具有更好的控制效果。在分析分数阶微积分的基础上,给出了分数阶微积分的数字实现,用分数阶PIλDu控制代替常规PID控制,结合模糊控制,首次提出了一种针对烧结混合料加水系统的模糊自适应分数阶PIλDu控制方法,利用模糊逻辑实现分数阶PIλDu控制参数的在线调整。并用MATLAB/simulink进行建模仿真。仿真结果验证该控制算法的有效性,能取得较好的控制效果。     

基于广义Bouc-Wen模型的压电叠堆迟滞特性建模

针对压电叠堆的固有非线性迟滞现象,提出了一种迟滞模型.基于经典Bouc-Wen模型的基本思想,对其率相关的局限性进行优化,在此基础上构建了广义Bouc-Wen迟滞模型,在不提高模型参数辨识难度的同时,保证了模型在不同速率下仍具有较高的精度.为了验证模型的有效性,利用相关实验设备对其进行实验验证,结果表明,该模型在1 H...     

分数阶PI^λD^u控制器的设计与实现

该文介绍了基于幅值裕量与相位裕量参数整定方法的分数阶PI^λD^u控制器的设计方法,并给出了分数阶控制器的多种数字实现方法。仿真实例结果表明分数阶控制器比整数阶控制器具有优良的控制品质及其对系统参数变化的鲁棒性。     

分数阶PI^λD^μ控制器的设计方法——极点阶数搜索改进法

基于分数阶被控系统提出了分数阶PI^λD^μ控制器,该控制器将传统整数阶PID控制器的微分与积分阶数扩展到分数,增加了2个参数μ和λ。相比整数阶PID控制器,分数阶PI^λD^μ控制器的设计更加灵活,但设计过程较复杂。在极点阶数搜索法的基础上,提出了分数阶PI^λD^μ控制器设计的改进方法,其基本原理是,首先估计比例参数KP,其次搜索一对使系统时域性能较好的极点,然后根据时域指标搜索较好的μ,λ并计算出KI,KD,最终设计出合适的分数阶PI^λD^μ控制器。仿真结果证实,与极点阶数搜索法相比,它的改进法设计出的分数阶PI^λD^μ控制器能够更好地调节系统,系统响应能够达到更高的时域指标,并且具备很好的动、稳态性能。     

基于CAPSO算法的修正炮弹分数阶控制器设计

为了提高修正炮弹系统模型的控制品质,采用分数阶控制器以取得更优的控制效果。针对分数阶控制器参数整定时大都需要公式推导、计算量大等问题,提出一种基于混沌自适应粒子群优化算法(CAPSO)并用于修正炮弹分数阶控制器的设计。将混沌算法与惯性权重调整的粒子群算法融合,对粒子群进行混沌初始化并对陷入局部最优的粒子进行混沌搜索,同时引入惯性权重非线性调整策略提高了算法的收敛精度,得到全局最优解。利用CAPSO算法对分数阶PIλDμ控制器的参数进行整定,并用于修正炮弹俯仰角稳定回路的控制中。通过仿真实验,验证了该优化算法的可行性。仿真结果表明,CAPSO算法在修正炮弹分数阶控制器的参数整定方面优于主导极点法、粒子群优化算法(PSO)等算法,与PSO算法相比调节时间减少了1.139 s、超调量减小了11.84%,具有收敛速度快、超调量小、稳定性好、抗干扰性强等特点;经CAPSO算法优化的分数阶PIλDμ控制器动态响应特性要优于整数阶PID控制器。     

径向基神经网络在三维激光切割中的应用

分析了RBF神经网络的特点，并研究了它在三维激光切割中的应用，利用该神经网络及其变形可以预测切缝的宽度，也可以根据输入参数对试样的挂渣与否进行判定。比较了三雏激光切割中切割倾角和切割方向对切割质量的影响，从而实现切割质量的预测和优化工艺参数的选取以指导实际的切割过程。     

三角剖分以及径向基函数神经网络在星图识别中的应用

根据经典径向基函数(RBF)神经网络的优势,结合星图模式样本集的特点,设计了一种适合星图模式样本的网络训练算法.从提取星图模式入手,引入三角剖分理论,将可能出现在同一视场内的恒星以三角形的形式连接起来,提取连接的角距作为星图模式,建立了具有完备性、平移旋转不变性的星图模式样本集.然后,利用RBF神经网络做星图识别,研究顺序训练方法和批量训练方法,总结多种经典算法的优缺点,并设计了一种训练方法.通过实验证明了该种方法较其他经典算法更为适合学习星图模式样本.最后,给出RBF神经网络相关的训练数据,并通过模拟星图软件获得若干模拟星图作为观测样本,利用已经训练好的神经网络进行识别.试验结果表明,测试网络能够正确识别这些星图.     

应用径向基函数神经网络的经纬仪跟踪误差建模

提出了一种基于径向基函数(RBF)神经网络建立光电经纬仪等效跟踪误差模型的方法来评价光电经纬仪的跟踪性能.分析了光电经纬仪存在的非线性因素,说明了采用理论建模方法难以准确描述其全部过程的原因.然后,介绍了RBF神经网络和靶标系统,基于一组靶标参数建立了RBF神经网络模型,并更换靶标参数进行模型验证.最后,对更换后的靶标参数进行重新训练建模,并改变参数周期,对模型进行了验证.实验结果表明:所建的神经网络模型精度与靶标参数有关,当动态靶标的半椎角a为21.2°,倾角b为43.8°,靶标匀速运行周期T为8.5s时,网络模型在靶标速度最大时误差也达到最大为3.18′,其它时刻均小于0.6′.当a为16.6°,b为37.5°,T为13 s时,模型最大误差为1.8′左右,在此模型下真实输出与网络模型输出的最大偏差为2.4′左右,其它时刻均小于1.2′.结果表明,采用RBF神经网络所建立的跟踪误差模型能够反应真实系统的情况,是可行实用的,且具有较高的精度和泛化能力.     

在Preisach模型框架下的似对角动态神经网络压电陶瓷迟滞模型的研究

在Preisach模型的结构下,用一阶微分方程代替relay迟滞元,借鉴对角动态神经网络模型,提出压电陶瓷迟滞特性的一种新的数学模型。该模型既有Preissach模型的结构思想,又能反映其动态特性。在输入信号是周期性衰减信号的激励下,由Preisach模型产生的数据和压电陶瓷产生的数据分别进行建模和预测仿真,结果表明该模型用于压电陶瓷迟滞特性建模是有效的,并具有较高的模型精度。     

基于RBF神经网络模糊PID控制的电液伺服系统

采用普通PID控制的复杂电液伺服控制系统(液压驱动的控制系统)存在控制柔顺性不佳的问题,达不到理想的控制效果,为了提高电液伺服系统的控制特性,提出了一种基于径向基神经网络(RBF)模糊PID的控制策略.首先,理论推导了伺服阀控液压缸的状态空间方程,建立了液压系统相关的数字模型;然后,在普通PID控制策略的基础上,提出了...     

小波和RBF神经网络在轴承故障诊断中的应用

分析了基于径向基神经网络的故障诊断方法和原理,采用小波包分析对其建立频域能量特征向量,利用径向基函数神经网络完成滚动轴承故障模式的识别.试验结果表明,系统不仅能够检测到轴承故障,而且能够比较准确地识别轴承的内、外圈故障模式,可以满足工程中的需要.