平衡重式叉车底盘小波网络动态逆内模控制

提出一种基于小波网络动态逆内模控制方法的平衡重式叉车底盘集成控制策略,实现对叉车主动后轮转向(Active rear wheel steering,ARS)与直接横摆力矩控制(Direct yaw-moment control,DYC)的解耦控制,以消除叉车底盘各子系统间的耦合作用。在分析叉车底盘集成系统可逆性的基础上,确定解耦输入输出变量的匹配关系,建立小波网络动态逆模型并与原叉车底盘系统串联,将叉车底盘系统解耦为输入输出一一对应的两个独立的伪线性系统,实现了叉车底盘系统各控制回路之间的解耦;设计内模控制器对伪线性系统进行内模控制改善系统的响应品质,并进行仿真分析与基于Lab VIEW PXI和ve DYNA的驾驶员在环试验验证。结果表明,基于小波网络动态逆内模控制方法的平衡重式叉车底盘集成控制策略能够消除ARS与DYC之间的干涉和耦合,提升叉车的状态跟踪和操纵稳定性。     

无轴承永磁同步电机的神经网络逆控制

无轴承永磁同步电机是一个强耦合的非线性复杂系统,实现无轴承永磁同步电机的线性化解耦控制,是无轴承永磁同步电机稳定运行和走向实用化的关键。将神经网络具有的特点（对非线性系统的逼近能力以及对系统参数变化的适应能力）与逆系统方法的特点（解耦线性化）相结合,提出了基于神经网络的无轴承永磁同步电机逆系统解耦控制方法。通过用静态神经网络加积分器来构造无轴承永磁同步电机的逆系统,将无轴承永磁同步电机动态解耦成位移子系统和转速子系统分别设计调节器进行控制,然后运用线性系统理论进行综合。仿真及实验结果表明,系统具有良好的鲁棒性和动静态解耦性能。     

无轴承永磁同步电机的神经网络逆控制

无轴承永磁同步电机是一个强耦合的非线性复杂系统,实现无轴承永磁同步电机的线性化解耦控制,是无轴承永磁同步电机稳定运行和走向实用化的关键。将神经网络具有的特点（对非线性系统的逼近能力以及对系统参数变化的适应能力）与逆系统方法的特点（解耦线性化）相结合,提出了基于神经网络的无轴承永磁同步电机逆系统解耦控制方法。通过用静态神经网络加积分器来构造无轴承永磁同步电机的逆系统,将无轴承永磁同步电机动态解耦成位移子系统和转速子系统分别设计调节器进行控制,然后运用线性系统理论进行综合。仿真及实验结果表明,系统具有良好的鲁棒性和动静态解耦性能。

     

工程机械车辆液压底盘二次调节模拟加载试验台的解耦控制

针对工程机械车辆液压底盘模拟试验台中驱动系统的转速控制子系统与加栽系统的转矩控制子系统的耦合问题，分析其对整套系统控制性能的影响。结合本试验台的特点，设计了一个基于单神经元PID控制的解耦网络，并给出了网络构造的全过程。实验以及仿真研究结果表明，通过在控制系统中加入特定的解耦网络，实现了驱动系统的转速控制子系统与加载系统的转矩控制子系统间的动态近似完全解耦，使两个子系统近似成为独立的控制系统，从而使系统的控制性能得到明显改善，为实际调试工作奠定了基础。     

改进BP神经网络PID多变量解耦控制器的设计

针对多变量系统间的耦合问题,设计了改进的BP神经网络与PID控制器相结合的多变量解耦控制器。在将BP神经网络附加动量项的基础上,还将激活函数进行了改进。利用神经网络的自学习能力,在线调整PID控制器的三个参数,实现了多变量系统的解耦控制。用Matlab软件对一个耦合系统模型进行仿真,结果表明,改进后神经网络PID控制器优于传统神经网络PID控制器,震荡小,系统响应速度快,可以得到满意的解耦效果。     

基于神经网络逆系统的发酵过程多变量解耦控制

发酵过程是时变、非线性、不确定的多变量耦合系统，高性能的解耦控制一直是追求的目标。将逆系统方法与神经网络相结合，提出了一种基于神经网络逆系统的发酵过程解耦控制方法。根据发酵过程的特点，给出了相应的数学模型，并证明了系统的可逆性，进一步构造神经网络逆系统并与发酵系统串联复合成伪线性系统，再设计线性闭环调节器实现高性能解耦控制。仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性，克服了解析逆系统解耦控制方案依赖于过程模型和对模型参数的变化很敏感的缺点。     

火箭炮自动操瞄控制系统建模与控制

火箭炮自动操瞄控制系统包含俯仰/方位两个子系统,两子系统联动时存在轴间耦合非线性关系,并且火箭炮发射时的动力学特性难于建立数学模型。针对上述特性,建立火箭炮自动操瞄控制系统电气模型与虚拟样机模型的耦合模型作为系统仿真的被控对象,并根据系统非线性动力模型对两轴非线性耦合关系进行解耦,进而在此基础上引入滑模控制方法,设计自动操瞄控制系统位置控制器。仿真研究了两轴联动时,两轴非线性耦合关系在解耦状态下的滑模控制特性,结果表明,俯仰/方位两轴非线性耦合关系解耦后进行滑模控制,具有较高的控制精度,对火箭弹发射时产生的力矩绕动具有更强的鲁棒性。     

基于BP神经网络的多变量PID解耦控制

基于神经网络实现智能PID控制的策略,它以经典的PID控制为基础,通过神经网络参数整定实现,进而进行自学,用于多变量系统的解耦控制。本文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真。通过计算机仿真证明了基于神经网络的PID控制器网络结构简单规范具有良好的自学习和自适应解耦控制能力。系统易于实现,融解耦器与控制器于一体,适用于非线性多变量系统的解耦控制。能够使解耦后的系统具有良好的动态和静态性能,特别是依据BP控制规律来确定网络连接权的初值,还具有参数快速收敛的优点。     

无轴承电动机神经网络逆系统解耦控制关键技术发展

无轴承电动机利用一套新的悬浮力绕组产生悬浮力,使无轴承电动机成为一种多变量、强耦合的非线性系统,如何实现转速与径向位移以及径向位移之间的动态解耦控制是无轴承电动机稳定运行的关键要素之一。神经网络逆系统具有以任意精度逼近非线性函数的能力,可以有效实现无轴承电动机的解耦控制。阐述了无轴承电动机悬浮力产生的原理以及神经网络逆系统解耦原理,从纯神经网络逆系统、神经网络逆系统结合智能控制器等方面分析了国内外无轴承电动机神经网络逆系统解耦控制策略的研究现状,归纳了无轴承电动机在使用神经网络逆系统进行解耦控制时的共同和不足之处,总结了无轴承电动机神经网络逆系统解耦控制的一般设计方法,并对神经网络优化、在线训练、抗干扰能力等关键技术发展趋势进行了展望。     

焦化鼓风机系统智能控制策略研究及应用

针对焦化鼓风机系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,通过采用基于最近邻聚类方法的RBF神经网络快速学习算法,实时在线辨识,建立被控对象的精确逆模型并用于控制,实现了将具有强耦合特性的多输入多输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与非线性比例积分微分(PID)控制相结合的智能控制策略,保证了系统稳定的同时改善了控制系统性能.仿真和应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性.     

抑制张力波动传播的自抗扰解耦控制

以减弱机架间张力耦合作用、减小张力波动对下游区段张力稳定的影响为目标,提出线性自抗扰解耦控制解决方案。在建立系统动态机理模型的基础上,将各机架间的动态耦合视为扰动,由线性扩张状态观测器实时估计并采用状态反馈控制予以补偿,通过设计与静态解耦器串联的线性自抗扰控制器,使复杂的多输入多输出MIMO(multi-input-multi-output,MIMO)系统解耦成多个并行的单输入单输出子系统。仿真结果表明:与传统的分散PID控制方法相比,该控制器不仅有效减弱了机架间张力的耦合作用,抑制了张力波动向下游段传播,而且使系统对模型失配和外部干扰等不确定因素具有良好的鲁棒性能。     

整车非线性系统的输入输出解耦及解耦比例微分控制

根据非线性解耦控制理论设计出解耦控制器,以消除装有主动悬架(ASS)和电动助力转向(EPS)的集成控制器中控制通道的耦合和路面不平度的干扰.为进一步减少响应时间和跟踪误差并降低超调量,在解耦控制器的基础上,设计出动态响应较为理想的解耦比例微分(PD)控制器.仿真结果表明,基于解耦控制的ASS EPS集成系统,与未集成的ASS或EPS系统相比,前者能更好地改善汽车动力学特性.此外,解耦PD控制与单独的解耦控制相比,在改善整车的行驶平顺性和操纵稳定性等方面效果也更为明显.为验证理论分析和仿真计算的正确性,进行实车道路试验,试验采用自行设计的ASS EPS集成控制系统,试验结果与仿真计算结果基本吻合,进一步验证了所提方法是正确有效的.     

基于神经网络逆控制的钢包精炼炉的仿真研究

基于逆动力学控制的思想,提出一种基于RBFN逆模型控制策略,并将该控制策略对具有多变量非线性特性的钢包精炼炉系统进行控制.采用三个RBF神经网络分别对被控对象的三个输入进行逆辨,识,每相神经网络逆辨识模型反向作为逆控制器模型与每相串联,从而构成三个已解藕的独立的伪线性对象,进而针对三个独立的伪线性对象进行线性控制,从而实现了对三相耦合系统的精确控制.仿真实验证明冲这种方法的可行性和有效性.     

车辆稳定性系统与四轮转向系统集成控制研究

通过ADAMS/Car软件建立了车辆虚拟样机模型,车辆模型具有四轮独立制动和四轮转向的能力。在车辆稳定性系统和四轮转向系统的基础上,基于MATLAB设计了一种分层式集成控制系统,由上层控制器和下层子系统控制器组成。下层子系统控制器包括车辆稳定性控制子系统(以目标横摆角速度为控制目标)和四轮转向控制子系统(以车身质心零侧偏角为控制目标)。上层控制器为基于规则的系统管理控制器,考虑子系统间的相互耦合因素,协调子系统间的工作关系。理论分析和仿真结果表明,构建的分层式集成控制系统是一个行之有效的综合仿真和优化控制的系统,其性能优于单独控制和叠加控制,使车辆的操纵稳定性和安全性得到显著提高,所得结果为集成控制在车辆工程中的实际应用提供了参考。     

DRNN神经网络逆控制方法在DDV伺服系统中的应用

对于直接驱动阀(DDV)式作动器伺服系统,由于很难找到最佳的参数匹配以及回路中存在死区非线性因素,使得传统的PID控制无法取得令人满意的控制效果.为此提出一种动态对角回归神经网络(DRNN)逆控制方法,该逆系统控制方法是将对象的逆模型作为控制器加入到控制回路里面,并与控制对象串联构成一个伪单位环节,使得系统的输出能够跟踪系统的输入,经过仿真实验,可以看出该神经网络逆控制比单一PID控制器的动态性能要好.     

基于α阶逆系统的两自由度主被动磁悬浮转子解耦控制

针对主被动磁悬浮控制力矩陀螺(CMG)磁轴承两径向平动自由度之间存在较强耦合的问题,提出采用α阶逆系统方法对主被动磁轴承系统进行解耦控制。首先,根据主被动磁轴承的结构特点,建立了主被动磁悬浮转子径向通道平动力模型以及动力学模型;利用上述模型分析了两径向自由度之间的耦合特性,并对系统进行可逆性分析,得到了原磁轴承系统的α阶逆系统模型。然后,将原系统与α阶逆系统组合得到二阶积分线性系统,利用最优控制器实现闭环控制。最后,对本文方法进行了仿真及实验。结果表明,当x向有40μm位移阶跃和18μm幅值的正弦干扰时,利用本文方法可将y向位移跳动控制在PID控制方法的13.6%和17.9%,实现了主被动磁悬浮转子两径向平动通道之间的解耦控制。     

基于博弈论和功能分配的汽车底盘系统协调控制

考虑汽车底盘悬架、转向、制动子系统间耦合动力学关系,建立高阶非线性动力学模型。对各子系统设计局部最优控制器,对悬架子系统设计非线性H∞控制器,对转向子系统设计直接横摆力矩比例积分微分(Proportion-integration-differentiation, PID)控制器,对制动子系统设计滑模变结构控制器。为进一步提高整车全局控制性能,基于功能分配原理对子系统控制功能进行分配,采用博弈论对子系统控制功能指标进行博弈,设计上层协调控制器以输出期望的控制作用,模糊规则实时自整定子系统控制器输出量以跟踪期望控制目标。基于Matlab/Simulink软件,对整车协调控制系统进行仿真,采用ARM构建底盘功能分配的控制系统实车试验平台,进行实车道路试验。结果表明,基于博弈论的整车协调控制系统较子系统单独控制、不加控制时均能取得更好的控制性能,验证了协调控制的有效性。     

神经网络在解耦控制中的应用研究

针对多输入多输出耦合对象，研究基于BP神经网络的解耦控制，提出采用神经网络解耦和PID控制相结合，对系统进行解耦控制的方法，通过对两输入两输出耦合对象进行计算机仿真结果表明，解耦控制效果很好。     

基于Matlab的工业锅炉燃烧系统模糊解耦控制设计

锅炉燃烧系统是一个复杂的系统,有许多个变量,各变量之间具有耦合关系,很难建立精确的数学模型.为此,采用模糊控制方法,通过建立模糊控制系统模型和对模糊控制器的设计,引入解耦参数,实现系统的解耦控制,在Matlab环境下对燃烧控制系统进行了仿真,仿真结果显示,系统的控制精度大大提高.     

基于DRNN神经网络的球磨机智能控制的研究

球磨机制粉系统的出口温度和入口负压控制回路具有比较强的耦合作用，并且对象具有纯延迟特性，PID参数的整定比较复杂。因此，中提出了基于对角神经网络(DRNN)的解耦控制方案，能够在线自适应的调整PID控制器的3项参数，仿真结果表明可以达到较为理想的控制效果。