基于参数智能调节的模糊预估控制在时滞时变系统中的研究

在化工、炼油、冶金、矿山和建材等一些复杂拘工业过程当中，广泛地存在着时滞时变现象。由于时滞时变的存在，使得控制系统的稳定性变差，调节时间延长，对系统的设计和控制增加了很大的困难。如何控制时变时滞对象一直是控制界关注的课题之一。通常对于固定时滞系统，采用Smith预估控制器进行控制，其结构简单、控制品质好。但它对模型误差及时滞变化较敏感。本文就时滞时变系统提出一种参数智能调节的模糊预估控制，进行仿真研究。     

改进型单神经元自适应PID控制在磨矿分级控制中的应用

磨矿分级系统具有诸多不确定因素、非线性、时变、难以建立精确的数学模型,对其溢流浓度进行较好的控制,一直是大家研究的课题。本文提出一种改进型单神经元自适应PID控制方案,因为神经元具有学习特性,该方案能对比例、积分、微分系数进行调整。仿真结果表明,该算法能够适应被控对象较大范围的变化,具有较强的适应能力和鲁棒性。     

电信号线自动测试系统的开发与应用

基于Windows的电信号线自动测试系统的开发情况，设计了一种电信号线自动测试系统。主要包括系统的结构、系统功能、软件设计及系统特点等内容。     

零误差密度最大算法的分析研究

前馈神经网络的学习通常以均方误差为目标函数(MSE),易陷入局部极小,而零误差密度最大算法(Z-EDM)以误差在零点的概率密度函数为神经网络新的目标函数,能够达到全局最优.将Z-EDM算法应用到BP网络中,并通过仿真将两者进行了比较,实验结果表明,Z-EDM算法在分类方面要明显优于MSE算法.并且对这一算法进行了分析,可知以优化此目标函数的神经网络的学习仍是基于经验风险最小化原则,通过仿真将基于Z-EDM算法的BP网络与支持向量机(SVM)在两分类方面进行比较,结果表明此算法对于某些数据集具有与SVM近似的性能,但总体上性能仍不及基于结构风险最小化的SVM.     

基于改进GA的云计算任务调度策略

针对传统遗传算法在云计算任务调度过程中的收敛速度慢和易早熟等问题,提出了一种基于遗传优化算法的双适应度函数改进算法.该算法采用任务完成时间和任务完成成本为双适应度函数,引入个体相似度概念来提高种群质量;采用并列选择法进行选择操作,并且采用自适应规则约束交叉和变异操作,提高种群个体质量,加速进化策略可以有效地避免早熟.结果表明,改进的遗传算法有效地加快了云任务作业调度的收敛速度,并改善了易早熟等现象.     

基于改进蚁群算法的单神经元PID控制在数控精校机电液伺服系统中的应用

数控精校机电液伺服系统是一个参数变化比较大的非线性系统,常规的PID控制效果难以让人满意.采用单神经元PID控制器,在线调整权值,增强了对非线性系统的调节控制功能,然而参数的选择非常重要.文章提出一种改进的连续蚁群算法,用于优化单神经元PID控制器的参数,并用于精校机电液伺服系统,通过MATLAB仿真结果可得系统的阶跃响应,证明该算法比一般的蚁群算法精度更高,收敛更快,同时体现了该蚁群算法在实际应用中的实用性.     

快速降阶匈牙利算法的云计算任务分配模型

为了提高云计算任务分配效率,在标准匈牙利算法的基础上,提出一种快速降阶优化算法的云计算任务分配模型.为实现快速求解全局任务分配问题,快速降阶算法不断排除已确定的分配方案对应的代价矩阵元素,从而快速降低矩阵的阶次.并可根据成本矩阵规模将矩阵分解成多个矩阵,使得该算法在任务和计算机不对等的情况下同样适用.论文最后的仿真结果表明,快速降阶匈牙利算法计算耗时远远小于匈牙利算法,并能有效提高计算机的利用率.     

基于RBF神经网络的电喷天然气发动机空燃比控制

电喷天然气发动机空燃比在工况突变时会剧烈波动,为提高控制精度,使用RBF神经网络和前馈PID控制算法相结合,由当前工况决定燃料基本喷射量,再由RBF神经网络预测的空燃比信号传递给PID控制器进行反馈调节。此外利用Matlab/Simulink软件进行仿真,建立了电喷天然气发动机空燃比仿真模型。仿真结果表明,该控制方法在节气门及发动机转速突变的情况下,过渡时间较PID算法明显减小,控制精度亦有提高。     

不确定时滞及非线性特性执行器系统的模糊Smith预估控制

针对一类带有不确定时滞特性执行器系统，采用Smith预估控制和模糊控制相结合的串级控制，使系统高性能运行。     

一类模糊预估控制系统的鲁棒稳定性分析

针对一类模糊预估控制系统，利用幅相特性分析及描述函数分析法分别对系统的主、付回路的鲁棒稳定性进行了分析、并导出鲁棒上界。