连续时间线性等式约束LQ控制的混合能消元算法

将连续时间LQ控制问题的微分方程离散化后,建立了连续时间线性等式约束LQ控制 问题的混合能消元算法,可有效求解约束条件下的Riccati方程.文中给出了相应的算例.     

建筑结构基于RBF神经网络的离散滑模控制研究

抖振问题是离散滑模控制在实际系统中应用的突出障碍.根据神经网络控制的优点,采用一种基于RBF神经网络的离散滑模控制方法对地震作用下建筑结构的振动控制问题进行了研究.根据离散系统建模技术,得到了离散时间形式的状态方程,同时给出了确定切换面的方法,并推导了控制律的表达式.以一个三层剪切型建筑结构模型为例来验证所提出的离散滑模控制方法的有效性.算例分析结果表明:本文所提出的控制方法能够有效地减小结构的地震峰值响应,同时达到了削弱控制系统抖振的目的.     

非线性控制系统平行计算的基础

众所周知,多重子结构法中子结构的凝聚与次序无关,由计算结构力学与最优控制的模拟理论自然可证明时段的消元也与消元次序无关,这就为非线性控制系统进行平行计算打下了基础.采用结构力学方法计算最优控制问题,其关键步骤是时段的消元.本文考虑的非线性控制系统,其动力方程为     

三维锥形动脉中脉动流的数值模拟研究

在正常生理脉动流下,运用计算流体力学方法和血流动力学的基本原理,对三维渐缩锥形弯曲动脉内血液脉动流进行数值模拟和可视化分析.计算获得了具有锥度角的弯曲动脉内血液流动在心动周期内不同时刻的压力分布、速度分布.通过对弯曲动脉及其形成局部狭窄后,管腔内的血液流速和压力分布的研究,为动脉粥样硬化的成因及排除方法的研究提供更可靠的理论依据.结果表明,锥度角和动脉管壁的曲率变化对非定常状态下的脉动流的压力、速度分布、血流的局部能量损失的影响很大,这与实际情况相符.     

基于遗传-神经算法的圆柱壳结构外压稳定性研究

圆柱壳外压稳定性问题是高度非线性的复杂问题,采用遗传算法优化的神经网络模型进行仿真求解,模型具有神经网络强大的函数逼近功能和高度的并行计算能力,同时克服神经网络算法易陷入局部极小点的缺陷。算例求解结果表明,用GA-NN方法分析圆柱壳结构外压稳定性,具有效率高、鲁棒性好的优点,精度满足工程要求。     

基于保色散关系的迎风WENO格式的研究

W ENO(W eighted E ssentially N on-O scillatory)格式能够高分辨率地捕捉诸如激波等间断,而保色散关系(D issipation-R elation-P reserv ing,DRP)格式适宜于处理高频波传播问题。计算气动声学(Com putational-A eroacoustics,CAA)领域有大量的既有高频波传播又带有激波的问题,结合W ENO格式和DRP格式的优点基于保色散关系构造出优化的迎风W ENO格式。数值实验中比较该格式捕捉波数的能力和精度,显示处理CAA基本问题具有高精度、高分辨率的特点。     

单轴机械臂系统的

针对机械臂系统在Hamilton体系下,给出一种有效的H∞控制策略和精细的数值计算方法.首先建立了系统的动力学方程,进而利用控制理论中针对扰动衰减问题的H∞控制策略对动力系统进行了控制研究.在数值模拟过程中,摒弃了传统的差分类计算方法,采用建立在线性系统的时程精细积分算法对状态方程及代数黎卡提方程进行了求解,最后通过数值例题说明了文中方法的有效性.     

基于神经网络混合建模的结构振动滑模控制

将神经网络和标称系统混合建模方法引入到离散滑模控制当中,得到神经网络滑模控制,然后对结构振动进行控制,振动结构为具有不确定性参数的柔性附件,并受到随机外扰作用。离散滑模控制的滑模面是以标称系统为基础,由最优二次型价值函数求解黎卡提方程确定。利用标称模型和神经网络混合建模方法来减小系统的不确定性,达到提高滑模控制在实际控制系统中的控制效果。其中利用前馈神经网络来对不确定部分进行建模。最后通过对滑模控制和神经网络滑模控制进行仿真,结果表明,本文所提出的神经网络滑模控制对具有不确定性参数和随机外扰的柔性结构系统振动的控制效果要优于滑模控制。     

基于瞬时最优控制神经网络的建筑结构主动控制研究

改进一种基于瞬时最优控制的神经网络训练算法。本方法以瞬间最优控制价值函数最小化为训练目标,考虑了地震输入的能量,利用最速下降梯度法计算权值的改变量,并对敏感度矩阵进行近似处理,可解决神经网络控制中神经网络控制器难以获得的训练输入/输出样本对的难题。该方法适合多输入/多输出结构体系,整个推导过程都是针对此体系进行的。文中通过对一个三层框架结构体系进行有效的仿真计算,说明了算法的有效性。