基于U-LMS算法的船舶自适应逆控制

自适应逆控制的基本思想就是要用一个来自控制器的信号去驱动对象,而该控制器的传递函数就是参考模型与该对象建模函数的商.按照某一种自适应算法,用对象和指令输入之差的误差信号来调节控制器的参数以使该误差信号的均方差最小.根据IIR算法的快速收敛性,该文设计了基于U-LMS算法的IIR控制器,并把其应用到船舶模型控制上,仿真结果表明这种控制器大大减少了计算量,快速性得到了提高,并且权值的失调较小,对于参考模型的输出具有非常优良的跟踪性能.     

微粒群算法优化设计自适应滤波器

针对自适应IIR滤波器潜在的不稳定性和性能指标函数容易陷入局部极小点而导致性能下降等问题,用一种新的优化算法-微粒群算法来对其进行优化设计,仿真结果表明用微粒群算法进行参数寻优不仅解决了自适应滤波器性能指标函数容易陷入局部极小点的问题,亦解决了稳定性问题.     

基于非线性PID的调距桨控制系统仿真研究

船舶调距桨控制系统中采用一般PID控制器往往难以达到最佳控制效果。针对调距桨控制系统过程模型的特点，设计了相应的非线性PID控制器，该非线性PID控制器各增益参数与偏差信号之间呈现非线性关系，调节控制器的各参数可根据对相应参数的非线性函数进行调整来实现，并采用遗传算法来优化此控制器各部分参数。仿真结果表明，该控制器能根据实际情况快速地调整和完善PID参数，具有响应速度快，稳态精度高等优点，控制效果优于传统的PID控制器。     

基于微粒群算法的自适应ⅡR滤波器的优化设计

针对自适应ⅡR滤波器潜在的不稳定性和性能指标函数容易陷入局部极小点而导致性能下降等问题,用一种新的优化算法-微粒群算法来对自适应ⅡR滤波器进行优化设计,它不依赖于梯度信息,能够有效地实现自适应ⅡR滤波器参数的全局寻优,仿真结果表明用微粒群算法进行参数寻优优于遗传算法,不仅解决了自适应滤波器性能指标函数容易陷入局部极小点的问题,也解决了稳定性问题.     

基于混合Elman网络的非线性自适应逆控制

针对Elman动态递归神经网络的特点,在现有结构的基础上提出一种隐层包含径向基函数的混合Elman神经网络,给出了网络结构和训练算法,并将其应用于非线性自适应逆控制系统中.仿真实验表明该动态神经网络自适应性强,动态特性优异.此方法为实现非线性系统自适应逆控制提供了理想的途径.     

基于微粒群算法的自适应IIR滤波器的优化设计

针对自适应IIR滤波器潜在的不稳定性和性能指标函数容易陷入局部极小点而导致性能下降等问题,用一种新的优化算法-微粒群算法来对自适应IIR滤波器进行优化设计,它不依赖于梯度信息,能够有效地实现自适应IIR滤波器参数的全局寻优,仿真结果表明用微粒群算法进行参数寻优优于遗传算法,不仅解决了自适应滤波器性能指标函数容易陷入局部极小点的问题,也解决了稳定性问题。     

基于正交神经网络的无刷直流电机控制器设计

提出了基于正交神经网络的无刷直流电动机自适应控制器设计方案,并以永磁无刷直流电机(BDCM)构成伺服系统作为对象进行了仿真实验,研究了该控制器的控制性能.仿真表明控制器能实现被控对象模型的在线控制,并且可以较快地处理电机非线性、变参数的影响,具有较强的鲁棒性和抗干扰能力.     

微粒群算法优化设计自适应滤波器

针对自适应IIR滤波器潜在的不稳定性和性能指标函数容易陷入局部极小点而导致性能下降等问题,用一种新的优化算法-微粒群算法来对其进行优化设计,仿真结果表明用微粒群算法进行参数寻优不仅解决了自适应滤波器性能指标函数容易陷入局部极小点的问题,亦解决了稳定性问题.