造纸机不同时滞多变量自校正控制器

本文针对造纸机的纸张定量及水分,研制了具有不同时滞的多变量自校正控制器,增加了 积分器和前馈补偿,用增广最小二乘法估计全部参数,实际运行获得满意的控制效果;还介绍 了微机控制系统的构成及自校正控制系统的调试经验.     

近似极大似然法的一个注记

本文证明了近似极大似然法与文献[2]提出的改进增广最小二乘法的等价性,计算机仿真 结果表明了改进增广最小二乘法的优点.     

环形加热炉自校正控制系统

本文介绍了递推综合预测自校正控制器(RSGPC)在环形钢管加热炉上的应用情况.运行结果显示这类控制器具有极强的鲁棒性.     

导弹机动的混沌特性与控制能力分析

导弹在末段采用一定的机动方式是突破防御方导弹拦截的可能途径.突防的最核心思想就是使得拦截武器难以预测导弹的轨迹,因此应该尽量在很少损失射程的前提下,提高导弹轨迹的不可预测性.混沌是典型的通过确定性非线性系统产生有界不稳定信号序列的有效手段.由于对于初值极其敏感,使得得到的时间序列具有不可预测性,而最大Lyapunov指数正是其的定量描述.本文首先给出了通过时间序列计算最大Lyapunov指数的数值方法,随后按照机动导引配合的方法进行飞行控制并进行了定量分析,说明按照一定的程序设计可以保证弹道具有一定的不可预测性.在这一过程中,指出了由于导弹弹体惯性和控制的能量限制,使得目前对于参考信号的跟踪能力有限,使得轨迹的不可预测性具有一个限度,随后指出了一种具有提高这种限度的工程方法.考虑到为了能够真正突破采用气动力/直接力复合控制体制的拦截导弹的防御,采用与其同样的体制进行末段突防可能是一个未来可以进行研究的方向.     

导弹机动的混沌特性与控制能力分析

导弹在末段采用一定的机动方式是突破防御方导弹拦截的可能途径。突防的最核心思想就是使得拦截武器难以预测导弹的轨迹，因此应该尽量在很少损失射程的前提下，提高导弹轨迹的不可预测性。混沌是典型的通过确定性非线性系统产生有界不稳定信号序列的有效手段。由于对于初值极其敏感，使得得到的时间序列具有不可预测性，而最大Lyapunov指数正是其的定量描述。本文首先给出了通过时间序列计算最大Lyapunov指数的数值方法，随后按照机动导引配合的方法进行飞行控制并进行了定量分析，说明按照一定的程序设计可以保证弹道具有一定的不可预测性。在这一过程中，指出了由于导弹弹体惯性和控制的能量限制，使得目前对于参考信号的跟踪能力有限，使得轨迹的不可预测性具有一个限度，随后指出了一种具有提高这种限度的工程方法。考虑到为了能够真正突破采用气动力/直接力复合控制体制的拦截导弹的防御，采用与其同样的体制进行末段突防可能是一个未来可以进行研究的方向。     

涤纶片基拉膜生产线数据库系统设计与实现

以一个涤纶片基拉膜生产线的计算机集成制造系统的开发为背景，介绍了基于星型令牌环网和Client/Server模式进行通信，以ORACLE为后台数据库的生产线数据库系统的设计与实现。所建立的系统已成为生产线过程的管理控制一体化的重要组成部分。     

复杂网络上的传播动力学及其新进展

深刻理解传染病在社会群体中的传播规律、计算机病毒在因特网上的扩散过程是复杂系统和传染病动力学领域研究的一个热点问题．主要从复杂网络的拓扑结构和流行病的感染机制2个方面综述了当前国内外传播动力学研究的现状和最新进展,探讨了传播动力学在疾病预防与免疫中的应用,最后指出值得进一步研究的问题．例如带社区、层次结构的加权演化模型,动态网络结构下的疾病传播行为和微观感染机制等．     

具有预测功能的积分控制器及其应用

在传统积分控制中引入适当的前馈项,使其具有目标预测功能,可改善系统输出动态特性。经一个钢坯加热炉炉温模型的控制验证表明,本算法具有简单有效的鲁棒控制器功能。     

基于Tent混沌优化的神经网络预测控制

With the unique ergodicity, irregularity, and special ability to avoid being trapped in local optima, chaos optimization has been a novel global optimization technique and has attracted considerable attention for application in various fields, such as nonlinear programming problems. In this article, a novel neural network nonlinear predictive control (NNPC) strategy based on the new Tent-map chaos optimization algorithm (TCOA) is presented. The feedforward neural network is used as the multi-step predictive model. In addition, the TCOA is applied to perform the nonlinear rolling optimization to enhance the convergence and accuracy in the NNPC. Simulation on a laboratory-scale liquid-level system is given to illustrate the effectiveness of the proposed method.     

基于Tent混沌优化的神经网络预测控制

With the unique erggdicity, i rregularity, and.special ability to avoid being trapped in local optima, chaos optimization has been a novel global optimization technique and has attracted considerable attention for application in various fields, such as nonlinear programming problems. In this article, a novel neural network nonlinear predic-tive control （NNPC） strategy baseed on the new Tent-map chaos optimization algorithm （TCOA） is presented. Thefeedforward neural network＇is used as the multi-step predictive model. In addition, the TCOA is applied to perform the nonlinear rolling optimization to enhance the convergence and accuracy in the NNPC. Simulation on a labora-tory-scale liquid-level system is given to illustrate the effectiveness of the proposed method.