“人工神经网络”教学中的Matlab仿真工程实践

在“人工神经网络”课程的教学过程中,注重的是研究神经网络的理论和仿真,对其在实践应用的研究较少。本文将神经网络引入出口海产食品风险分析过程中,构建了一种改进型的神经网络风险分析模型,对海产食品进行定量的风险值评估,实现了从定性决策到定量决策的转变。测试结果表明,该模型具有较高的精确度,为神经网络教学在课程应用上提供了一...     

基于知识分享的“信号与系统”教学探讨

“信号与系统”是一门重要的工科专业基础课,如何从大量的公式和计算中开辟出一条高效的教学之路值得深思.本文结合网络时代的知识分享概念,从知识主体、客体及知识分享工具的角度,对于如何提高知识分享意愿和能力以及增加知识分享途径提出了建议,形成独特有效的授课风格.加强对学生实际应用方面和专业方面的引导,以促进对理论知识的理解吸收.通过教学实践,这些方法已经得到了学生的良好反馈.     

多变量非线性系统的有约束模糊预测控制

针对多变量非线性系统提出了一种带约束输入的广义预测控制(GPC)算法.首先对多变量非线性系统建立T-S模糊模型,利用模糊聚类算法和正交最小二乘算法对输入变量的模糊划分及后件部分的参数分别进行辨识,然后在每个采样点对系统进行局部动态线性化.根据得到的系统线性化模型设计GPC算法,该算法充分考虑了控制输入及其增量受约束的情况,而且不必求D iophantine方程,大大减小了计算量.仿真结果表明该算法能保证系统输出有效跟踪设定值,而且控制输入和控制增量均在其约束范围之内.     

基于对角解耦的多变量约束广义预测控制

由于多变量系统各变量之间往往存在严重耦合现象,在对系统进行对角解耦的基础上,设计了带约束输入的广义预测控制算法。该算法保证了系统输出有效跟踪设定值,并且充分考虑了输入信号及其增量均受约束的情况,使其均被控制在允许范围之内,同时避免了求解Diophantine方程,很大程度上减少了计算量。仿真结果表明该算法可以在很大程度上削弱变量之间的耦合程度,且具有良好的控制效果。     

新型多变量有约束预测控制器

针对一类多变量系统给出了带约束输入的GPC算法，该算法充分考虑了控制输入及其增量均受约束的情况，而且不必求Diophantine方程，大大减小了计算量；仿真结果说明该算法对多变量系统具有良好的鲁棒性和跟踪性能。     

切换系统基于反演递推法的鲁棒自适应控制

切换系统的稳定控制问题是一个重要的研究问题。基于李雅普诺夫函数的方法是研究切换系统稳定性的重要手段,但是有约束非线性系统的李亚普诺夫函数构造仍是一个难题(特别是对带有不确定性的非线性系统)。针对一类带有不确定性的严格反馈型切换非线性系统,利用反演递推法(backstepping)设计了子系统的基于李亚普诺夫函数的鲁棒自适应控制器,并证明了子闭环系统的稳定性,同时设计适当的切换律保证了整个闭环系统的稳定性。其中系统的未知不确定性及外界干扰不要求线性增长速度,并由模糊系统在线逼近。结果表明所提出方法的有效性。     

一类受约束非线性系统的有限时间优化镇定

优化控制方法可以考虑系统性能和节省能源,但是不能给出初始稳定区域的描述.本文阐述的优化控制方法可以给出初始稳定区域的描述,使得约束非线性系统有限时间稳定.首先设计有限时间优化控制器使得系统的状态在有限时间内进入初始稳定区域,同时优化目标函数,系统实现性能最优和消耗最小.进而设计有限时间鲁棒镇定控制器使得系统的状态在有限时间内收敛到原点. Lyapunov函数分析方法给出了吸引域的估计,并确保在不同状态下,设计的控制器使得闭环系统有限时间稳定.最后给出了一个仿真实例验证算法的有效性.     

具有不确定性的非线性切换系统的约束预测控制

针对一类具有不确定性和变量约束的非线性切换系统, 提出了一种基于Lyapunov函数的预测控制方法, 其中状态约束分为两种情况: 1)要求状态变量在所有时刻都满足约束(称为硬约束); 2)允许状态在某些时刻超出约束(称为软约束). 主要思想是: 对切换系统的每一个子系统, 在输入和状态均受约束的情况下, 设计基于Lyapunov函数的有界控制器和预测控制器, 在两者之间适当切换, 得到初始稳定区域的描述并使得子闭环系统保持稳定. 对整个切换系统, 设计适当的切换律以保证: 1)在切换时刻, 闭环系统的状态处在切入系统的稳定区域内; 2)切入模块的Lyapunov函数是非增的, 从而可保证稳定性. 在状态变量的约束是软约束时, 对每一子模块首先设计一个控制策略, 尽快将状态控制到初始稳定区域, 然后再利用稳定区域内的控制律使系统稳定.     

带约束输入的多变量广义预测解耦控制及其在化工过程中的应用

A constrained decoupling （generalized predictive control） GPC algorithm is proposed for MIMO （malti-input multi-output） system. This algorithm takes account of all constraints of inputs and their increments. By solving matrix equations, the multi-step predictive decoupling controllers are realized. This algorithm need not solve Diophantine functions, and weakens the cross-coupling of the variables. At last the simulation results demonstrate the effectiveness of this proposed strategy.