基于确定学习的电力系统稳定性控制

传统自适应控制方法存在计算过于复杂、控制器奇异性的问题。为了解决这些问题,采用了一种简单的自适应控制方法,以保证电力系统中所有信号的有界性和有限时间内跟踪误差的收敛性。主要思想是将控制过程中的稳定闭环系统分解为一系列具有适当状态变换的线性时变扰动子系统,利用递归设计方法,建立了径向基函数神经网络的部分持续激励条件,保证了扰动子系统的指数稳定性。因此,在闭环信号循环轨道的局部区域内实现了闭环系统动力学的精确逼近,在闭环反馈控制过程中所学习的知识可以被重复利用,从而避免了在自适应控制过程中大量重复训练的过程。仿真结果表明了该方法的有效性。     

真空脱气炉的MCGS组态软件设计

针对炼钢过程中分离氮和氧需要在不同温度下进行,通过MCGS(Monitor and ControlGenerated System)组态软件对炼钢的整个过程进行分析研究,能够完成现场数据采集,实时和历史数据处理,报警和安全机制,流程控制,动画显示,趋势曲线和报表输出以及企业监控网络等功能     

确定学习与基于数据的建模及控制

确定学习运用自适应控制和动力学系统的概念与方法, 研究未知动态环境下的知识获取、表达、存储和利用等问题. 针对产生周期或回归轨迹的连续 非线性动态系统, 确定学习可以对其未知系统动态进行局部准确建模, 其基本要 素包括: 1)使用径向基函数(Radial basis function, RBF)神经网络; 2)对于周期(或回归)状态轨迹 满足部分持续激励条件; 3)在周期(或回归)轨迹的邻域内实现对非线性系统动态的局部准确神经网络逼近(局部准确建模); 4)所学的知识以时不变且空间分布的方式表达、以常值神经网络权值的方式存储, 并可在动态环境下用于动态模式的快速识别或者闭环神经网络控制. 本文针对离散动态系统, 扩展了确定学习理论, 提出一个根据时态数据序列对离散动态系统进行建模与控制的框架. 首先, 运用确定学习原理和离散系统的自适应辨识方法, 实现对产生时态数据的离散非线性系统的未知动态进行局部准确的神经网络建模, 并利用此建模结果对时态数据序列进行时不变表达. 其次, 提出时态数据序列的基于动力学的相似性定义, 以及对离散动态系统产生的时态数据序列(亦可称为动态模式)进行快速识别方法. 最后, 针对离散非线性控制系统, 实现了基于时态数据序列对控制系统动态的闭环辨识(局部准确建模). 所学关于闭环动态的知识可用于基于模式的智能控制. 本文表明确定学习可以为时态数据挖掘的研究提供新的途径, 并为基于数据的建模与控制等问题提供新的研究思路.     

非线性船舶动力定位系统反步控制器设计

针对船舶动力定位系统中数学模型具有耦合、非线性、不稳定等特点,设计了一种基于反步法的非线性输出反馈控制器。首先,采用反步法原理引进位置误差和速度误差并定义了两个子系统的虚拟控制状态向量,结合供给船舶模型建立的非线性数学模型,提出了船舶非线性动力定位系统的控制算法,设计了输出反馈控制器。然后,通过李雅普诺夫(Lyapunov)稳定性理论验证了所设计的控制器具有全局渐近稳定性。最后,针对定位性能和轨迹跟踪性能做了仿真分析,验证了该控制方法的有效性。     

轴流压气机旋转失速建模与检测:基于确定学习理论与高阶Moore-Greitzer模型的研究

喘振和旋转失速是轴流压气机研究领域中重要而困难的问题. 本文基于确定学习理论及动态模式识别方法提出一个旋转失速初始扰动 近似准确建模和快速检测的方法. 首先,基于高阶Moore-Greitzer模型（Mansoux模型）,利用确定学习理论提出一个对旋转失速初始扰动的内在系统动态的近似准确建模方法;其次,基于以上近似准确建模,利用 动态模式识别方法提出一个对旋转失速初始扰动的快速检测方法. 基于MIT的Mansoux-C2模型仿真研究验证了 所提方法的有效性. 最后,在北京航空航天大学航空发动机重点实验室的低速轴流压气机试验台上开展了试验研究. 通过对低速轴流压气机试验台参数进行测量,得到基于北航低速轴流压气机试验台的Mansoux模型. 通过对基于北航试验台Mansoux模型进行仿真研究,验证了所提方法的有效性.