一种基于逆模糊模型的自适应逆控制方法

利用模糊逆建模方法,结合自适应逆控制思想,提出了一种基于模糊逆模型的自适应逆控制方法。首先利用模糊系统理论对未知非线性对象进行离线逆建模,得到模糊逆模型;然后将对象与初始逆模型进行串联,利用LMS算法在线调节逆模型,同时将其进行数字复制作为系统控制器,与对象进行串联。该方法可用较少的模糊规则数达到很好的跟踪控制效果,将该方法用于一混合非线性系统及球形液位控制中,仿真结果验证了该方法的有效性与实用性。     

基于sEMG信号的关节力矩NARX预测模型

为解决利用力矩传感器控制肌力训练设备所带来的滞后性,利用表面肌电信号(sEMG)超前于运动的特性,设计了基于一组拮抗肌表面肌电信号的关节力矩预测模型。首先搭建康复训练设备为信号采集和实验验证提供条件。将sEMG经过预处理,选择sEMG信号的方差特征作为神经网络输入,利用带有外部输入的非线性自回归(NARX)模型的动态循环神经网络,分别建立了基于关节力矩实际值的超前多步(MSA)预测模型和基于模型预测输出(MPO)的预测模型,通过等张和等长测试实验,比较了MSA和MPO模型的力矩预测性能。实验结果表明,两种模型输出预测值和实际值之间都有极强关联性(皮尔逊相关系数均大于0.95)。随着超前预测的步数增加,MSA模型的预测精度降低,但是超前预测的时间增大。在等张和等长测试中,当超前步数分别小于29和35时,MSA预测精度显著高于MPO(p<0.05),但MPO模型在成本和体积上更具优势。综上所述,两种模型均可以准确预测关节力矩,在实际康复训练设备控制中,可根据应用需求选择不同的力矩预测模型。     

基于遗传优化小波神经网络逆模型的油水测量

考虑基于传统的介电常数法动态测量原油含水率时存在多变量交叉敏感性,检测精度无法满足石油生产实时优化控制的需要,研究了利用多传感技术对存在交叉耦合的多敏感参量进行测量,提出了一种基于多维数据驱动的遗传优化小波神经网络逆模型及其辨识方法.该模型克服了传统神经网络初始参数随机选取的盲目性,具有全局优化和复杂非线性自学习性能,...     

一种基于LS-SVM与PID复合的逆控制系统

针对逆系统中非线性逆模型辨识困难的问题,研究了基于最小二乘支持向量机(LS-SVM)的逆模型辨识及控制,并用微粒子群算法(PSO)优化LS-SVM的参数和核函数参数。提出了一种由LS-SVM的逆模型与PID结合的复合控制系统,由LS-SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制。同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷。仿真研究结果表明LS-SVM的逆模型辨识能力强,该复合控制系统具有比基于最近邻聚类的RBF神经网络逆控制系统更优的动态跟踪性能,更好的抗干扰能力和鲁棒性。     

一种基于逆透视变换的车道线检测方法

该文基于逆透视变换技术提出了一种车道线检测方法。将道路图像映射为逆透视图,用二维高斯滤波器对图像进行滤波,然后进行阈值处理;用Hough变换提取车道线的线条曲线,利用三阶Bezier样条曲线拟合算法进行直线拟合,获得车道线的检测结果。实验表明,该方法在图像较清晰的情况下,检测近距离的车道线获得了较好的效果,适用于平坦路面下的白色和黄色等车道线检测。     

一种基于协同近似的多学科设计优化方法

为避免求解复杂工程系统多学科设计优化问题时需要反复调用复杂耗时的多学科分析和进行繁琐的灵敏度计算,提出了一种基于协同近似（CMSO）的多学科设计优化方法。首先通过一种协同模型来筛选出更能反映多学科问题本身属性的样本点,通过协同模型来保证系统的多学科一致性;然后通过这些样本点分别构建自适应代理模型,并进行代理模型的验证和确认;最后选择最佳的代理模型来构建多学科优化模型并使用序列二次规划法进行优化求解。通过一个数学算例和圆柱螺旋压缩弹簧设计案例验证了CMSO法的可行性和有效性,且与单学科可行法的比较结果表明了CMSO法的高效性。     

基于虚功原理的Stewart机构逆动力学模型修正

针对Stewart机构动力学模型传统推导中没有考虑分支角速度及角加速度轴向分量的问题,采用虚功原理对Stewart机构的动力学模型进行修正,加入轴向分量的影响,并与未考虑轴向分量时的模型进行了比较和误差分析。从仿真结果可以看出,当机构低速运动或者分支轴向惯量较小时,误差较小,可以近似忽略,这也是传统建模方法在大多数情况都能够适用的原因,但在机构高速运动以及分支轴向惯量较大时,应对传统模型进行修正以满足现今对机构运动高速性和定位精确性的更高要求。     

基于最近邻均匀设计神经网络逆模型的电磁标准振动台谐波控制方法研究

针对低频电磁标准振动台输出振动受刚度非线性影响而产生严重谐波失真问题,首先基于非线性特性幂级数等效原理,分析了输出振动的加速度失真特性。然后,为克服振动台逆模型辨识样本传统均匀采样法存在的效率低及精度差等问题,提出了最近邻均匀设计输入输出样本提取方法,由均匀设计法在传统采样点中选择小样本数据集,再依据近邻法将不能准确辨识的其他样本点加入数据集,构成最优训练样本集。进一步,辨识得到待控制振动台的神经网络逆模型,将其与原振动台模型串联后构建了谐波失真开环控制系统。最后,仿真及实验分析表明,神经网络控制可将整个工作频段内不同位移幅值振动加速度失真控制在标准要求的2%以内,而提出的最近邻均匀设计样本优化神经网络控制具有更优的谐波失真抑制效果。     

基于Agent模型的多学科设计优化方法

复杂工程系统的设计往往涉及多门学科 ,多学科设计优化 (MDO)方法是一类求解复杂系统设计优化问题的方法。本文首先简要回顾现有 MDO方法的特点 ,然后基于 Agent模型提出了一种新的多学科设计优化方法——子空间自主式优化方法。这种方法具有如下特点 :流程简单 ;各个学科组可自主地、并行地进行设计和优化 ;灵活性强 ;所需系统分析的计算次数少 ;没有系统级协调优化环节。为了验证这种算法的有效性 ,对二个典型算例进行了数值实验。初步的数值实验结果表明 ,二个典型的算例经过几次迭代后均能收敛于最优解。子空间自主式方法是一种较有潜力的 MDO方法 ,值得进一步研究     

基于动态逆模型的电液位置伺服系统复合控制

电液位置伺服系统是典型的非线性系统,且往往存在较强的外部干扰.正是由于系统非线性及不确定性,传统方法设计的闭环控制器往往不能满足系统的高性能需求.基于系统动态逆模型设计出复合控制器,包括前馈控制器和鲁棒控制器,分别用于提高系统的控制精度及鲁棒性,给出电液位置伺服系统鲁棒控制器的一般设计方法,并针对电液伺服系统的主要非线性参数,给出在线预估的自适应方法.最后给出复合控制器的验证实例,并对所建数学模型及参数预估方法进行验证,试验结果表明,所提出的基于动态逆模型的复合控制策略提高了系统控制精度,增强了系统抑制外干扰的能力,拓展了系统双十频宽.     

一种基于卡尔曼滤波的非线性模型在线模糊辨识算法

文章提出一种用于非线性模型在线辨识的模糊算法。该算法将非线性输入输出系统用时变线性系统模型来拟和，并把此非线性系统模型表示成模糊模型的形式，用在线调节模糊模型的方法来辨识时变线性模型的相关参数。本文将递推模糊聚类方法与卡尔曼滤波法用于在线调整模糊模型参数。仿真算例表明了此算法的有效性。     

赖氨酸发酵过程关键参数的模糊神经网络逆软测量研究

针对微生物发酵关键生物量参数(基质浓度、菌丝浓度和产物浓度)难以直接测量的问题,以赖氨酸发酵过程为研究对象,采用基于"虚拟子系统"的模糊神经网络逆系统软测量方法对关键生物量参数进行在线估计.假定在发酵过程内部存在一个以不可直接测量参数为输入,直接可测参数为输出的"虚拟子系统",并建立 "虚拟子系统" 的数学模型.再构造"虚拟子系统"的模糊神经网络逆系统,将逆系统串接在"虚拟子系统"后构成复合伪线性系统,得到动态软测量模型,实现不可直接测量参数的在线估计.实验结果表明:该方法能很好地实时估算赖氨酸发酵过程关键参数,为进行赖氨酸发酵过程补料优化控制打下良好的基础.     

A fuzzy based decision model for nontraditional machining process selection

Manufacturing systems are processes in which inputs obtained from interior and exterior sources are transformed into an output by gathering inputs in an optimal way to guide the enterprises. Machining process plays a critical role in industry, and thus, directly affects the efficiency of the manufacturing systems. Due to different importance of the conflicting criterions, the multi-criteria decision-making methods are extremely useful in the selection process of the proper machining type. This study provides distinct systematic approaches in fuzzy and crisp environments to deal with the selection problem of proper machining process and proposes a decision support model for the guidance of decision makers to assess potentials of seven distinct nontraditional machining processes, namely laser beam machining, plasma arc machining, water jet machining, abrasive water jet machining, electrochemical machining, electrical discharge machining (EDM), and wire–EDM in the cutting process of carbon structural steel with the width of plate of 10 mm. The required data for decision and weight matrices are obtained via a questionnaire to specialists, as well as by deep discussions with experts and making use of past studies. Finally, an application of the proposed model is also performed via the SETED 1.0 software to show the applicability of the model.     

Parametric fuzzy model identification based on a hybrid ant colony algorithm

Applying the ant colony algorithm for solving the problem of parametric fuzzy model identification is presented. Transition from continuous optimization to discrete one via constructing a complete oriented decision-search graph is determined. A gradient algorithm is considered as the second optimization step. Experiments for analyzing the performance of the algorithms for optimization and fuzzy system are described.     

An accelerated inverse perturbation method for structural damage identification

In the previous study, the inverse perturbation method was used to identify structural damages. Because all unmeasured DOFs were considered as unknown variables, considerable computational effort was required to obtain reliable results. Thus, in the present study, a system condensation method is used to transform the unmeasured DOFs into the measured DOFs, which eliminates the remaining unmeasured DOFs to improve computational efficiency. However, there may still arise a numerically ill-conditioned problem, if the system condensation is not adequate for numerical programming or if the system condensation is not recalibrated with respect to the structural changes. This numerical problem is resolved in the present study by adopting more accurate accelerated improved reduced system (AIRS) as well as by updating the transformation matrix at every step. The criterion on the required accuracy of the condensation method is also proposed. Finally, numerical verification results of the present accelerated inverse perturbation method (AIPM) are presented.     

基于SVM逆模型的电炉静态温度预报模型研究

温度是电炉炼钢过程的重要技术指标之一,本文提出了一种基于SVM逆模型的电炉静态温度模型结构,该模型由吹氧量逆模型、电耗逆模型和温度预报模型组成,通过对吹氧量、电耗两个最重要的温度控制量建立逆模型,达到了较高的静态温度预报精度.将该模型应用于电弧炉炼钢生产过程中,有助于指导炼钢生产,减少测温次数,改善控制效果,提高炼钢生产效率.     

基于模糊自回归隐马尔可夫模型的控制过程异常数据检测

在工业过程控制系统中,利用智能方法建立被控对象模型已经受到越来越多的关注。模型的准确与否对于控制器的设计以及控制的准确性至关重要,而准确的建模数据是建立准确被控对象模型的必要条件。本文针对控制过程对于建模数据异常定义的特殊性,提出一种适合于控制过程建模数据异常检测的方法:基于模糊自回归隐马尔可夫模型(ARHMM)的控制过程异常数据检测方法。该方法分别通过三部分检测将数据分成正确数据集和异常数据集,并确定正确数据集的隶属度函数,最后根据三个集合的隶属度函数来判断数据是否异常。针对控制过程数据量大,实时性强等特点,模糊ARHMM采用在线更新参数的办法,保证了该方法能够适用于控制过程的数据检测及建模的要求。试验结果和实际应用表明,基于模糊ARHMM的异常数据检测方法具有很好检测效果和实际应用价值。     

基于过程辨识的大客车操纵稳定性模型估计

以试验数据为依据,通过过程辨识对大客车操纵稳定性模型进行了估计.在辨识中大客车模型采用带外加输入的自回归滑动平均模型描述,根据修正的最终预报误差准则估计模型阶次,利用Matlab/System Identification环境综合多种因素最终确定了模型.通过使用自相关函数检验法进行检验,结果表明模型合理,方法可行.