极点配置自校正PID控制器

本文提出极点配置自校正PID控制器的三种典型结构。通常称为常规PID数字控制器结构、增广型自校正PID控制器结构和广义最小方差自校正PID控制器结构。带前馈补偿的极点配置自校正控制器设计方法和增广型结构相同。本文根据典型二阶系统闭环特征方程所对应的期望特征多项式进行闭环极点配置。具有工程意义直观、设计方法简单和鲁棒性较好等优点。自校正算法用短字长的单板机就可实现。它克服了常规PID控制器的弱点。常规PID控制器的参数是在一定的工况条件下用实验或试凑方法找出的。对于大滞后慢时变及出现随机干扰时,很难进行在线参数整定。本文     

一种实际工业过程的自校正控制算法

本文以实际的焦炉煤气集气系统压力过程为对象，介绍一种极点配置自校正控制的通用算法，主要内容有：根据极点配置自校正控制理论，设计了参数估计器并给出算法；完成了调节器参数计算和控制律及仿真分析。应用表明，这种算法适于实际过程微机控制。     

一种新的预测自校正控制器

本文通过在指标函数中引入加权多项式，为由脉冲响应模型描述的系统提出一种基于多步预测的极点配置自校正控制器，这种控制器能确保控制系统的稳定性，并能消除控制系统的稳态误差，算法的计算也比其它的预测控制算法如ＭＡＣ，ＧＰＣ等小。     

一种极点配置自校正导弹控制器的设计方法

根据导弹的非线性时变的特点,以及自适应控制的优点,结合计算机技术与现代控制理论,设计了一种极点配置自校正导弹控制器.该文为滚转通道建立了二阶离散传递函数模型,给出了模型参数的在线辨识方法,研究了极点配置自校正控制器的设计方法,给出了控制量的计算公式和仿真结果.仿真的结果表明,该控制器对非线性时变的控制对象具有满意的控制效果.     

采用双估计器的极点配置自校正调节器设计

介绍一种极点配置自校正调节器设计的新方法。主要内容有：一级估计器设计，即采集实际过程数据及估计被控对象的结构参数；着重介绍二级估计器的设计，即根据配置的极点完成调节器参数计算；给出调节器仿真结果。     

离散时间自适应控制算法的一种新统一格式

本文提出根据显式极点配置自校正调节器设计离散时间模型参考自适应系统的一种新统一格式。以该设计方法为基础，确定一类离散时间自适应控制器。本文给出了仿真实例。     

工业机器人的自校正极点配置控制法

本文提出一种自校正极点配置法进行机器人机械手的位置和速度控制。首先将复杂的机械手系统由一组离散时间的差分方程离散化;然后根据所估计的参数用极点配置法来设计自适应控制器;最后给出了计算机的仿真结果。     

实际工业过程极点配置自校正调节器设计

本文以实际的焦炉煤气集气系统压力过程为对象，介绍一种极点配置自校正调节器设计方法。主要内容有：根据实际过程采集的数据估计被控对象的结构参数；完成极点配置和调节器参数计算；给出调节器算法及实现。应用表明，这种调节器适于实际过程微机控制。     

实际工业过程极点配置自校正调节器设计

本文以实际的焦炉煤气集气系统压力过程为对象，介绍一种极点配置自校正调节器设计方法。主要内容有：根据实际过程采集的数据估计被控对象的结构参数；完成极点配置和调节器参数计算；给出调节器算法及实现。应用表明，这种调节器适于实际过程微机控制。     

极点配置自校正预估PID控制器

对于时滞过程,本文提出了一种新的自校正预估 PID 控制器,它实现了极点配置和静态抗干扰性能,克服了文献[2]提出的自校正预估 PI 控制器和文献[5]提出的自校正预估 PID 控制器不能在线校正控制器参数的缺点.仿真例子说明了本文结果的有效性.     

基于SVM和Kalman预测的非线性系统故障预报

针对Kalman预测在非线性系统故障预报中预测误差较大的问题.提出一种基于支持向量机预测新息的Kalman预测方法.根据未知非线性系统的典型变量分析子空间模型进行Kalman预测.采用支持向量机时间序列预测算法预测未来时刻的新息,利用新息进行Kalman单步和多步预报.在连续搅拌反应器上的仿真研究表明:所提出方法能准确地预测较长时间段内故障过程的劣化趋势,预知可能发生的故障,使操作人员有时间采取必要措施消除故障隐患.     

基于嵌套?伪预估器反馈的时滞控制系统输入时滞补偿

本文研究同时具有输入和状态时滞的控制系统的输入时滞补偿问题. 通过建立嵌套?伪预估器反馈方法预测系统未来的状态, 使得任意大但有界的输入时滞得到完全补偿. 不同于传统的预估器反馈利用开环系统预测系统未来的状态, 嵌套?伪预估器反馈则是利用闭环系统嵌套地预测系统未来的状态. 依据积分时滞系统的稳定性, 给出了保证闭环系统渐近稳定的充要条件. 最后, 采用数值仿真验证所提出方法的有效性.     

面向三维数字化产品色彩的油漆配方预测系统

现有油漆配方预测系统不能直接预测三维数字化产品色彩的油漆配方,这成为推进产品大规模定制设计实用化的障碍。利用三维数字模型色彩信息的提取技术和BP神经网络,在CAXA系统平台上构建了一个油漆配方预测系统,并以西安油漆厂提供的样本进行测试。测试结果表明,该系统可直接预测三维数字化产品色彩的油漆配方。     

基于FAR模型的网络通信量自适应预测

本文分析了网络通信量中存在的自相似现象，并讨论了自相似通信量的预测及其对于网络性能分析的重要意义，提出了一种考虑了网络通信量自相似性的自适应预测方法，该预测方法在利用通信量自相似性的同时也考虑了通信量的短程相关特性，能够对实际通信量进行良好的预测。最后用实验仿真验证了这种方法在通信量预测中的有效性。     

有效克服系统时延的PID自校正预测控制新算法

给出了ＰＩＤ自校正预测控制器的一种简单设计方法。其主要内容有：不同于自适应预测算法，基于内模原理构成ｄ步超前预测控制器；根据ｄ步超前预测信号，应用数据处理的新技术，构成了ＰＩＤ自校正预测控制的新算法。仿真及运行结果表明，这种控制技术是有效的。     

一种复合分支预测电路的设计与实现

针对现有预测算法仅能精准预测某类程序的缺陷,设计一种复合分支预测电路。该电路组合多种分支预测算法,可以对各种程序进行精准预测,并应用于自主设计的嵌入式微处理器中。性能仿真结果表明,复合分支预测电路对各种程序可以实现高精准预测,并且满足处理器设计的时序要求。     

用于图像预测编码的预测器的设计及应用

设计并实现了一个用于图像预测编码的预测器。在图像压缩中,预测器是影响整个图像压缩比以及图像质量的关键环节。为了提高预测器的性能,本文结合了线性与非线性预测器的设计方法,首先对图像像素及其邻域像素之间的相关性估计值进行统计计算,确定该预测器的最佳阶数为四阶,接下来以预测差值的最小均方差标准和差值图像的期望值恒为零的约束为前提,同时对邻域模板的平坦程度加以分类,统计分析各类图像得出大量实验数据,最终设计出性能较好的四阶预测器。由于该预测器应用于星载图像的压缩,其预测系数在设计时兼备了便于硬件实现的特点。     

基于神经网络烧结终点(BTP)预测系统

为解决烧结过程大滞后环节和烧结终点难以测量的困难，采用MBP神经网络对烧结过程进行预估、仿真和测试，建立了有较好泛化能力的系统模型，实现了对烧结终点的提前预报和生产操作指导。     

When is adaptive better than optimal?

Given a stationary process, let us predict it using a first-order predictor whose single coefficient is adapted to the current observations using a constant gain identification algorithm. We investigate the prediction error variance as a function of the adaptation gain i.e., the length of the memory (the number of observations) of the identification scheme. An infinite-memory corresponds to the asymptotically constant optimal predictor and a finite memory to a locally adaptive time varying predictor. We show that, in some specified situations, the prediction error variance associated with the finite memory adaptation scheme is smaller that the optimal variance. This can only occur if the model is misspecified i.e., the structure of the optimal predictor is too simple     

Cost effective mixed-type value predictor using distributed classification method

We have investigated the conventional mixed-type value predictors, pointing out their limitations due to the inefficient use of data table entries. To improve the cost effectiveness of the conventional mixed-type value predictors in terms of the performance/cost ratio, we propose a new mixed-type value predictor, which uses the distributed classification method. The proposed value predictor has no centralized classification tables, but it uses distributed and local classification tables for each subsidiary predictor to classify instructions, to update data tables, and to predict result values. Static analysis of the cost reveals that the proposed value predictor decreases the cost by 30 and 10% compared with two conventional predictors, respectively. As well, the proposed value predictor increases the performance by 1% in terms of IPC, and, finally, improves the performance/cost ratio by 40 and 10% compared with two conventional methods.