基于模糊模型的低阶系统自适应控制

本文提出了基于模糊模型的自适应控制，自适应性是通过对模糊过程模型的在线辨识而取得的。从粗糙的良初模型开始，自适应控制将模型调整到与过程相符合，以便自校正控制器。     

用模糊模型在线辨识非线性系统

讨论用模糊方法实现非线性系统在线辨识问题.首先给出了简化的模糊规则表达 方法及其相应的自适应模糊推理,在此基础上给出了模糊模型参数在线辨识算法.最后对 非线性模型进行在线辨识,验证了本文提出的模糊模型及其在线辨识算法.     

增量式自适应逆控制及在过热汽温中的应用

被控对象的迟延和惯性特性是影响控制系统品质的重要因素之一.从常规PID增量式控制算法入手,在对具有迟延和惯性被控对象的动态特性进行定性分析的基础上,给出了一种改进型增量式控制算法的表达式;分析了被控对象校正逆模型的参数向量与控制器的参数向量之间的联系,进而将控制器的荻取与被控对象校正逆模型的建立相结合,将控制器的自适应过程归结为被控对象校正逆模型的在线辨识问题,通过对校正逆模型的在线辨识直接对改进型增量式控制算法中控制器的参数进行在线修正,形成了一种增量式自适应逆控制系统.将该方法应用于锅炉过热汽温控制系统中,并通过与常规PID串级控制和直接自适应逆控制系统的控制效果对比,验证了所提方法的有效性.     

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.     

两种时变参数估计的自适应递推算法

本文就参数呈快时变(包括阶跃变化)时系统辨识问题提出了两种在线自适应辨识算法,它们是通过参数时变检验对最小二乘递推算法进行适时校正得来的算法,并通过仿真与其它方法比较,验证了它们的有效性。     

一类随机干扰作用下的非线性系统的自适应控制

利用随机干扰作用下的采样数据训练模糊神经网络可得到对象含噪声信息的统计辨识模型 ,通过预估及校正算法在线调整控制输入以弥补模型偏差的影响 ,实现系统的自适应控制 .仿真实验结果表明该控制方案具有较高的控制精度、较强的抗干扰能力和良好的自适应性能     

pH值的自适应预估控制

本文将自适应滤波 LMS 算法加以推广,并用于参数在线辨识。在补偿滞后,校正非线性的基础上,实现了pH 值的自适应预估控制,取得了良好的效果。     

水轮机传递参数在线辨识

针对水轮机的六参数模型,本文利用最小二乘法的思想对水轮机模型参数进行辨识,推导了参数在线辨识算法。通过仿真,得到了较好的辨识结果。在此辨识结果的基础上,可以在线整定控制器的控制参数,实现自适应控制。     

阻力矩加载自适应控制器设计研究

采用神经网络与自适应相结合的方法构造了基于辨识模型的智能控制器。接着结合阻力矩加载系统的控制研究了神经网络间接自校正控制器算法,并进行了仿真研究。经过大量的系统仿真试验,所设计的间接自校正控制器可以使系统具有良好的动、静态性能,能够实现对阻力矩加载系统精确的控制。     

迟延惯性系统的一种自校正增量型PID控制

对于具有大迟延、大惯性特性的被控对象,常规PID控制往往难以取得满意的控制效果。在对常规PID控制算法及迟延和惯性系统的动态特性进行定性分析的基础上,提出了一种新的自校正增量型PID控制方法。首先采用带最小损失函数的递推最小二乘算法通过离线辨识获得被控对象初始的迟延和惯性特性,并据此整定PID控制器参数;控制过程中,通过在线辨识实时获取被控对象的动态特性,并利用历史控制信息,根据在线辨识结果获得一种具有自调整功能的校正基准量,从而形成一种自校正增量型PID控制器。最后,将其应用于电站锅炉过热汽温串级控制系统中。仿真试验表明,该方法能够有效地控制具有时变特性的大迟延、大惯性对象,表现出了良好的自适应能力。     

基于ANFIS的非线性系统辨识研究

系统辨识是控制系统设计的基础，对非线性系统进行辨识是当前的难点；文献[1]提出了用模糊建模方法，文献[2]提出了用神经网络方法，在总结上述方法不足的基础上，该文提出了用自适应神经模糊推理系统(ANFIS)对非线性系统进行辨识的方法，仿真结果表明，ANFIS进行非线性系统辨识是可行的，其辨识精度很高。     

一种基于粒子群优化的非线性系统辨识方法

针对单入单出离散时间非线性动态系统提出一种辨识方法.该方法采用带误差修正的改进泛模型作为非线性系统的结构模型,模型中的时变特征参量及误差修正系数采用粒子群（PSO）算法优化,优化后的模型可以逼近非线性系统.该方法简单、易于实现.通过对Box-Jenkins煤气炉数据等非线性被控对象的仿真研究及对模型的分析,表明了所提出算法的有效性.     

基于遗传神经网络的传感器非线性校正研究

针对实际传感器的非线性问题,介绍了用神经网络进行传感器非线性校正的原理,提出了基于自适应遗传算法的神经网络传感器非线性校正模型、算法及实现方法。通过实验结果显示:此方法不但可以实现非线性校正和减少环境因素的影响,而且,校正后的精度也高于单一的神经网络模型。     

基于改进模型参考自适应系统的永磁同步电机参数辨识

针对永磁同步电机多参数辨识时, 数学模型存在的欠秩问题, 提出一种改进模型参考自适应系统的分步在 线辨识方法. 该方法采用Popov超稳定性理论设置自适应律, 可以保证辨识时系统的稳定性; 在改进的模型参考自 适应系统中, 首先辨识定子电阻、转子磁链, 待两个参数辨识结果稳定后, 再辨识直交轴电感. 这样在同一个模型中 实现多个参数辨识, 克服了由于数学模型欠秩问题而导致辨识结果的不确定性. 仿真结果表明, 本文设计的方法辨 识速度较快, 辨识度高, 具有一定的实用性.     

Adaptive predictive path following control based on least squares support vector machines for underactuated autonomous vessels

Since vessel dynamics could vary during maneuvering because of load changes, speed changing, environmental disturbances, aging of mechanism, etc., the performance of model‐based path following control may be degraded if the controller uses the same motion model all the time. This article proposes an adaptive path following control method based on least squares support vector machines (LS‐SVM) to deal with parameter changes of the motion model. The path following controller consists of two components: the online identification of varying parameters and model predictive control (MPC) using the adaptively identified models. For the online parameter identification, an improved online LS‐SVM identification method is proposed based on weighted LS‐SVM. Specifically, the objective function of LS‐SVM is modified to decrease the errors of parameter estimation, an index is proposed to detect the possible model changes, which speeds up the rate of parameter convergence, and the sliding data window strategy is used to realize the online identification. MPC is combined with the line‐of‐sight guidance to track straight line reference paths. Finally, case studies are conducted to verify the effectiveness of the proposed path following adaptive controller. Typical parameter varying scenarios, such as rudder aging, current variations and changes of the maneuverability are considered. Simulation results show that the proposed method can handle the above situations effectively.     

Adaptive Control of the Electro‐Hydraulic Servo‐System with External Disturbances

The paper deals with the structure of the adaptive control electro‐hydraulic servo‐system (EHSS) with external load disturbances, practical verification of the identification, and control algorithms. The electro‐hydraulic servo system composed of a servo‐cylinder controlled with a servo‐valve is discussed. It is a strongly nonlinear object with parameters changing over time. Adaptive adjuster parameters were determined by means of current identification resulting in the parametric model. Identification was conducted on the basis of measurement of the controlling size and regulated size objects. The identified model of the object was applied to carry out the on‐line synthesis of the proportional–integral–derivative (PID) controller. The selected problems connected with obtaining the algorithm of adaptive control are presented. The computer program for implementing the algorithm with numerical simulation and identification of the control physical model object were calculated. The aim of the research was to examine the effectiveness of the adaptive control method in an electro‐hydraulic servo system, both theoretically and experimentally.     

异步电机定子电流的内模自适应控制及实现

提出了异步电机定子电流的内模自适应控制及其在转子磁场定向矢量控制中的实现方法。首先,根据内模控制（ＩＭＣ）原理设计异步电机电流调节器,并用矩阵奇异值分析了ＩＭＣ电流调节器的鲁棒性;然后用最小二乘法对模型参数进行辨识;最后将其应用于异步电机转子磁场定向的矢理控制中,通过对电流调节器传递矩阵函数的仿真及用ＤＳＰ实现的异步电机矢量控制运行实验,验证了自适应ＩＭＣ电流调节器的良好性能。     

热轧带钢卷取温度联合控制算法设计与仿真

在热轧带钢生产线上,卷取温度的精确控制对带钢质量是至关重要的。详细研究了一个实际的热轧带钢卷取温度控制系统。建立了一种简化的动态控制模型,并用一个改进的遗传算法在线调整模型的参数。基于该模型提出了一个包括冷却反馈控制、前馈及自适应联合控制算法的控制器。通过建立一个更精确的仿真系统,达到指导现场生产的目的。实践结果证明提出的控制方法是有效的,仿真系统也具有较大的实际意义。     

神经网络并联辨识算法的收敛性研究

神经网络可用来建立非线性动态系统的模型，其辨识模型可分为串联并联辨识模型和并联辨识模型两种，后者的思路源于基于参考模型自适应方案的输出误差辨识模型，对观测扰动有较强的抑制能力。本文对这种神经网络并联辨识结构的收敛性进行了研究，指出在网络参数满足一定条件时并联预测过程收敛，且并联辨识算法具有局部收敛性，仿真实验验证了上述结论。