多连杆柔性机械手末端位置的非线性预测控制

讨论了多连杆柔性机械手末端位置的控制问题。给出了一种非线性预测与刚性运动ＰＤ 反馈相结合的混合控制器,该方法可避免逆动力学反馈控制遇到的零动力学不稳定问题,稳定性分析表明,单纯非线性预测控制和ＰＤ 控制都不易保证闭环系统的稳定性,而两种方法的混合控制可保证闭环系统的稳定性。通过一个双连杆柔性机械手的仿真表明,本文提出的控制方法可实现多连杆柔性机械手末端轨迹的准确跟踪,并能消除柔性机械手的弹性震动。     

神经网络预测控制及其在煤气生产过程中的应用研究

非线性、大滞后系统是工业生产过程中普遍存在的现象,被认为是物理系统中最难控制的重要环节。本文以水煤气生产过程为背景,对这类复杂非线性系统提出了一种基于改进B-P神经网络的预测控制方法,仿真结果表明该方法的有效性和快速性,从而为非线性、大滞后系统的实时智能优化控制的实现提出了一种有效的方法。     

神经网络预测控制算法及其应用

结合神经网络和预测控制的优点，提出了一种神经网络模型预测控制算法。将这种算法用于热交换器温度控制系统的仿真研究表明，该控制方案表现出良好的控制品质并能适应被控对象参数的变化，具有较强的鲁棒性和自适应能力，从而为非线性、大滞后系统的实时智能优化控制的实现提出了一种有效的方法。     

基于神经网络的直线电磁阀式怠速系统预测控制方法研究

基于汽油发动机怠速系统的非线性、时变性和不确定性等特点,构建了神经网络与预测算法相结合的控制系统。利用预测控制算法的滚动优化和反馈校正的特性,采用神经网络建立系统的动态模型作为预测控制器的预测模型;提供怠速系统的开环输入输出数据离线训练神经网络,再在线对神经网络模型的权值和阀值进行调整,获得精确的预测模型,实现了对怠速系统的自适应控制。仿真结果表明,这种方法有效地提高了发动机怠速系统的控制精度、可靠性和转速的稳定性。     

基于状态反馈线性化的阀控非对称缸系统模型预测控制

针对使用PID方法对阀控非对称液压缸位置控制中出现的超调问题,以及传统非线性模型预测控制优化求解计算时间较长的问题,提出了一种基于状态反馈线性化的阀控非对称缸模型预测控制方案。首先建立了阀控系统状态空间模型,运用微分几何理论讨论系统可反馈线性化的充要条件,并将非线性系统映射为新坐标空间内的线性系统模型;设计了反馈线性化模型预测控制器(Feedback Linearization Model Predictive Controller, FLMPC),讨论了线性系统下的约束问题,其中由于系统仿真预测时域远小于系统响应时间,对模型预测控制的损失函数加以修正。结果证明,在相同输入情况下,反馈线性化系统与原系统的位置误差满足控制需要,且在保证被控对象快速稳定控制的条件下,对比该算法与非线性模型预测控制的单步计算时间,证明该算法能够缩短计算时间。     

采用炉膛辐射信号的锅炉燃烧系统模糊神经网络预测控制的仿真研究

针对火电厂燃烧过程中主蒸汽压力控制系统的大时滞、大惯性和非线性 ,采用以炉膛辐射信号为中间被调量的串级控制系统 ,并设计一个基于神经网络预测模型的模糊神经网络控制器作为主控制器。该控制器首先将神经网络与预测控制相结合 ,采用递阶遗传算法对神经网络的结构和权值分别进行训练 ,以实现非线性、大时滞系统模型的精确预测 ;然后将模糊控制与神经网络相结合 ,实现模糊神经网络预测控制。考虑到炉内剧烈的湍流燃烧造成炉膛辐射信号包含随机分量 ,又设计了一个附加判断器的二自由度 PID控制器作为副控制器。仿真结果表明 ,该方案显著提高了非线性、大时滞燃烧系统的控制品质 ,且易于工程实现     

时滞约束系统的神经动态优化模型预测控制

将时滞约束系统的模型预测控制优化问题描述为一个带约束的二次规划问题进行处理,并采用一个对偶神经网络进行在线求解。该神经动态优化方法充分发挥了神经网络并行、分布式处理的优点,优化速度快,能够用来求解各种复杂的带约束优化问题。实验研究表明,该方法具有较高的优化精度和优化速度,提高了模型预测控制的在线优化能力,能够扩展模型预测控制的应用领域。     

一阶时滞不稳定过程的复合非线性PID控制

本文针对一阶时滞不稳定过程,讨论了一类复合非线性PID控制策略及相应的参数整定方法.该复合控制基于分步设计的思想,在镇定比例控制器设计的基础上,对闭环系统所构成的广义稳定对象,设计其二级非线性PID控制器.在二级非线性PID控制器设计中,通过引入一类针对时滞二阶稳定过程的参数整定方法,实现系统闭环控制性能的优化.仿真结果表明了其良好的控制效果.     

基于Elman网络的切削表面粗糙度预测方法

根据Elman神经网络模型能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,讨论神经网络非线性、多因素预测原理及其拓扑结构的基础上,提出利用Elman神经网络建立切削表面粗糙度预测模型的方法;在Matlab及其神经网络工具箱的基础上,采用Elman神经网络对铝6061切削表面的粗糙度进行训练、预测、分析.结果表...     

模拟复合正交神经网络控制器在直流调速系统中的应用

在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络,并用于直流双闭环调速系统中。控制器采用模拟复合正交神经网络的直接自适应控制方法,并对带有负载干扰的直流双闭环调速系统作了PI控制与神经网络控制的仿真实验。仿真结果表明,相对于常规PI控制器,该神经网络控制器具有自学习,自适应功能,速度跟踪获得了满意的控制效果。该模拟神经控制器能用于直流与交流调速系统中。     

Predictive cloud control for multiagent systems with stochastic event-triggered schedule

This paper addresses a predictive cloud control problem for a linear multiagent system with random network delays and noises. To reduce communication cost, a stochastic event-triggered schedule is introduced to decide whether current measurements need to be transmitted. An optimal state estimation algorithm is designed to compensate random network delays in the feedback channel. Subsequently, a predictive cloud control scheme is proposed for the multiagent system to achieve both stability and consensus. Simultaneously, random network delays in the forward channel is compensated actively. Sufficient and necessary conditions of stability and consensus for the closed-loop multiagent system are derived. Finally, a numerical example is provided to verify correctness and effectiveness of the proposed methods.     

基于Internet的实时控制系统研究综述

介绍了基于Internet的实时控制系统的基本概念及研究动态。阐述了各种Internet网络特性测量方法及其特点。总结了基于Internet实时控制系统的建模及稳定性分析方法。重点回顾了各种控制策略的研究进展,包括预测控制、鲁棒控制、模糊控制、随机最优控制、先进PID控制。最后,给出了基于Intemet的实时控制在液压与气动领域的应用实例,并展望了其应用前景。     

基于神经网络的大容积环境温度模拟系统的辨识与控制

构建了DFOPDT复合模型及其基于神经网络的阶跃响应辨识方法,该方法用阶跃响应数据和模型参数的预测目标值对网络进行训练,使网络收敛于较优解;提出了Bang-Bang、神经网络和自适应PID三段组合式控制策略.试验证明辨识算法精确度高,控制策略效果好.     

模糊控制系统研究与应用

详细介绍了模糊控制技术的研究与发展。主要论述了模糊控制理论的分类及其组成,对模糊控制器的设计及应用进行了综述。重点阐述了近年来模糊控制与其他先进控制算法的融合与改进,其中包括与预测控制结合的模糊预测控制,与神经网络的融合,以及基于遗传算法的模糊控制等。     

Adaptive nonlinear control using input normalized neural networks

An adaptive feedback linearization technique combined with the neural network is addressed to control uncertain nonlinear systems. The neural network-based adaptive control theory has been widely studied. However, the stability analysis of the closed-loop system with the neural network is rather complicated and difficult to understand, and sometimes unnecessary assumptions are involved. As a result, unnecessary assumptions for stability analysis are avoided by using the neural network with input normalization technique. The ultimate boundedness of the tracking error is simply proved by the Lyapunov stability theory. A new simple update law as an adaptive nonlinear control is derived by the simplification of the input normalized neural network assuming the variation of the uncertain term is sufficiently small.     

带料纠偏的模糊预测控制

带料纠偏是高度非线性过程,传统的模型预测控制(MPC)无法有效地处理这种过程.模糊神经网络(FNN)方法可以实现非线性过程模型.通过测量得到的数据作为样本来训练神经网络.预测准确度由前馈网络的插值能力保证.多维搜索技术用来解决非线性最优化问题,最优结果被嵌入BP神经网络预测控制器中.BP神经网络的快速计算能满足实时控制需要.带料纠偏试验结果已经证明了FNN预测控制的有效性.     

压电式气动伺服阀控制策略的研究

通过分析比较单纯PID控制和PID神经元网络控制对压电式气动伺服阀动态特性的影响,具体比较两种控制下压电式气动伺服阀的稳定性、快速响应性、信号跟踪能力,仿真结果表明,PID神经元网络控制比单纯PID控制对系统具有更好的稳定性、快速响应性和信号跟踪能力.     

Development of an adaptive radial basis function neural network estimator-based continuous sliding mode control for uncertain nonlinear systems

In this paper an adaptive neural network (NN)-based nonlinear controller is proposed for trajectory tracking of uncertain nonlinear systems. The adopted control algorithm combines a continuous second-order sliding mode control (CSOSMC), the radial basis function neural network (RBFNN) and the adaptive control methodology. First, a second-order sliding mode control scheme (SOSMC), which is published recently in literature for linear uncertain systems, is extended for nonlinear uncertain systems. Second, an adaptive radial basis function neural network estimator-based continuous second order sliding mode control algorithm (CSOSMC-ANNE) is adopted. In CSOSMC-ANNE control methodology, a radial basis function neural network with adaptive parameters is exploited to approximate the unknown system parameters and improve performance against perturbations. Also, the discontinuous switching control of SOSMC is supplanted with a smooth continuous control action to completely eliminate the chattering phenomenon. The convergence and global stability of the closed-loop system are proved using Lyapunov stability method. Numerical computer simulations, with dynamical model of the nonlinear inverted pendulum system, are presented to demonstrate the effectiveness and advantages of the presented control scheme.     

Model-free adaptive integral terminal sliding mode predictive control for a class of discrete-time nonlinear systems

In this paper, a new model-free adaptive digital integral terminal sliding mode predictive control scheme is proposed for a class of nonlinear discrete-time systems with disturbances. The characteristic of the proposed control approach is easy to be implemented because it merely adopts the input and output data model of the system based on compact form dynamic linearization (CFDL) data-driven technique, while the technique of perturbation estimation is applied to estimate the disturbance term of the system. Moreover, by means of combining model predictive control and CFDL digital integral terminal sliding mode control (CFDL-DITSMC), the CFDL digital integral terminal sliding mode predictive control (CFDL-DITSMPC) method is proposed, which can further improve the tracking accuracy and disturbance rejection performance in comparison with the CFDL model-free adaptive control, neural network quasi-sliding mode control and the CFDL-DITSMC scheme. Meanwhile, the stability of the proposed approach is guaranteed by theoretical analysis, and the effectiveness of the proposed method is also illustrated by numerical simulations and the experiment on the two-tank water level control system.