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。     

非线性系统的支持向量机逆模型辨识及控制

针对非线性系统逆模型建立难的问题,提出了基于回归型支持向量机(support vetor regression,SVR)的非线性系统逆模型辨识建模的方法,在此基础上,提出了基于SVR的非线性系统逆模型控制的方法.仿真试验结果表明:采用SVR建立的非线性系统逆模型具有很高的建模精度和较强的泛化能力,基于SVR的逆模型控制...     

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。     

基于逆系统的非线性自适应逆控制

针对非线性系统自适应逆控制的不完善,本文引入逆系统方法将非线性系统转化为伪线性系统,然后使用最小二乘支持向量机(LS-SVM)建立了逆系统模型,最后利用成熟的线性系统自适应逆控制理论实现非线性系统的自适应逆控制。引入逆系统方法后实现了两大功能:其一,消除了非线性系统的干扰,而且不需要设计逆对象模型:其二,实现了多变量(n维变量)之间的解耦,而且节省了3n(n-1)个线性滤波器的设计。本文针对一个典型多变量二阶系统实现了非线性系统的自适应逆控制,仿真试验表明该方法不但能够很好地消除非线性系统的干扰,而且还实现多变量的解耦控制。     

含间隙曲柄滑块机构的动力学建模及其误差补偿研究

针对含间隙的强非线性系统难以建立较准确数学模型的问题,以含间隙曲柄滑块机构为对象,提出了一种表述接触力的非线性弹簧阻尼模型。首先,运用Nikravesh非线性弹簧阻尼碰撞模型,对含间隙曲柄滑块机构进行了动力学建模;然后,根据逆模型理论,对其建立了含间隙的曲柄滑块机构逆模型;最后,将其与理想的曲柄滑块机构进行对比,就实际机构间隙带来的误差分别进行逆模控制和PID加逆模控制来补偿间隙引起的系统误差。理论分析及研究结果表明:运用Nikravesh非线性弹簧阻尼碰撞模型对含间隙曲柄滑块机构进行动力学建模,该法具有较高的精度,使解决问题的难度大为降低;仿真结果和实验测量结果之间的误差处于合理范围之内,经补偿后提出的逆模型误差补偿策略的精度可以提高52.1%以上;该建模方法和误差补偿策略具有较强的工程应用价值,可以作为数学建模和误差补偿的有效途径。     

压电陶瓷驱动微位移机构迟滞非线性改善方法研究

压电陶瓷驱动器在精密微位移系统中有着广泛的应用,但其固有的迟滞非线性严重影响系统的运动精度,使控制困难.通过数学建模方法建立压电陶瓷的迟滞曲线逆模型,并用此模型对压电陶瓷进行位移补偿,可以有效减小压电陶瓷迟滞非线性对系统精确控制的影响.提出一种用两个压电陶瓷协同驱动微动平台运动的微位移机构,通过基于迟滞逆模型的开环控制方法,对压电陶瓷位移进行误差补偿,可以实现微动平台运动与控制信号较好的线性对应关系.     

基于支持向量机的再热汽温逆模型控制

为提高再热汽温的控制品质,本文提出了基于支持向量机的逆模型控制方法。采用支持向量机进行系统模型及逆控制器模型的建立,并对再热汽温系统进行仿真研究。结果表明,支持向量机具有较高的建模精度及较强的泛化性能,与常规PID控制进行比较,基于支持向量机的逆模型控制表现出良好的控制性能。     

复杂过程的多模型建模方法研究

针对复杂工业过程的非线性、工况范围广的特点,本文提出了一种新的多模型建模方法.首先对系统按照工况划分准则进行双层K均值聚类,在此基础上采用LS-SVM算法建立各局部模型,并用粒子群算法对多模型权值进行辨识.此建模方法收敛速度快,对辨识过程有良好的全局适应性.并以典型非线性主汽温系统作为辨识对象,采用上述方法建立其系统的多模型,仿真结果验证了该方法的有效性.     

基于双曲函数的Preisach类迟滞非线性建模与逆控制

为了补偿压电双晶片驱动器的迟滞非线性,提出了基于双曲函数的Preisach类迟滞非线性建模方法,并用该模型设计了压电双晶片驱动器的逆控制器.首先,用两个双曲函数分别拟合迟滞主环的上升段与下降段,利用坐标变换描述依附于主环的一阶曲线;然后,根据Preisach模型理论的记忆擦除性与次环一致性,基于一阶上升与下降曲线分别描述了次环的上升段与下降段.由于这种建模方法所需的参数远小于Preisach等经典迟滞模型,非常适用于压电驱动器等智能材料系统.实验结果显示,基于这种迟滞非线性模型设计的逆控制器,控制后的最大误差比控制前减小了44.26％,有效地提高了压电双晶片驱动器的定位控制精度.     

基于最小二乘支持向量机左右逆协同的无人机解耦控制

针对无人机飞行控制系统存在非线性耦合的问题,提出了一种基于最小二乘支持向量机(LSSVM)的左右逆协同解耦控制方法。该方法根据Interactor算法,通过对无人机系统输出进行微分,构建右逆系统,从而证明其可逆性。由于无人机右逆系统中存在旋翼桨叶总距俯仰角不可直接测量的局限,因而采用基于内含传感器左逆的方法间接测量,然后将其代入右逆系统中,得到左右逆协同控制器。最后利用最小二乘支持向量机建立左右逆协同控制器模型,并将其串联在原系统之前,与积分器共同构成伪线性复合系统实现无人机线性化与解耦。仿真结果显示,该方法对无人机垂直飞行的速度和旋翼桨叶总距俯仰角具有较高的解耦控制性能,对外部扰动具有良好的鲁棒性。     

基于神经网络的通用模型自适应控制

应用复合正交神经网络来实现过程的自适应逆控制方法,和通用模型控制器策略相结合,提出了一种基于神经网络的通用模型自适应控制方法,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而保证通用模型控制策略的可实现性.另一方面,在自适应逆控制中采用复合正交神经网络具有算法简单、学习收敛速度快等优点,可以克服常用的BP和RBF神经网络一些缺点.基于神经网络的通用模型自适应控制方法中的参考轨迹是一条典型的二阶曲线,该控制器参数具有明显的物理意义,参数整定方便.仿真验证了该控制策略的有效性.     

压电陶瓷驱动器的复合控制方法研究

针对压电陶瓷驱动器中的迟滞非线性特性,提出一种提高压电陶瓷执行器定位精度的复合控制方法。建立了非等间隔阈值的Prandtl-Ishilinskii(PI)迟滞模型,通过自适应差分进化算法进行系统辨识,求取参数并建立逆模型。考虑到压电陶瓷迟滞非线性特性随输入信号频率变化的特点,采用融合PI逆模型前馈控制与滑模控制的复合控制方法用于压电陶瓷的精密驱动。实验结果表明,相比逆模型前馈和PID结合的复合控制方法,采用逆模型前馈和滑模复合控制方法,平均误差下降了0.0300μm,均方根误差下降了0.0346μm,能有效克服压电陶瓷迟滞非线性,提高系统跟踪性能。     

基于耗散性理论的汽车底盘集成非线性鲁棒约束优化控制

针对汽车主动前轮转向子系统和直接横摆力矩控制子系统集成控制问题,基于耗散性理论设计了一种非线性鲁棒控制器.将未建模动态、模型参数和反馈信号测量误差作为系统的加性不确定性和乘性不确定性,建立包含车身侧向和横摆运动自由度的汽车底盘集成控制模型;基于耗散性理论设计汽车底盘集成非线性L2增益控制律来抑制系统的加性不确定性对系统...     

漂浮基空间柔性机械臂基于神经网络的逆模控制

针对传统控制方法对强耦合柔性空间机械臂难以有效控制的问题,提出基于神经网络的逆模控制策略。建立了非线性空间柔性机器人的动力学模型,根据增广变量输入法推得其控制律;利用具有良好逼近能力的前馈神经网络来自适应补偿柔性臂的未知非线性逆模型;采用Kalman滤波算法来保证网络权值在线实时调整(系统的误差代价函数由PID控制器提供)。仿真证明了所提出的控制方案的有效性,具有较高工程应用价值。     

基于支持向量机的发电机组逆模型控制

针对同步发电机组这个非线性、工况复杂的多变量控制对象,研究了一种基于支持向量机的发电机组逆模型控制方法.根据采集到的输入输出样本数据,首先由支持向量机网络来辨识发电机组的逆模型,以此作为逆控制器没计的基础.随后.分析了2种不同的逆模型控制器,即直接逆模型控制和具有线性补偿的逆模型控制.仿真研究表明,支持向量机逆模型控制器具有优良性能,而且线性补偿逆模型控制比直接逆模型控制的性能更优,鲁棒稳定性更好.     

混沌最小二乘支持向量机的短期风功率预测

结合混沌的相空间重构理论和最小二乘支持向量机(LS-SVM)的优点,提出了一种基于混沌LS-SVM风功率预测方法,利用误差评价函数形成反馈机制,通过误差反馈建立参数合理的风功率预测模型。通过对实际数据的仿真,结果表明,该文所提出的混沌LS-SVM预测模型有较好的非线性拟合能力,有较高的预测精度。     

Preisach迟滞逆模型的神经网络分类排序

为了补偿影响压电陶瓷执行器纳米定位系统精度的迟滞非线性,提高系统的控制精度,开展了基于压电陶瓷执行器的迟滞非线性逆模型的研究。兼顾到迟滞的擦除特性和建模的精确度,提出了一种Preisach逆模型分类排序法的神经网络实现方法,用神经网络取代了传统的反查值方法,以避免插值误差。建立三层BP神经网络,运用实测数据进行训练,确定各层权值;然后,结合排序得到的电压和位移极值信息,通过神经网络方法拟合出较精确的输入电压值。运用若干组实验数据检验了此逆模型的有效性,结果表明,该神经网络的实现方法将逆模型的平均误差降低到了1.5V以下,最大误差绝对值降低到了2.7V以下。与反查值方法相比,神经网络实现方法有效提高了压电陶瓷执行器纳米定位系统的迟滞逆模型的精度。     

基于梯形算子的AFM驱动器非对称迟滞性校正

原子力显微镜(AFM)通常采用压电陶瓷(PZT)作为驱动器以实现纳米尺度的观测和操作。然而,PZT自身的迟滞非线性会对AFM观测质量和操作精度产生很大影响。基于Prandtl-Ishlinskii(PI)模型的前馈控制方法可对PZT的迟滞非线性进行补偿,但传统PI模型无法消除PZT的非对称迟滞性的影响。针对这个问题,提出一种基于梯形算子的非对称迟滞模型,并可用系统辨识方法获取逆模型参数,该方法可有效实现具有非对称迟滞特性驱动器的前馈补偿控制。AFM系统实验证明,该模型可有效减小非对称迟滞性导致的建模误差,基于该模型的前馈迟滞补偿控制可有效提高AFM的扫描成像质量。     

基于最小二乘支持向量机逆系统方法应用研究

针对流浆箱的内部机理模型,提出了一种基于最小二乘支持向量机逆系统的解耦控制方法。利用最小二乘支持向量机辨识得到流浆箱系统的逆模型,并采用逆系统思想,将流浆箱非线性系统解耦成多个相互独立的单入单出伪线性子系统。采用MATLAB对该解耦控制方法的有效性进行仿真验证,结果表明,该控制方法抗干扰性强,结构简单,工程上易于实现。     

一种双级式直接驱动作动器的非线性建模与分析

直接驱动作动器作为一种性能优越的机载作动器,具有结构简单、重量轻、体积小、费用低、静态泄漏小、功耗低、可靠性高等诸多优点。通过阐述某双级式直接驱动作动器的工作原理和特性,介绍一种基于状态方程的建模与分析方法;为了满足飞行器日益增长的性能要求,针对现有线性方法的局限性,分析液压系统固有的非线性与不确定性;考虑到磁滞对非线性系统所带来的震荡和误差会对系统的性能产生很大影响,因此,建立含磁滞的电动机非线性模型;分析余度伺服控制系统以及其他非线性环节,譬如输入约束、死区、滤波等;最终建立整个直接驱动作动器的非线性状态方程,利用MATLAB/SIMULINK进行仿真运算,并将仿真结果与实验数据对比,对比结果验证了所提出建模方案的准确性。