共查询到20条相似文献,搜索用时 156 毫秒
1.
转子系统振动的灰色关联控制方法研究 总被引:2,自引:0,他引:2
将灰色关联控制理论应用于转子系统的振动主动控制,设计了转子系统振动的灰色关联控制方案.该方案依据转子工作曲线和实测曲线的关联度实现对转子振动的控制,因此不需要转子系统的精确的数学模型,具有建模迅速,控制及时、准确,便于工程实现等优点.将该方案应用于一带电磁阻尼器的单盘转子系统的振动主动控制中,仿真结果验证了该控制方法的有效性. 相似文献
2.
在灰色预测模型的基础上,提出了改进背景值和初始值两种优化形式,对灰色系统进行优化,并应用小波包分解技术提取发动机转子振动信号的故障特征作为灰色预测系统的输入值,实现了对发动机转子的故障预测;通过实验仿真证明,这个优化灰色预测模型预测精度高,误差小,应用于航空发动机转子故障预测是完全可行和有效的. 相似文献
3.
4.
为了提高气缸运行的平稳性,提出了一种基于灰色预测PID控制方法.给出了灰色预测PID控制结构,设计了灰色预测PID控制器,并在灰色预测理论所形成新误差序列的基础上,导出了校正PID参数表达式;接着,对输出预测进行滤波处理,以消除预测值偏高的不足;然后,搭建了气缸运动控制实验系统并进行了测试实验.结果表明:相对于常规PID控制,灰色预测PID控制的气缸运行过程中速度超调量由22.1%降至7.8%;速度波动范围由±6.2%降至±2.1%.采用灰色预测PID控制的气缸运行过程中速度超调和振荡问题有了明显改善,满足了大多数场合的应用要求. 相似文献
5.
全垫升气垫船是一种高性能船舶,具有良好的快速性和两栖性,有很广泛的应用领域.但由于系统本身的非线性特性,很难获得很好的操纵性.为了控制提高动态特性和获得精确控制规律,提出采用灰色预测的GA - PID方法,利用遗传算法在每个采样时间对PID参数进行在线优化整定,同时利用灰色误差预测可以准确预测误差的实时变化趋势,以误差预测值进行PID控制可以起到一种超前控制的作用.在这两种控制共同作用下进行仿真.结果表明,气垫船航向控制有很强的自适应性,并在各种环境下都能得到很好的控制效果,证明结果有效. 相似文献
6.
灰色预测技术是灰色系统理论的重要分支之一。 分别从灰生成技术、边值条件的改进、背景值的改进、模型参数估计方法改进、残差序列的优化、综合优化6个方面对近年来灰色预测模型中的GM(1,1)模型优化研究现状进行了比较全面的介绍,同时也对灰色GM(1,1)预测模型未来的发展方向提出了一些建议。 相似文献
7.
8.
9.
10.
为了有效地补偿非线性负载中的谐波电流,针时数字化的APF系统,提出了基于灰色预测的APF预测控制方案,根据灰色系统理论的GM(1,1)模型,建立负载电流谐渡的灰色预测模型,并将其应用于APF谐波补偿控制装置.结果表明,采用灰色预测控制能较好克服APF滞后对谐波补偿的影响,改善了系统的性能. 相似文献
11.
12.
基于灰色预测的大时滞过程的控制研究 总被引:5,自引:1,他引:4
针对传统PID控制对大时滞过程控制效果不佳的情况,采用基于GM(1,1)灰色模型对被控对象系统行为进行预测,并用等维新息、提高原始数据列的光滑度和改变初始条件三者结合的方法对该模型进行改进,得到一个改进的GM(1,1)模型.同时以GM(1,1)模型的发展系数a作为决定预测步长的依据,将其与传统PID结合,组成灰色预测控制系统对大时滞过程进行控制.仿真结果表明,与传统PID控制相比,该方法具有较强的适应性和鲁棒性,控制性能也得到了较明显的改善. 相似文献
13.
灰色预测模型通常是GM模型,但预测精度有时不令人满意。在对模型GM做了进一步研究的基础上,提出了一个预测精度较高的新灰色预测模型,并从理论上证明了这种模型可以有效提高建模数据序列的光滑度。最后把此方法应用于东部某镇GDP的建模中,试验结果表明该方法是可行且有效的,所建模型的精度优于传统GM(1,1)模型的精度。 相似文献
14.
15.
对灰色预测算法进行了研究。在GM(1,1)模型中,发展系数a和灰色作用量u是两个关键的参数,对系统的性能有较大的影响。传统的方法使用最小二乘法来求解,不仅计算复杂,而且预测结果的误差也较大。论文对此进行了研究,并提出了一种改进的灰色预测算法PSOGP。PSOGP的主体仍使用GM(1,1)模型,但在求解相关参数时,PSOGP使用了粒子群优化算法。仿真试验表明,与经典的GM(1,1)模型相比,PSOGP算法的预测精度得到了较大的提高。 相似文献
16.
针对阈值方法常需要人工干预的问题,提出了一种基于灰色系统理论的阈值自动选取算法。首先利用降低灰度级后的直方图检测峰值,然后自动采集峰间内侧附近的样本作为灰色预测的种子点。通过灰色理论GM(1,1)模型预测种子点发展走向,并计算模拟交汇点,得到最优阈值。利用该算法与经典的Otsu,Kapur 算法以及文献[3]和[4]中的方法对15 组不同复杂度图像进行对比阈值分割,并采用AER进行分割评估,实验表明新算法平均分割误差为19.37%,低于上述四种方法。 相似文献
17.
针对当前软件可靠性预测模型在随机性和动态性较强的可靠性现场数据中存在预测精度波动比较大、适应性比较差的问题,提出一种基于灰色Elman神经网络的软件可靠性预测模型。首先使用灰色GM(1,1)模型对失效数据进行预测,弱化其随机性;然后采用Elman神经网络对GM(1,1)的预测残差进行建模预测,捕捉其动态性变化规律;最后将GM(1,1)预测值和Elman神经网络残差预测值相结合得到最终的预测结果。使用航班查询系统的现场失效数据集进行了模型仿真实验,并将灰色Elman神经网络预测模型与反向传播(BP)神经网络、Elman神经网络预测模型进行比较,其对应的均方误差(MSE)和平均相对误差(MRE)分别为105.1、270.9、207.5和0.0011、0.0021、0.0016,并且灰色Elman神经网络预测模型的误差均为最小值。实验结果表明该模型具有较好的预测精度。 相似文献
18.
基于灰色理论GM(1,1)模型,结合Elman神经网络组成灰色神经网络模型。模型的输出误差作为一个新的时间序列,通过Elman神经网络对误差序列进行拟合和预测,更大限度地减小预测误差。GM(1,1)模型所需要的数据少,方法简单;Elman神经网络是动态的神经网络对历史数据具有高度的敏感性。这种灰色理论与动态神经网络的组合模型,比起单个的预测模型提高了预测精度,通过分析和验证表明,该方法实用有效。 相似文献
19.