DMC算法应用于分级机溢流浓度控制的研究

针对磨矿分级过程复杂特点,引入预测控制中DMC算法,即采用不断的在线滚动优化,并在优化过程中利用实测信息不断进行反馈校正,因而在一定程度上克服了不确定性的影响,增强了控制的鲁棒性.该算法在对分级机溢流浓度控制的模拟试验中取得令人满意的效果.     

工业过程稳态优化中的PD型迭代学习控制

论述在工业过程的稳态优化中，施行迭代学习控制的思想方法，给出了一种ＰＤ型迭代学习算法，分析了算法收敛性，数字仿真结果表明这种控制方法对抑制超调，加快动态响应，减小优化过程对工业生产过程的影响是行之有效的。     

不规则取点范围的测量控制网点位优化设计

控制网最优设计中，将点位优化时的选点范围近似为矩形，讨论了当测量控制网网形设计中控制点选点范围的不规则多边形的点位最优化设计问题，以最优化的理论和方法为基础，设计了一套在迭代过程中动态确定单维搜寻区间，单维搜寻时采用０．６１８法的控制点点位优化迭代算法，可获满意的计算效率，并在算法上使点位优化处理的方法更具有一般性。     

基于AEPSO优化的神经网络多步预测控制

为提高神经网络预测控制的性能，提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中，每个粒子的更新受粒子个体极值和局部极值的影响，为了提高其全局收敛性，采用多粒子策略，使每个粒子的更新受更多其他粒子的影响；为提高收敛速度，采用白适应策略，对参数c0进行白适应调整，使c0随着迭代次数的增加而逐渐减小，这样，在PSO算法的搜索过程中，随着迭代次数的增加，搜索区域会越来越小，从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化，在有限时域内对控制序列进行寻列，给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明，基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。     

多变量约束快速动态矩阵控制算法研究

针对快速动态过程与低维非方多变量系统，提出了一种多变量约束快速动态矩阵控制（DMC）算法。采用动态优化和经济优化两层结构，自动实现非方系统的控制结构转换。在满足基本控制目标的基础上，利用多余的自由度实现经济目标优化。算法采用阶跃响应模型与参数模型相结合的方法改进了预测模型，消除了截断误差，仅取每个输出未来的一点进行优化并计算单步控制作用。与常规多变量约束DMC算法比较，该算法有效地减小了计算负荷，而性能损失很少，可以直接在现有集散控制系统（DCS）上实现。工程应用实例与仿真证明了该控制算法的有效性。     

多变量系统的模型算法控制

提出了一种新型的多变量系统模型算法控制方法，既在频域解耦，而在时域进行预测与优化控制。在离线进行频域解耦后，使得时域预测与优化控制大为简化。在保证控制品质的同时，降低了对于过程计算机的要求。实例仿真表明了这种方法的有效性。     

工业过程稳态优化中的PID型迭代学习控制

给出一种ＰＩＤ型迭代学习算法，对工业过程稳态优化中的动态施行迭代学习控制，加快了动态响应，提高了控制效果。从理论上分析了算法的收敛性，并给出数字仿真结果。     

基于蚁群算法的交通控制降阶滚动优化

为解决大规模区域交通控制滚动优化问题中的约束条件复杂、解空间规模庞大的最优化难题，提出了一种基于改进蚁群算法的降阶滚动优化算法.基于宏观交通流模型建立了区域交通控制滚动优化模型，在蚁群算法中设计了层状解构造图对该模型解空间进行描述和求解.运用降阶方法将大规模区域分解成一系列子区域，在蚁群算法中设计了复合层状解构造图对该降阶模型的解空间进行描述和求解，并分析了基于两种解构造图的蚁群算法的计算复杂度.分析和仿真结果表明，该降阶算法提高了整体计算效率，明显地降低了总停车延误时间，适用于大规模区域交通控制的滚动优化.     

交通流诱导与控制协同的双目标优化模型及准最优求解算法

提出了一种基于消散拥堵和系统总出行时间最小的双目标诱导控制协同优化模型,算法引入饱和度的概念,采用小步距微量调整信号配时、试算优化的方法,适当加载或卸载交通量,优化交叉口信号配时,使交通流在不断反馈与不断调整过程中达到最优。采用VISSIM建立模拟路网进行了协同算法试验,并对协同实施效果进行了评价,结果表明:在进行3次协同后拥堵基本消散,经过第4、5次协同能实现系统总行程时间尽可能小。     

球磨机负荷自动控制系统的实现

在水泥生产从机械化向自动化发展过程中，常规ＰＩＤ调节仪表性能已经不能适应水泥生产自动化的需要。微机控制磨机负荷系统通过硬件和软件的不断优化，能够较好地抑制干扰，实现生产优化控制。     

自整定模糊PID控制器的设计与Simulink仿真

针对复杂系统的控制问题,在原有PID控制的基础上,将PID与模糊控制相结合,设计一种自整定模糊PID控制器,利用MATLAB中的Simulink软件进行仿真。仿真研究表明,自整定模糊PID控制器具有较强的自整定能力,控制效果优于原有PID控制器。     

双模控制在多电机同步控制系统中的应用

针对多电机同步控制系统中的动态性和稳定性的问题,提出了采用Bang-Bang控制和数字PID控制相结合的双模控制算法.实验运行表明该算法较常规PID控制兼顾了系统响应的快速性和稳定性的要求,且控制精度高.     

啤酒糖化温度DMC-PID预测控制方案

啤酒糖化温度对象具有大惯性滞后,工艺要求该参数要快速跟踪工艺设定且无超调,常规PID算法显然难以满足这些需求。针对加热蒸汽压力频繁波动的特点,将预测控制算法与串级控制相结合,设计了糖化温度DMC-PID串级控制系统。仿真结果表明,该系统与常规PID控制系统相比既具有较好的随动跟踪性能,又无超调,且具有较强的抗干扰性。     

Leg compliance control of a hexapod robot based on improved adaptive control in different environments

Considering the compliance control problem of a hexapod robot under different environments, a control strategy based on the improved adaptive control algorithm is proposed. The model of robot structure and impedance control is established. Then, the indirect adaptive control algorithm is derived. Through the analysis of its parameters, it can be noticed that the algorithm does not meet the requirements of the robot compliance control in a complex environment. Therefore, the fuzzy control algorithm is used to adjust the adaptive control parameters. The satisfied system response can be obtained based on the adjustment in real time according to the error between input and output. Comparative experiments and analysis of traditional adaptive control and the improved adaptive control algorithm are presented. It can be verified that not only desired contact force can be reached quickly in different environments, but also smaller contact impact and sliding avoidance are guaranteed, which means that the control strategy has great significance to enhance the adaptability of the hexapod robot.     

TCP/IP拥塞控制的典型算法分析

互联网的拥塞控制问题一直是网络研究的一个热点,吸引了多方面的专家学者对其进行研究,并已经取得了大量研究成果。本文中着重阐述了TCP拥塞控制和IP拥塞控制中的几种典型算法,并指出了这些算法的优缺点,最后分析了当前拥塞控制算法设计过程中存在的不足,并指出拥塞控制算法的进一步研究方向。     

NARX网络在自适应逆控制动态系统辨识中的应用

针对动态神经网络的学习算法问题,提出了一种适用于带外加输入的非线性自回归 (NARX)动态网络的改进型RTRL学习算法. 该算法基于LM算法的思想,取代传统RTRL中的梯度寻优算法,以改善RTRL的学习速度, 并将该方法应用于NARX动态网络自适应逆控制的对象辨识中. 数值仿真结果表明该改进学习算法是可行而有效性的,并且也验证了NARX动态神经网络具有很强的动态描述能力.     

多载波DS-CDMA系统中的反向预测功率控制

摘　要:反向闭环功率控制算法在移动台高速运动的衰落信道情况下,功率控制将会带来较大的偏差,这里根据多载波DS CDMA系统反向链路功率控制命令帧的结构,提出了预测功率控制算法.该算法可以对多载波DS CDMA系统中的每个子载波信道的信道条件进行估计,提前预测出每个子载波信道下一个信号接收功率和信号的衰落,并以此为基础形成功率控制命令,对每个子载波信道的衰落进行补偿,从而减小基站接收功率的变化.仿真结果表明,预测算法能够有效改善系统的误码率性能,提高系统容量.     

液下搅拌移动机器人的智能模糊控制

借鉴模糊控制的思想来解决移动机器人路径纠偏问题.介绍了液下搅拌移动机器人的系统结构和运动学原理,以及模糊控制的理论基础.然后采用模糊控制思想对移动机器人的路径纠偏算法进行研究.最后对控制算法进行了实验,结果表明该模糊控制算法是可行的,机器人能返回到规划的轨迹上.可见模糊控制对移动机器人的路径规划有很好的应用价值.     

基于时滞系统模型的网络控制系统稳定条件

求解线性矩阵不等式或线性二次型Gauss问题的网络控制系统分析方法．给出的网络诱导时延渐进稳定条件具有很大的保守性．而且计算复杂．笔者将网络控制系统建模为时滞系统。应用新构建的Lyapunov泛函和矩阵范数不等式推导出一个网络控制系统网络诱导时延渐进稳定条件。给出了确定网络控制系统渐进稳定的最大网络诱导时延的简便数值线搜索算法．典型实例的仿真和对比分析的结果表明。该渐进稳定时延区间明显大于已有的方法．     

无辨识自适应算法的大滞后对象的控制方法

在实际工业生产中 ,由于对象纯滞后的存在 ,降低了控制系统的稳定性 ,使控制品质下降 ,对控制系统极为不利。对大滞后对象 ,Smith预估控制是一种重要方法 ,但常规Smith预估控制对模型的误差 (包括时间延迟的估计误差 )十分敏感 ,不适用于具有时变时延参数的系统。因此 ,常规Smith预估控制策略难以广泛用于工业控制 ,但该方法仍然得到了控制界的广泛认可。无辨识自适应控制是Marsik和Strejc提出的一种无需辨识系统参数的自适应控制算法 ,该算法简单、鲁棒性强 ,只需在线检测过程的实际输出及期望输出便可形成具有较好动态性能指标的自适应控制系统 ,但是该方法不能解决大滞后问题。借鉴无辨识自适应控制的思想和神经网络强的函数逼近能力 ,首先用一个神经网络来构成被控对象的Smith预估模型 ,然后利用无辨识自适应控制算法设计了一种适用于大滞后对象的控制器 ,两者结合 ,提出了一种简单、实用、鲁棒性强的大滞后对象控制的新方法