基于RBF神经网络逆系统的机械手解耦控制策略

针对机械手系统具有非线性时变、多变量、强耦合的特点,提出一种基于RBF神经网络逆系统的机械手解耦控制策略。首先证明了系统的可逆性,进一步通过神经网络在线逆辨识建立机械手的神经网络逆系统模型,并将辨识得到的逆模型作为控制器模型与机械手系统串联,构成伪线性复合系统,实现了将具有强耦合特性的多变量输入/输出机械手系统解耦成单个独立的伪线性对象。最后以两关节机械手为仿真对象进行了仿真,仿真结果验证了本方案的有效性和可行性。     

多输入多输出非线性系统的最小二乘支持向量机广义逆控制

针对神经网络逆控制存在的不足, 对一类模型未知且某些状态量较难测得的多输入多输出(MIMO)非线性系统, 在状态软测量函数存在的前提下, 提出一种最小二乘支持向量机(LSSVM)广义逆辨识控制策略. 通过广义逆将原被控系统转化为伪线性复合系统, 并可使其极点任意配置, 采用LSSVM代替神经网络拟合广义逆系统中的静态非线性映射. 将系统的状态量辨识与LSSVM逆模型辨识结合, 通过LSSVM训练拟合同时实现软测量功能. 最后以双电机变频调速系统为对象, 采用该控制策略进行仿真研究, 结果验证了本文算法的有效性.     

一种基于T-S模型的模糊预测控制

提出了一种基于T-S模型的模糊预测控制策略。T-S模糊模型用来描述对象的非线性动态特性,通过当前的工况参数实时在线的修正每一时刻的阶跃响应模型参数,将模糊模型作为常规线性预测控制DMC方法的预测模型,从而把T-S模型对复杂的非线性系统的良好描述特性和预测控制的滚动优化算法相结合,来实现利用常规线性预测控制策略对非线性系统的有效控制,有效地解决了复杂工业过程的强非线性问题。pH中和过程的仿真结果表明其性能明显优于传统的PID控制器。     

基于模糊逆模型的磁力轴承逆控制系统的设计与仿真

磁力轴承是一种通过磁场力使转子稳定悬浮的新型支撑部件,针对磁力轴承系统零阻尼、负刚度和非线性特性,在分析其受力特点的基础上,提出一种基于模糊逆模型的逆控制方案。该方案将具有模糊器和解模糊器的模糊系统当作一种插值器,将模糊逆模型与系统串联构成广义伪线性对象,采用线性PID控制该对象。其中,模糊逆模型和PID控制器共同组成逆控制器以实现对系统的闭环逆控制。仿真结果表明逆控制明显减小了超调量,缩短了调节时间,使转子工作范围扩大。     

基于RBFN逆控制策略的多变量非线性系统的解耦控制

基于逆动力学控制的思想,提出一种带前馈的RBFN逆模型控制策略,并将该控制策略对多变量非线性系统进行了在线解耦与控制;采用3个RBF神经网络分别对被控对象的3个输入进行逆辨识,每相神经网络逆辨识模型反向作为逆控制器模型与每相串联,从而构成3个已解耦的独立的伪线性对象,进而针对3个独立的伪线性对象进行线性控制,从而实现了对三相耦合系统的精确控制;经过实验室模拟调试的实测三相电流波形表明,在电流设定值为2100A时,升温速率为5.3℃/min,电流波动范围≤±10%.     

统一潮流控制器逆系统方法控制策略

统一潮流控制器在同步旋转dq坐标系下的数学模型, 反映出统一潮流控制器是一个强耦合的、非线性的系统. 为解决对这个强耦合、非线性系统直接设计控制器的困难, 采用逆系统方法, 将原系统线性化且解耦, 构造出一个伪线性系统. 然后, 运用变结构控制, 针对构造出的这个伪线性系统, 设计该系统的控制策略以实现对统一潮流控制器综合控制. 最后, 通过建立仿真试验模型进行仿真, 仿真的结果验证了文中提出的这种控制策略的可行性和有效性.     

基于Hammerstein模型的多变量动态矩阵解耦控制研究

许多工业过程都具有强耦合、非线性等复杂过程特性;针对具有变量间强耦合和执行机构非线性的一类典型过程对象,提出基于Hammerstein模型的多变量动态矩阵解耦控制算法;并针对实验室电加热锅炉与强制对流换热器组成的广义对象,采用s7—300可编程序控制器,将控制策略应用于该对象,实现了对锅炉内胆水温及强制对流换热器出口水温的控制;实验结果表明,采用基于Hammerstein模型的多变量动态矩阵解耦控制策略,在解耦效果、设定值跟踪及抗干扰响应等方面,都能取得满意的结果,能够解决一类多变量非线性系统的控制问题。     

柴油机自适应遗传非线性PID调速控制仿真

研究船用柴油机控制优化问题,柴油机调速要求快、稳、准。针对船用柴油机调速系统的时变、非线性及外界干扰等特点,传统PID调速稳定时间长,控制效果不佳。为提高喷油量达到控制准确度,改善调速系统性能,提出了一种柴油机自适应遗传非线性PID调速控制策略。采用Matlab对柴油机调速系统模型进行辨识并验证其准确性。利用非线性PID控制实现各参数增益的实时调整,提高了抗干扰能力,通过自适应遗传算法对系统的动态偏差进行监控,优化非线性PID控制器参数,减少了超调量,提高控制精度。仿真结果表明,采用自适应遗传非线性PID控制器稳定时间更短,鲁棒性强,控制精度更高,优化了柴油机调速系统性能。     

BP神经网络模型预测控制算法的仿真研究

为克服被控对象参数变化导致控制精度降低的问题,研究了一种BP神经网络模型预测控制算法。借助最小二乘递推算法在线预测系统模型参数,利用BP神经网络在线预测PID参数以控制被控对象。该算法基于模型预测,首先在线性系统中验证其控制效果,然后将非线性问题作线性处理,采用BP神经网络模型预测PID控制器予以实现控制非线性系统。仿真曲线显示BP神经网络PID控制器用于线性系统可达到高精度控制要求;对于非线性系统有自适应及逼近任意函数的能力。仿真研究表明,该算法与传统BP神经网络PID控制器相比,其自适应能力更强,稳定性更好,控制精度更高。     

基于RBF-ARX模型的预测控制在液位系统中的应用

针对单容液位系统紊流时的非线性特征,研究了基于RBF-ARX模型预测控制策略控制单容液位系统;讨论RBF-ARX模型结构的选取,模型参数辨识,RBF参数优化,基于RBF-ARX模型的预测控制策略等问题;模型的仿真结果,证实了RBF-ARX模型在非线性系统建模和辨识中的有效性;同基于全局线性ARX模型的预测控制器和PID控制器相比较,基于此模型的预测控制取得了优异的控制效果。     

基于T-S模糊模型的非线性预测控制策略

提出了一种新的基于T-S模糊模型的非线性预测控制策略. T-S模糊模型用于描述对象的非线性动态特性, 通过将模糊模型的输出反馈回来作为模型输入, 从而构成了模糊多步预报器. 由于T-S模糊模型每条规则的结论部分是一个线性模型, 因此整个模糊模型可以看作一个线性时变系统, 从而将模糊预测控制器中的非线性优化问题转化为一个线性二次寻优问题, 以方便求解. pH中和过程的仿真结果表明其性能优于传统的动态矩阵控制器.     

强制循环蒸发系统的非线性自适应解耦PID控制

本文结合现场的实际过程数据,首先应用能量平衡建立了强制循环蒸发过程的动态模型.针对该过程的多变量、非线性以及强耦合特性,在常规增量式PID控制器的基础上提出基于神经网络与多模型切换的非线性自适应解耦PID控制策略.该控制器是由线性自适应解耦PID控制器和基于神经网络的非线性自适应解耦PID控制器以及切换机构组成.其中线性自适应解耦PID控制器可以保证系统的稳定,而基于神经网络的非线性自适应解耦PID控制器则可以有效地提高系统的性能.上述过程的PID参数是通过广义预测的方法得到,最后通过仿真表明,上述控制方法不仅消除了回路间的耦合,在稳定生产的同时提高了蒸发的效率.     

并联混合有源滤波器逆系统解耦控制

针对并联混合有源滤波器(SHAPF)这一强耦合非线性系统的控制问题,提出了一种基于逆系统方法的SHAPF反馈线性化解耦控制策略.首先根据SHAPF非线性数学模型,采用逆系统方法生成其α阶积分逆系统,进而构造出解耦的伪线性系统,然后利用极点配置方法对伪线性系统进行综合,设计了系统的闭环控制器,并给出了系统零动态的镇定条件,保证了闭环控制系统的稳定性.最后仿真实验表明该控制策略能够有效消除电网中的谐波电流,并且与传统线性反馈-前馈控制策略相比,该控制策略具有更好的动静态性能.     

基于滑模变结构的小型涡扇发动机加速控制

该文将滑模变结构控制应用于小型涡扇发动机加速控制,引入广义Gronwall-Bellman引理对滑模趋近运动进行设计,可在一定初始条件下,通过对控制器参数的选取来调节跟踪误差范数边界,使得闭环系统以指数收敛到新平衡状态。以DGEN380发动机为仿真研究对象,利用Matlab/Simulink对上述控制器进行仿真,仿真结果表明,闭环系统能及时地跟踪转速切换指令且系统瞬态响应特性良好,设计的发动机加速控制律能满足航空发动机控制系统的动态性能指标,实现了基于非线性模型的简单加速控制,仿真结果验证了该设计方法的有效性。     

基于多模型的非线性系统广义预测控制

对于复杂的离散时间非线性系统，提出一种基于多模型的广义预测控制方法．通过在平衡点附近建立线性模型，并用径向基函数神经网络来补偿匹配误差，形成了非线性系统的多模型表示，然后采用模糊识别方法作为切换法则，并结合广义预测控制构成了多模型广义预测控制器．通过对连续发酵过程的计算机仿真，表明了该方法的有效性．     

多模型控制策略在化石燃料发电机组上的应用(英文)

火力发电厂中广泛使用的化石燃料发电机组(FFPU)具有非线性、强耦合、参数随工况变化等复杂特性,依据单个工作点处的线性模型设计的多变量控制策略常常导致控制效果不佳,甚至系统不能稳定运行。针对该问题,本文提出了一种有效的多模型控制策略,以改善FFPU大工况范围运行时的控制性能。首先,通过定义归一化特征值作为系统非线性测度,将FFPU工作运行区间划分成多个局部模型区域,在每个区域用线性模型表征系统特性;随后,根据每个局部区域的线性模型,实施一种基于FFPU特性而设计的包含静态前馈、PD前馈和模糊解耦的混合解耦补偿,进而采用模糊PID结构设计分散控制器;最后,依照电力负载跟随调度策略,模糊加权局部控制器得到全局控制器输出,使得系统在大工况范围运行时平滑切换。为实现该控制策略,采用了双层控制结构:上层为监督控制层,作用是根据负载要求进行设定点调度以及进行局部控制器的模糊切换;下层为直接控制层,实施混合解耦补偿和各回路的模糊PID控制。仿真表明,所提出的控制策略性能良好且实用有效。     

基于神经网络与多模型的非线性白适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法．该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成．线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能．切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能．同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析．最后,通过仿真实例验证了该方法的有效性．     

基于神经网络与多模型的非线性自适应广义预测解耦控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性.     

基于SVM逆系统的非线性系统广义预测控制

针对工业过程中普遍存在的非线性被控对象,提出了一种基于支持向量机（SVM）逆系统的广义预测控制算法。该方法根据广义预测控制基于预测模型的特点,将基于支持向量机系统辨识的方法应用于逆系统构建和广义预测控制。该方法利用SVM强大的非线性映射能力离线辨识被控非线性系统的α阶逆模型,并将辨识出的逆模型连接在原被控统之前形成一个α阶纯延时伪线性系统。然后采用广义预测控制（GPC）算法实现对构造出的伪线性系统的预测控制。仿真实验表明了该算法的有效性和优越性。     

永磁偏置磁轴承混合模糊控制器设计

永磁偏置磁轴承属于一类复杂的控制系统,具有显著的非线性特性,采用一般的线性控制难以达到满意的效果.为此,结合水磁偏置磁轴承的工作特性,采用等效电流法,建立了非线性控制模型.并以该模型为研究对象,综合考虑系统的动态响应特性和尤静差的要求,提出了模糊PD与线性位置积分相结合的混合控制策略,并基于模糊控制理论设计了混合模糊控制器.最后,通过仿真实验表明,应用该控制器,永磁偏置磁轴承系统的动静态特性良好,且具备较好的鲁棒性.