带有积分器的可调因子FCA在DCS中的应用研究

研究一种带有积分器的可调因子模糊控制算法并将其应用到实际分散控制系统中.研究模糊控制与常规PID控制的关系,以解决模糊控制参数整定困难的问题,并通过Simulink仿真验证了PID控制器参数整定理论对模糊控制器参数选取的指导意义及模糊控制的强鲁棒性.设计了模糊控制算法在分散控制系统中的具体实现方案.详细论述了高级控制算法嵌入装置的模块添加步骤以及模糊控制模块的增量式算法、跟踪信号及手自动无扰切换的实现方法.最后通过控制实例验证了本方案的可行性及有效性.     

水下机器人操纵系统优化控制研究北大核心CSCD

水下机器人(ROV)在水中运动时会受到波浪、海流等干扰,造成系统稳定性差。因此需要一种高效的运动控制方法。常规运动控制方法存在动态响应差、自适应能力不足等缺点,难以有效抑制环境干扰,为提高系统的稳定性,提出了一种结合PID的广义预测优化算法。根据ROV动力学模型,优化广义预测控制算法,结合PID对上述算法进行平滑处理,并以水下机器人的艏向和纵向运动为例验证控制效果。仿真结果表明,控制算法响应速度快、震荡低,且具有良好的抗干扰能力,为系统稳定性优化提供了科学依据。     

有界扰动下约束非线性系统鲁棒经济模型预测控制EI北大核心CSCD

针对未知但有界扰动下约束非线性系统,提出一种新的鲁棒经济模型预测控制(Economic model predictive control,EMPC)策略,保证闭环系统对扰动输入具有输入到状态稳定性(Input-to-state stability,ISS).基于微分对策原理,分别优化经济目标函数和关于最优经济平衡点的鲁棒稳定性目标函数,其中经济最优性与鲁棒稳定性是具有冲突的两个控制目标.利用鲁棒稳定性目标最优值函数构造EMPC优化的隐式收缩约束,建立鲁棒EMPC的递推可行性和闭环系统关于最优经济平衡点相对于有界扰动输入到状态稳定性结果.最后以连续搅拌反应器为例,对比仿真验证本文策略的有效性.     

多变量解耦控制系统设计与仿真北大核心CSCD

工业生产过程中,被控系统越来越复杂,需要控制的变量通常不止一对,而且相互耦合,较成熟的线性多变量控制理论与设计方法已难以满足实际的多变量生产过程控制。本文针对多变量强耦合带有延迟环节的被控系统,研究了一种简化的串联前馈补偿解耦控制器设计方法。根据被控对象的辨识模型,设计串联前馈补偿解耦器,使系统解耦成单输入单输出模型,进而分别对解耦后输入输出模型设计PID控制器,整定PID控制器参数。仿真结果表明该方法具有较好的解耦能力和鲁棒性,算法简单,易于实现。     

线性自抗扰控制的对偶性分析EI北大核心CSCD

本文对线性自抗扰控制的结构进行了分析,证明了线性自抗扰控制结构实际上是一种基于观测器的比例–积分–微分(PID)结构的对偶.该结构中状态反馈就是常规(高阶)PID控制,而PID控制中输出的积分和各阶导数由一不依赖于模型的扩张观测器获得.这种对偶性表明PID控制和线性自抗扰控制采用了同一个标准系统作为被控对象,但从不同的角度进行处理.理论及仿真表明,线性自抗扰控制是常规PID控制的扩展,克服了常规PID控制受测量噪声影响的问题,为高阶PID的应用提供了实际可行的实现.     

模型预测控制快速梯度优化算法评估北大核心CSCD

基于快速梯度法的一类在线优化算法因其可预估给定求解精度下的计算量上界而被用于实时模型预测控制的在线求解。由于各算法针对的控制问题形式不同及算法设计的差别,对于非线性模型预测控制问题,难以有效快速地选择合适的算法。首先,对各个算法的特性及适用范围进行了简要描述;然后,针对解决具有状态约束和输入约束的非线性模型预测控制问题,给出了各个算法在求解过程中的计算复杂度,通过非线性实例验证和比较了各算法的性能。研究结果可为选择合适的模型预测控制算法提供参考。     

基于压缩因子的宽度学习系统的虚拟机性能预测EI北大核心CSCD

在基于基础设施即服务的云服务模式下,精准的虚拟机性能预测,对于用户在众多资源提供商之间进行虚拟机租用策略的制定具有十分重要的意义.针对基于宽度学习系统(Broad learning system,BLS)的预测模型存在许多降低虚拟机性能预测准确性和效率的冗余节点,通过引入压缩因子,构建基于压缩因子的宽度学习系统,使预测结果更逼近输出样本,能够减少BLS的冗余特征节点与增强节点,从而加快BLS的网络收敛速度,提高BLS的泛化性能.     

MATLAB中增加带可调因子模糊控制器的研究

针对 Matlab模糊工具箱中的模糊控制器缺少可调因子这一问题 ,介绍了如何增加这一功能 ,其中重点介绍了软件流程设计和界面的设计。实践证明通过增加该功能后 ,大大节省了工程及开发人员的时间 ,给工程开发人员带来了极大的方便     

基于可调Q-因子小波变换的语音增强算法

针对语音增强算法中传统的小波阈值法的局限性,提出一种基于可调Q-因子小波变换和清浊音分离的语音增强算法。首先用过零率和短时能量法判别清音和浊音;然后在可调Q-因子小波变换下,对清、浊音采用不同的阈值处理,在不同尺度上,分别结合系数能量和噪声方差得到的阈值作为清音和浊音的阈值确定准则;再利用改进的阈值函数分别处理清音和浊音的小波系数,估计出不含噪声的系数;最后进行小波逆变换,得到抑制了噪声的语音信号。对含有高斯白噪声和有色噪声的语音进行仿真实验,结果表明：与目前许多经典的去噪方法相比,该方法在去噪效果和提高语音可懂度方面均有一定的改善。     

永磁同步电机调速系统鲁棒电流预测控制北大核心CSCD

为了增强永磁同步电机调速系统电流预测控制的鲁棒性,提高调速性能,提出了一种永磁同步电机非线性电流预测鲁棒控制策略。首先,将含扰动误差项的永磁同步电机非线性数学模型利用前向欧拉公式转换为离散数学模型,在此基础上利用复合积分终端滑模观测器估计非线性模型的未知扰动项,并通过最优控制理论完成预测电流最优控制作用转化,构建模型预测电流控制环路;再结合预估器及自适应控制思想,对环路输入输出辨识校正,提高延迟补偿的精确性,从而达到增强系统鲁棒性和快速跟踪性的目的;最后,通过仿真与半实物实验验证了控制策略的有效性。     

模型预测控制在波浪能上应用的现状与挑战北大核心CSCD

为了提高波浪能源的利用效率,许多机构和学者在波浪能转换装置的模型预测控制方面进行了大量的研究。波浪能转换装置一般要求在保持安全运行的同时实现最大功率能量捕获,其控制方法本质上是一个约束优化问题,应用模型预测控制方法能够很好地满足这一要求。首先对模型预测控制理论进行介绍,其次对国内外关于模型预测控制在波浪能转换装置上应用的研究现状进行阐述,最后指出在波浪能转换装置上应用模型预测控制方法所面临的挑战及研究方向。     

状态反馈预测控制干扰解耦的研究

讨论状态反馈预测控制系统设计中的干扰解耦设计问题，给出了状态反馈预测控制系统干扰可解耦设计的充分必要条件。基于状态空间模型，给出了状态反馈预测控制系统设计参数——预测时域按干扰解耦设计的选取方法。它可改善控制系统的性能，提高控制系统的抗干扰能力。仿真结果表明了状态反馈预测控制系统干扰解耦设计的有效性。     

未知非线性系统的自耦PD协同控制方法北大核心CSCD

针对未知非线性系统的控制难题,提出了一种具有全局鲁棒稳定性的自耦PD(ACPD)协同控制新方法。该方法使用了与被控对象模型无关的速度因子来构造ACPD控制器模型及其增益整定规则,不仅有效解决了PD控制增益的整定难题,而且使比例与微分两个不同物理环节紧密耦合在一起形成一个功能各异而目标一致的协同控制核心。理论分析和仿真结果表明了ACPD控制方法的有效性。ACPD控制方法在未知非线性系统控制领域具有重要的理论意义和应用价值。     

一类非线性系统的扩展状态空间预测控制

针对一类具有输出反馈耦合的离散非线性系统,将过程模型表示为扩展状态空间模型,并利用反馈回路非线性函数在参考轨迹附近的局部线性表示,导出一种具有类似离散PI最优调节器结构并具有未来P步设定值前馈控制的新型预测控制器．因其目标函数中考虑了系统状态的变化,所以控制效果要优于仅考虑预测输出误差的情况．仿真结果表明了它的有效性．     

空间约束混合伽马模型的SAR影像分割算法北大核心CSCD

为了避免斑点噪声的影响并实现高效且精确的合成孔径雷达(synthetic aperture radar,SAR)影像分割,提出一种结合空间约束混合伽马模型和共轭梯度的SAR影像分割方法。根据SAR影像强度统计特性,采用混合伽马模型建模像素强度统计分布。为了降低SAR影像斑点噪声的影响,利用局部像素类属性定义组份权重,构建空间约束混合伽马模型。考虑到伽马分布自身结构,构建条件期望函数,并采用共轭梯度估计模型参数,以实现高效且精确的SAR影像分割。为了验证所提出算法的分割性能,与对比算法进行分割实验,并定量和定性地评价分割结果。实验结果表明,所提出算法可获得高精度分割结果,且具有较高的分割效率。     

基于驾驶员转向模型的共享控制系统EI北大核心CSCD

针对车辆驾驶对于共享控制系统实用性的需求,提出了基于驾驶员转向模型的共享控制系统.基于驾驶员的视觉预瞄特性与神经肌肉特性建立了驾驶员转向模型,通过遗传算法辨识模型参数并分析其与车速和道路曲率之间的函数关系;采用模糊权重分配策略合理分配驾驶权重;本文利用基于所开发的CarMaker驾驶模拟实验平台,对系统进行在线测试和验证,结果表明该系统不仅能够更好地提升车辆的轨迹跟踪精度和安全性,辅助驾驶员转向,还能够极大地减轻驾驶员负荷.     

基于Tube不变集的鲁棒模型预测控制北大核心CSCD

针对具有持续有界扰动的线性变参数系统,设计一种基于Tube不变集的鲁棒模型预测控制算法。离线算法结合系统多胞体模型参数变化的影响,构建系统的Tube不变集。在对应标称模型状态变量的多面体不变集算法基础上,得到系统的多面体状态允许不变集序列。在线算法通过强控制优化得到标称模型系统的控制量,以得到符合实际控制过程的系统控制量,给出本算法的详细步骤和系统稳定性证明。仿真结果验证了本算法的有效性,表明本算法将持续有界扰动对系统的影响限制在Tube不变集中,实现了系统的快速稳定控制。     

基于可调滤波器金字塔算法的人脸特征提取

特征提取是人脸识别中最重要的一个环节,我们在HMAX模型的基础上,提出了一种改进的视觉信息处理模型,它利用可调滤波器金字塔算法对图像进行多尺度、多方向分析,并结合一系列分层处理,得到了具有尺度、平移、旋转不变性的特征向量,解决了人脸识别中的一个重要难题。在ORL人脸数据库中的实验结果证明了该算法的有效性。     

工业过程的子空间模型辨识

子空间模型辨识方法(SMI)是一类新兴的直接估计线性状态空间模型的黑箱建模方法,近年来获得了广泛关注.和传统的线性建模方法相比,SMI的优势不仅在于算法本身的简单可靠,也在于它的状态空间表达.本文首先简要介绍了SMI的基本思想以及3种基本算法(N4SID,MOESP,CVA).然后将这类方法应用于一个实际的工业过程建模,同时对3种SMI基本算法和一种传统辨识算法—预测误差方法(PEM)进行了研究对比.