基于PSO-BP预测模型的盾构机密封舱土压平衡控制

为了解决当前盾构司机控制模式普遍存在的控制精度低、完全依赖操作员的操作水平和经验、未考虑刀盘扭矩对密封舱土压影响的问题,基于PSO-BP神经网络,详细分析了影响密封舱土压平衡的主要因素,增加了刀盘扭矩对密封舱土压的影响,建立了盾构机密封舱的土压预测模型,然后提前获得下一时刻的土压值,并采用PSO算法计算出下一时刻需要的螺旋输送机转速,用于密封舱土压平衡控制。相较于传统的司机控制模式,其控制具有精度高、效果好、鲁棒性强等特点。最后利用现场施工数据进行了仿真分析,验证了该方案的有效性。     

带有可调因子的NMSSPC算法的研究北大核心CSCD

针对模型失配对模型预测控制算法的影响,提出了一种新的应用于单变量系统的非最小状态空间模型预测控制(NMSSPC)算法。该算法利用阶跃响应数据建立传递函数模型,将模型转换为状态空间的形式,通过模型预测控制滚动优化求得控制律。文中改进了控制量的滚动优化策略,在目标函数中引入了可调因子,并在反馈校正中对预测误差补偿进行了改进,有效的减小了模型失配时产生的误差。仿真结果表明了算法的有效性,并且具有良好的跟踪控制性能。     

基于啤酒发酵过程的时变轨迹输出反馈鲁棒模糊预测控制

考虑到实际生产中状态不易测量和设定值变化的情况以及系统本身的非线性特性,针对啤酒发酵过程温度控制系统提出了一种时变轨迹下输出反馈鲁棒模糊预测控制方法。在啤酒发酵罐温度系统的机理模型的基础上,建立包括不确定性和未知干扰的状态空间模型;通过设计模糊集,建立为具有加权系数的T-S模糊状态空间模型;并在状态变量的中引入输出跟踪误差,建立新型多自由度状态空间模型;并运用鲁棒模型预测控制方法优化参数不确定性问题,结合李雅普诺夫稳定性理论推导出线性矩阵不等式形式的稳定性条件,通过求解线性矩阵不等式中参数来计算对应子模型控制律,并对所设计的输出反馈控制器给定权值。通过仿真结果验证了提出方法的有效性和可行性。     

盾构机密封舱压力控制模型参数辨识

为了解决盾构机密封舱压力控制模型参数辨识问题,提出了基于神经网络的盾构机密封舱压力控制模型参数辨识方法。根据系统输出（密封舱压力）与系统输入（螺旋输送机转速）之间的关系,建立了串并联神经网络辨识器。数值仿真结果表明,该辨识方法对于观测噪声具有良好的鲁棒性。实验台实验结果验证了所提出的模型参数辨识方法的有效性,模型预测的密封舱压力能够较精确拟合密封舱压力观测值。     

基于子空间辨识的状态空间模型预测控制

针对无法从工业过程中获得准确状态空间模型的问题,提出一种基于子空间辨识的状态空间模型预测控制方法。利用子空间辨识方法得到的状态空间模型作为系统模型,给出约束条件下的预测控制算法。以CD播放器机械臂系统为例,通过状态空间模型预测控制方法实现对系统输出的跟踪控制,仿真结果表明,该方法控制效果良好。     

一类非线性系统的自适应预测函数控制

针对一类具有输出反馈耦合的离散非线性系统,将过程的非线性状态空间模型等效为线性时变状态空间模型;然后利用最小二乘法辨识系统参数,并通过在目标函数中引入系统状态的变化给出一种具有类似离散PI最优调节器结构的新型自适应预测函数控制器．由于引入了新的优化目标函数,该控制器控制效果与鲁棒性要优于仅考虑预测输出误差的传统预测函数控制器．仿真结果表明,该控制器优于经典离散PI最优调节器．     

基于混合逻辑的非线性系统多模型预测控制

针对已有的多模型预测控制算法在模型预测过程中采用局部线性模型进行预测而产生的预测误差较大这一问题, 本文将非线性过程的多模型描述与输出预测之间的因果关系以约束条件的形式引入到模型预测控制的设计中, 将非线性过程描述成为一个混合逻辑动态系统模型, 模型切换规则以先验知识的形式引入到多模型预测过程中, 该模型可以全局地表征非线性过程的特性, 从而解决了多模型约束非线性预测控制的模型预测与模型切换问题.     

基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法

对于非线性系统预测控制问题, 本文提出了一种基于模型学习和粒子群优化(PSO)的单步预测控制算法.该方法使用最小二乘支持向量机(LS-SVM)建立非线性系统模型并预测系统的输出值, 通过输出反馈和偏差校正减少预测误差, 由PSO滚动优化获得非线性系统的控制量. 该方法能在非线性系统数学模型未知的情况下设计出有效的预测控制器. 通过对单变量多变量非线性系统进行仿真, 证明了该预测控制方法是有效的, 且具有良好的自适应能力和鲁棒性.     

基于神经网络的时滞非线性系统的广义预测控制

针对一类时滞非线性被控对象,提出一种基于RBF神经网络的广义预测自校正控制方案,在广义预测控制中,采用RBF神经网络建立被控对象的多步预测模型,并不断修正预测输出,提高预测输出的精度.控制器则采用GPC隐式修正算法,不用辨识对象的模型参数,大大减少了计算量.经过仿真研究,与常规的PID自适应控制方法相比较,证明了该方法的优越性,预测控制误差小,实时性好,动态响应快.     

预测控制中存在模型失配时的卡尔曼滤波校正

化工过程中,由于外部环境变化等因素引起的模型失配及不可测扰动会对预测控制效果带来一定的影响。对化工过程施加预测控制时,预测控制中通常采用反馈校正的方式来解决此类问题,即直接将预测输出与实际输出的差值作为校正量补偿到预测控制算法中。其不足之处是当模型失配程度增大时,无法实现良好的控制。鉴于状态估计能够利用实际测量值来估计系统状态的优点,本文提出一种卡尔曼滤波校正的预测控制方法,通过分析模型内在机制来补偿上述问题对控制效果造成的影响。该方法首先将底层回路和被控对象当作广义对象模型,预测控制器直接控制广义对象模型;然后将模型参数的变化等效成扰动,通过分析得到扰动的统计特性后,用卡尔曼滤波方法估计模型参数发生变化后系统的真实状态;最后将估计状态代入预测控制算法的优化求解中,实现系统的优化控制。仿真实例验证了该方法的有效性。     

奇异谱分析在土舱压力数据序列处理中的应用

根据土压平衡盾构机施工过程中土舱压力监测数据,利用奇异谱分析方法对土舱压力时间序列进行奇异值分解和分组重构处理,并在此基础上利用线性递归关系对其进行数值预测。结果表明奇异谱分析方法能够有效分离出土舱压力时间序列中的主要影响因素,尤其是在微弱周期性成分提取方面效果显著,并能够明显降低土舱压力信号中的噪声干扰作用,提高土舱压力预测的精度和稳定性。将奇异谱分析方法应用于土舱压力序列分析将有助于实现土舱压力的预测性控制。     

鲁棒模型预测控制在变风量空调系统中的应用

在变风量空调系统中二次泵压差控制可以有效地减少空调能耗,为克服二次泵模型的不确定性,提高二次泵变频调速控制的响应速度和精度,采用基于线性矩阵不等式的鲁棒预测控制策略。算法分为离线和在线两个部分,离线时首先用传统算法得出目标函数上界,以此为已知量重新优化得到一系列较大的渐近稳定的不变椭圆集。在线时,每个采样周期用三个相邻的椭圆集优化来对状态变量进行精确定位,并给出控制量。给出在线优化的理论证明。通过和传统算法的仿真比较,表明该算法的有效性。二次泵压差控制的实验表明该算法可得到较大的可行域,系统响应快,控制效果好。     

自适应置信度阈值的非限制场景车牌检测算法

针对车牌检测模型泛化性低,在智慧交通的不同应用场景中复用困难的问题,提出一种自适应置信度阈值的非限制场景车牌检测算法。首先,构建多预测头网络模型,利用分割预测头减少模型复用的预处理工作,利用自适应置信度阈值预测头提升模型的检测能力,并利用多尺度融合机制及边框回归预测头来提升模型的泛化能力;其次,采用可微分二值网络训练方法,利用可微分二值变换联合训练分类置信度及置信度阈值来学习模型参数;最后,利用连通感知非极大值抑制（CANMS）方法提升车牌检测的后处理速度,并引入轻量级网络ResNet18作为特征提取骨干网络,以减少模型参数量,进一步地提高检测速度。实验结果表明,在中国城市停车场数据集（CCPD）的6个不同限制条件特点的场景中,所提算法可获得平均99.5%的准确率与99.8%的召回率,并达到每秒70帧的高效检测速率,优于Faster R-CNN、SSD等锚框类算法的性能;在3个补充场景测试集上,所提算法对不同分辨率、不同拍摄距离、不同拍摄俯仰角等非限制场景下的车牌检测精度均高于90%。可见,所提算法在非限制场景下具备良好的检测性能及泛化能力,可以满足模型复用的要求。     

一种多种群遗传策略的OFDM功率分配算法

针对标准遗传算法在解决比例速率约束下多用户OFDM系统的功率分配出现的收敛速度慢和早熟收敛问题,提出了一种基于多种群遗传策略的功率分配算法。提出算法以业务公平指数为适应度值和以最优个体保持代数为算法终止依据。各个种群使用不同的控制参数,通过移民算子相互联系。仿真结果表明,提出的算法的收敛速度（100代左右）比标准遗传算法的收敛速度（300代左右）快且收敛结果稳定（都基本趋于0）,在最大化总容量的同时很好地维持了用户比例速率公平性。     

DNA计算机算术运算的自装配模型(Ⅲ)—减法

DNA计算是基于DNA分子生化反应,能够在DNA计算机上实现的算法。它具有高度并行性、容量大、速度快等特点。同传统电子计算机一样,它也是以加、减、乘、除等简单算术运算和异或等逻辑运算为基本运算单元。在DNA自装配加法的基础上,设计了一般的DNA自装配并行减法模型,算法的时间复杂度为O(1),空间复杂度为O(n),并通过实例验证了算法的有效性。算法的主要优点在于编码简单、效率高,且具有通用性。     

基于双符号压力函数的活动轮廓图像分割方法

为了解决测地线模型和CV模型无法同时对弱边界、灰度不均匀图像进行分割的问题,提出一种基于双符号压力函数的活动轮廓图像分割方法。首先,基于图像统计信息定义分割灰度不均匀图像的符号压力函数,基于内部和外部灰度均值给出轮廓曲线内外的全局区域灰度均值的加权组合函数,运用图像全局信息定义分割弱边界图像的符号压力函数;然后,结合统计信息的符号压力函数和全局信息的符号压力函数（简称“双符号压力函数”）,通过增加组合的权值系数,设计新的水平集演化方程;最后,将双符号压力函数引入到二值选择和高斯滤波正则化水平集模型中,构建一种基于双符号压力函数的活动轮廓图像分割算法。仿真实验结果表明,该算法能够有效地分割弱边界、灰度不均匀的图像,同时对噪声也有一定的抗干扰性。     

DNA计算机算术运算的自装配模型（I）—加法

DNA计算是基于DNA分子生化反应,能够在DNA计算机上实现的算法。它具有高度并行性、容量大、速度快等特点。同传统电子计算机一样,它也是以加、减、乘、除等简单算术运算和异或等逻辑运算为基本运算单元。在Labean加法的基础上,设计了通用的N进制的并行加法DNA自装配模型,算法的时间复杂度为O（1）,空间复杂度为O（n）。在此基础上又设计了一位数连加的DNA自装配模型,为今后的并行乘法奠定了基础。算法的主要优点在于编码简单、效率高,且具有通用性。     

基于径向基神经网络的多步Sarsa控制算法

针对具有连续状态空间的无模型非线性系统,提出一种基于径向基(radial basis function, RBF)神经网络的多步强化学习控制算法.首先,将神经网络引入强化学习系统,利用RBF神经网络的函数逼近功能近似表示状态-动作值函数,解决连续状态空间表达问题;然后,结合资格迹机制形成多步Sarsa算法,通过记录经历过的状态提高系统的学习效率;最后,采用温度参数衰减的方式改进softmax策略,优化动作的选择概率,达到平衡探索和利用关系的目的. MountainCar任务的仿真实验表明:所提出算法经过少量训练能够有效实现无模型情况下的连续非线性系统控制;与单步算法相比,该算法完成任务所用的平均收敛步数更少,效果更稳定,表明非线性值函数近似与多步算法结合在控制任务中同样可以具有良好的性能.     

一种带规范知识引导的改进人工蜂群算法

针对数值函数优化问题,提出一种改进的人工蜂群算法.受文化算法双层进化空间的启发,利用信度空间中的规范知识引导搜索区域,自适应调整算法的搜索范围,提高算法的收敛速度和勘探能力.为保持种群多样性,设计一种种群分散策略,平衡群体的全局探索和局部开采能力,并且在各个进化阶段采用不同的方式探索新的位置.通过对多种标准测试函数进行实验并与多个近期提出的人工蜂群算法比较,结果表明该算法在收敛速度和求解质量上均取得较好的改进效果.