在线调节加权阵的分散自校正控制算法

本文应用分散控制原理,提出了一种把大系统分散成多个子系统来处理的在线调节加权阵的分散自校正控制算法,算法兼具最优性能和极点配置的优点,适用于开环不稳定和非最小相位系统以及输入输出维数不等的多变量系统。仿真结果证实算法具有满意的控制效果。     

改进的最小方差自校正控制算法

在分析了传统的最小方差自校正控制算法存在的缺陷后,引入了预测控制的“柔化”思想,对系统的输入控制作用进行了“柔化”处理,提出了一种改进的最小方差自校正控制算法,并对其进行了稳定性分析。仿真结果表明,该算法对于最小相位系统和非最小相位系统均适用。     

同步发电机组自校正控制算法的并行处理

自校正控制已在不少工业对京中得到成功的应用.由于自校正控制算法需要较长的计算时间,使它在—些响应速度快的对象中的应用受到一定限制.本文针对同步发电机组转速与励磁的综合自校正稳定控制,提出一种并行处理算法.并设计了—种多 CPU 控制器予以实现.模拟试验结果表明,它可大大提高运算速度,以满足实时控制的要求.     

一个实际温度控制系统自校正控制算法的设计

本文以染织厂染整车间匹布染色机染缸温度为被控对象,用动态预报最小方差为辩识方法组成的自校正控制系统,建立了被控对象和数学模型.在比较两种辩识方法的基础上,采用了动态预报方差最小方法作为该染整车间染缸温度被控对象的控制算法.实测了被控对象的动态特性,得到被控对象的时滞d(?)0,因此用 d=0时的被控对象数学模型和动态预报递推估计算法,设计了一种实用的自校正温度控制算法和软件,并应用于生产实践,从计算机打印出的工艺曲线与工艺要求的工艺曲绂相比较误差<±1℃,故所设计的自校正控制系统和算法是成功的,获得了较好的控制效果.     

一种神经网络自适应控制算法及其改进

Brandt和Lin提出了一种没有反馈网络的自适应神经网络控制器。由于这种算法结构简单,很适合于用硬件来实现,具有相当的使用价值。但是,经过仿真表明,这种自适应神经网络控制器在被控对象的阶数比较高时会产生不稳定现象,这就限制了其应用范围。通过在Brandt-Lin算法中引入一个死区非线性环节,使得神经网络当控制误差小于一定范围时停止学习,从而在一定程度上克服了不稳定现象。经过改进后的控制算法可以使其应用范围进一步扩大。     

最优零极点配置自校正控制算法

对于一般的CARMA过程,本文提出了一种最优零极点配置自校正控制算法。在Goodwin的定义下,证明了算法的全局收敛性,并给出了自校正控制系统的渐近稳定性结果。     

基于结构和参数自适应的改进遗传算法

目的研究一种新的自适应寻优机制，以避免遗传算法早熟．方法在参数自适应基础上引入结构自适应思想。利用种群早熟判别的熵准则，当种群收敛于局部最优时，转换算法结构为先变异后交叉，同时辅之以参数自适应方法使之跳出局部最优．结果数值实验表明，算法的结构自适应可有效避免早熟，与参数自适应配合使用，能明显提高算法的全局寻优能力．结论基于结构和参数自适应的改进遗传算法是可行的、有效的．     

用于队列管理的模糊增益神经元自适应控制器

针对具有参数时变及非线性特性的网络拥塞控制系统,提出了一种模糊增益神经元主动队列管理算法(FNAQM). 采用路由器队列长度及数据流速作为拥塞度量,在检测当前拥塞信息的同时,预测未来拥塞的状况. 结合神经元控制和模糊控制的优点,利用单神经元计算数据包标记概率,采用有监督的Hebb学习规则在线调整加权系数. 设计的模糊控制器可动态调整神经元增益,能获得更好的控制性能. FNAQM具有结构简单、易于实现、自适应能力强等优点. 仿真实验结果表明,FNAQM能快速将队列调整至目标值,并维持较小的队列抖动,对动态数据流和非响应流具有良好的鲁棒性.     

自整定数字调节器的硬件设计

为适应中小型工厂过程控制的需要,本文应用单片机原理、数字电路和冗余技术等设计了自态定调节器的硬件系统,具有可靠性高、抗干扰性强等特点。     

一种改进的自校正调节器

为解决闭环条件下系统参数不可辨识性给Ａｓｔｒｏｍ＆Ｗｉｔｔｅｎｍａｒｋ自校正调节器向最小方差控制器收敛的速度带来影响的这一问题，笔者构造了一种闭环条件下参数估计方法。计算机仿真结果表明，它较原有参数估计方法的收敛速度及收敛精度均有明显提高。     

Zafiriou—Morari算法分析及其自适应系统

本文简述现有计算机控制算法的不足,介绍了Z-M算法的设计原则并分析其具有稳定性好、适应能力强等优点的原因。仿真证实,该算法在对象模型不准确时可能产生不稳。本文就此提出在线递推辨识、在线求取对象零点的方法,并利用参数可调的Z-M控制器构成自适应控制系统。对该自适应系统进行计算机仿真,取得了满意的效果。     

一种简化的广义预测自校正控制器

本文基于 CARIMA 模型提出了一种简化的广义预测自校正控制算法,避免了在线求解 Dioaphantine 方程,与 Clarke 的 GPC 算法相比大大节省了运算量与存储量。理论上证明了两种算法的等价性。进行了数字仿真和模拟试验,结果令人满意。该算法已用 z80汇编语言编制成控制程序,正投入单晶炉微机控制系统的工业调试之中。     

极点配置自校正PID调节器

PID控制简单 ,稳定性能好 ,可靠性高。但对于复杂的受控对象 ,特别是模型参数未知的慢变化的受控对象采用常规PID控制器 ,不仅PID参数难于选择 ,而且即使PID参数选择好了 ,也因受控对象的参数发生变化而不能获得满意的效果。自校正调节在过程控制中的应用 ,提高了系统的自适应能力 ,使系统调节品质的综合指标有了明显的改进。对于一大类时滞最小相位二阶系统 ,设计了一种基于相消原理极点配置自校正PID调节器 ,对消对象的零极点。该算法先离线根据经验设定b0 、g0 ,然后在线辨识系统参数 ,实现控制。它计算简单 ,收敛快 ,鲁棒性好 ,仿真结果证明其有效性     

一种基于单神经元的模糊自整定PID控制器

为解决普通的PID控制器设计对系统模型有一定依赖性问题,本文将单神经元网络和模糊逻辑相结合,提出了一种基于单神经元的模糊自整定PID控制器。单神经元控制部分本身还是一个PID控制器,但由于权值可以在线调整,具有较强的自学习和自适应能力,而通过模糊控制器对输出整定,可加速控制过程。将该控制器应用于船舶运动控制仿真中,仿真结果表明,单神经元模糊自整定PID控制器能使船舶更快地达到设定航向,且航向曲线和打舵更加平稳,可明显改善对大纯滞后、大惯性系统的控制效果,在工业控制中有广泛的应用前景。     

具有辨识死区的降阶鲁棒自校正控制

提出了一种实用的鲁棒自校正控制算法，该算法克服了未建模动态的影响，不仅获 得了系统的有界稳定，消除了稳态误差，而且采用递归辨识途径解决了因未建模动态未知靠试 凑选择死区的不足，仿真实验说明了算法的有效性.     

基于网格划分策略的自适应ACO算法优化LQR控制器权值

线性二次最优控制（Linear Quadratic Regulator,LQR）是现代控制理论中应用广泛的状态空间设计法,如何选取适当的加权矩阵Q和R的问题一直没有得到很好解决。提出一种基于网格划分策略的自适应蚁群算法来设计LQR控制器,利用蚁群算法获取加权矩阵Q、R及反馈控制率K,并将控制器用于LQR问题的标准试验平台倒立摆系统。仿真结果表明基于网格划分策略的自适应蚁群算法优化设计的LQR控制器超调小,响应速度快,可以有效的对被控系统实施控制。     

自校正地形跟随/阵风减缓控制系统的研究

本文研究了显式多维自校正控制器在飞机地形跟随/阵风减缓控制系统中的应用。为了满足实时控制的要求,对控制算法作了适当的修正,将辨识系统全部参数改为辨识系统部分参数,因而计算时间大大减少。并针对自校正控制律中加权矩阵选择的困难性和提高系统的控制性能,采用了内回路的补偿方法,组成两级控制的地形跟随/阵风减缓控制系统。