基于模糊插值模型的短期负荷预测

针对隶属函数对模糊推理模型描述性能和精度的影响,为了进一步提高模糊插值模型的泛化能力,提出了一类参数可调隶属函数,调整其参数从而可改变函数的形状,使之能逼近常用的三角形、高斯型等隶属函数。用它作为插值函数,提出了基于参数可调隶属函数的模糊插值模型,利用粒子群优化算法（PSO）优化模型中参数,并将该模型应用于电力系统的短期负荷预测中,仿真结果证明了该模型的有效性。     

基于模糊模型参考学习控制的焦炉温度控制

焦炉是一个大惯性、纯滞后、非线性、时变和参数分布的系统,很难对其建立精确的数学模型.现有的线性系统控制方法对焦炉的温度控制存在精度不高、不能适应工况变化等问题.而模糊控制又因规则和隶属度函数的粗糙性导致系统在稳态时出现振颤,模型参考自适应控制需要对被控对象进行阶次辨识,而且算法复杂.针对上述问题,提出一种新的控制策略,使用模糊模型参考学习控制算法来对焦炉的温度进行控制,该方法结合模糊控制和自适应控制的优点,通过在线学习算法适应工况变化,提高了控制精度.对焦炉简化模型进行的仿真实验结果表明,系统具有良好的动态和稳态性能,有效减少了炉温波动,具有一定的推广应用价值.     

RBF网络模型在预测函数控制中的应用

对三容液位系统的非线性复杂特点,利用RBF网络对系统建立预测模型,着重分析了RBF网络结构的选取、模型参数辨识以及网络优化的问题.通过预测函数控制验证了RBF网络模型在非线性系统建模中的优越性.     

非线性模糊规划中分段线性隶属函数的构造方法

首先给出了模糊规划中单、双边非线性隶属函数的构建技术。为了解决非线性模糊规划的求解困难问题,进一步提出了一种针对这两类非线性隶属函数进行分段线性化的方法,由高斯取整函数计算出非线性隶属函数的离散点,再根据决策者选择的基准点得到分段线性的隶属函数。构建了相应的模糊规划的规范求解形式,并对数值实例进行了测试,验证了其有效性。     

模糊非线性内模控制算法及其在pH值控制中的应用

pH值控制过程具有较强的非线性,历来是过程控制研究的一大热点,本文针对pH值控制系统提出了一种基于模糊推理网的非线性内模控制算法（FNIMC）。模糊推理网用于辨识对象的模糊模型;FNIMC由一个逆模控制器和具有一个可调参数的鲁棒滤波器组成。仿真结果表明该算法优于非线性PID调节器,且计算效率高。     

一类化工过程多变量系统的自适应非线性预测控制

针对化工过程的一类多变量非线性系统,提出了一种自适应非线性预测控制(ANMPC)算法。在采用递归最小二乘法进行预测模型参数在线辨识的基础上,将系统的静态非线性关系用一个反向传播(BP)神经网络稳态模型来表示,通过稳态模型求得的动态增益来进一步校正预测模型的参数。详述了ANMPC控制器设计步骤,通过在一个多变量pH中和过程中的仿真验证了本算法的可行性和有效性。     

基于径向基函数的非线性系统近似偏最小一乘准则辨识算法

针对输入信号非线性相关的非线性系统,提出了基于径向基函数的近似偏最小一乘准则辨识算法。首先对观测数据矩阵进行列扩展,以径向基函数(radial basis function,RBF)网络的输出作为观测数据矩阵的扩展项,然后利用近似偏最小一乘算法对扩展的观测矩阵和输出矩阵进行线性回归。近似偏最小一乘算法用确定性可导函数近似代替残差绝对值,可以抑制对称α稳定(symmetrical alpha stable,SαS)分布的尖峰噪声。同时,通过主成分分析去除非线性系统数据向量矩阵之间的非线性相关,得出模型参数的唯一解。仿真实验表明,本文算法可以对输入信号存在非线性相关的非线性系统进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性。     

基于近似偏最小一乘准则的多变量非线性系统辨识方法

基于近似最小一乘准则和主成分分析,针对输入信号线性相关的多变量Hammerstein模型,进行了近似偏最小一乘非线性系统辨识算法的推导。本文算法用确定性可导函数近似代替残差绝对值,可以抑制满足SαS分布的尖峰噪声,且具有目标函数可导、计算简单的优点。同时,通过主成分分析去除非线性系统数据向量矩阵之间的相关性,可以得出模型参数的唯一解。仿真实验表明,本文算法可以对输入信号存在相关性的多变量Hammerstein模型进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性。     

温控电热系统的建模、仿真及控制器参数设计

本文以恒温鼓风电加热干燥箱非线性控制系统为例,首先介绍了拟合模型参数辨识法、相关电力电子技术及电路基础知识在温控电熟控制系统建模中应用;之后提出以ITSE为目标函数的单纯形优化算法在该非线性系统控制器参数设计中的应用;最后应用Matlab编程软件做出数字仿真结果曲线,通过仿真结果可以看出控制器参数的设计合理有效。     

基于神经网络的电子节气门系统模型参考自适应控制

使用多层感知器神经网络模型来识别和控制非线性电子节气门系统。首先,神经网络模型在不同运行条件下辨识,它代表非线性节气门伺服系统的动态特性。其次,使用油门辨识器网络模型来设计和训练神经网络控制器模型,从而使节气门系统的追踪控制位置遵循参考模型。油门辨识器网络模型用于辅助以离线模式训练的神经网络控制器。神经网络控制器使用相同的输入来进行训练,这些输入被反馈到实际的节气门系统以产生相同的输出。通过调整神经网络控制器的权重和偏差参数,使用自适应算法来减小输出之间的差异。对使用神经网络控制器的节气门控制系统的跟踪控制性能与使用经典自适应PID控制器进行比较。仿真结果表明:采用神经网络控制器可实现跟踪控制,满足控制性能的所有需求。