基于MCGS的前馈-反馈复合控制系统的设计

根据系统工艺要求及实际需要,给出了流量液位前馈一反馈计算机复合控制系统的设计方案及实施方法,着重说明了MCGS组态软件在设计开发计算机流量液位前馈～反馈复合控制系统中的应用。实际运行结果表明,前馈一反馈复合控制系统对可测量的外部扰动具有及时补偿的能力,具有一定的实际应用价值。     

基于前馈补偿的卫星姿态复合控制及物理仿真

现代对地观测卫星往往带有大型活动式有效载荷，有效载荷的运动将对卫星的姿态指向精度和姿态稳定度产生严重影响。为此需要控制系统克服有效载荷运动干扰力矩的影响，满足卫星平台的姿态指向精度和稳定度要求。本文针对此类被控对象，研究了一种基于前馈力矩补偿的复合姿态控制策略。该控制策略针对有效载荷运动产生的干扰力矩实施前馈力矩实时补偿，残余力矩及其它因素的影响则由解耦PID控制律或自抗扰控制律等反馈措施加以克服。姿态信号基于陀螺和星敏感器组合定姿，通过高精度姿态确定算法获得。利用单轴气浮台物理仿真试验验证了方案的有效性。     

双线性自适应前馈控制及其应用

本文对存在可测干扰和界扰动的双线性系统提出了一种逢适应前馈控制算法，证明了算法的稳定性。     

数字前馈和交流前馈系统

介绍了位置伺服系统用前馈控制构成复合控制系统的基本原理和工程上对前馈信号的技术要求,阐述了数字前馈的几个设计问题,分析了某高炮伺服系统特殊的交流前馈系统。     

在连续控制系统中实现断续的前馈补偿控制

采用以时间最优为指标的断续控制器作为系统的前馈 ,根据对象状态的条件 ,判断和变换断续控制器的作用 ,补偿连续控制器的控制值。这种连续控制与断续控制混合的控制系统 ,把 PID控制器与对设定值变化及对干扰抑制实现快速控制的邦 -邦控制器结合起来 ,能够快速地实现系统动态调节 ,且超调量小 ,并克服了由于控制器硬件的某些限制 ,不能较大范围改变控制信号的缺陷 ,在实际过程控制中达到了很好的动态和稳态响应。     

热轧带钢层流冷却系统的前馈-反馈控制及其优化

以热轧层流冷却系统为研究对象,对如何提高带钢卷取温度控制精度进行了研究;在带钢冷却模型的基础上,对预设定模块进行了前馈补偿;考虑模型的不确定性和大时滞特性,采用模糊Smith预估器提高了反馈控制的精度;结果证明所采用的这些措施大大提高了卷取温度的控制精度。     

优化前馈-反馈氨合成塔触媒温度控制

以大型煤化工的关键设备氨合成塔的一段触媒温度控制为研究对象,针对氨合成塔滞后大的特性,在常规的前馈-反馈控制基础上,对前馈干扰引入时间可调整概念,目的是使得干扰项起作用的时刻同被控对象产生影响的时刻同步。同时采用史密斯预估控制方法原理,对氨合成塔的一段触媒温度控制过程中反向特性进行补偿。从而达到优化控制的目的。本文的控制策略分两部分,第一部分是将干扰项测量,将测得的干扰量作为前馈,在计算出前馈增益及方向后,保存在DCS控制系统中。再测试出干扰项对被控对象作用的滞后时间,待扰动发生时,再引入存储的前馈量,达到同步补偿目的。第二部分在反馈控制回路增加预估算法,先根据测量的干扰预先估算出反向特性补偿量,也存储在DCS控制系统中,待反向特性开始时,将估算出的补偿量,叠加填平到反向特性的凹部区。补偿后带反向特性控制回路变成常规滞后控制回路。这样前馈-反馈同时优化,大幅度改进氨合成塔-段触媒温度控制品质。为保证控制效果,方案中还采用了软测量和测点品质判断算法。     

舵机负载模拟系统前馈补偿控制研究

舵机负载模拟系统的主要任务是对舵机的力矩负载特性、最大承载能力等参数或特性进行检测,但由于这种系统通常是不稳定的发散系统,系统的不稳定特性直接影响舵机的性能检测精度.为克服此类问题对工程应用的不良影响,提出采用微分负反馈方法来解决负载模拟器的发散问题.同时,针对舵机运动速度分量引起的多余力问题,设计了舵机运动速度前馈补偿的控制算法.基于Matlab进行了控制系统仿真验证,对加入补偿算法前后系统对自然正弦指令信号的力矩响应幅值和相位差值进行了对比,分析了加入校正环节对系统误差的改善情况.仿真和实验结果表明,该方法在工程领域常见工况下具有较好的力矩跟踪性能,能够有效地测试舵机的承载性能.     

前馈控制

本文介绍如何利用前馈控制来提升反馈控制效果。 传统的反馈控制好比倒退驾驶碰碰车。由于看不见前方的路,驾驶员只能向后回望来控制方向。往往当车子已经偏离路线之后,才对方向作出调整。     

基于前馈补偿滑模控制的汽油发电机调速器

汽油发电机转速变化的动态性能是影响发电机性能指标的一个重要因素.在分析小型汽油发电机数学模型和控制任务的基础上,提出了基于负载扰动前馈补偿的滑模控制算法,设计了滑模控制器,并加入了负载扰动前馈控制策略.利用MATLAB工具箱进行仿真和配机实验,并与常规滑模控制相比较.实验结果表明:在常规滑膜控制上采用前馈补偿后,系统的稳定性和动态性能都有了很大提高,证实了该方法的有效性.     

基于参数调整的动态模糊神经网络算法

模糊逻辑与神经网络结合形成的模糊神经网络同时具有易于表达人类知识、存储与学习分布信息的优点,基于此,提出一种基于参数调整的动态模糊神经网络算法。采用扩展卡尔曼滤波器法将全局算法划分为线性和非线性部分,线性参数由最小二乘法和滤波器法决定,非线性参数由训练样本和启发式法直接决定,线性和非线性参数可进行实时更新。仿真结果表明,该算法能保证更简洁的结构和更短的学习时间。     

一种可调参数前馈神经网络的快速学习算法

针对传统BP神经网络权值算法速度慢、易陷入局部极小等缺陷,在权值平衡算法的基础上,提出了一种激励函数参数可调的前馈神经网络,并给出了相应的权值和参数快速学习算法。该算法运用该文提出的非单调启发式模拟退火搜索法实现网络权值和参数的快速搜索。实验表明,该算法不仅能明显提高网络的学习速度,而且可较好地避免学习过程陷入局部极小点而导致学习失败。     

双向权值调整的前向神经网络学习算法

提出一种新的前向神经网络的学习算法,该算法在正向和反向阶段均可以对不同的层间的权值进行必要的调整,在正向阶段按最小范数二乘解原则确定连接隐层与输出层的权值,反向阶段则按误差梯度下降原则调整通连接输入层与隐层间的权值,具有很快的学习能力和收敛速度,并且能在一定的程度上保证所训练神经网络的泛化能力,实验结果初步验证了新算法的性能。     

具有强相容参数估计的多变量自校正前馈控制器

本文提出了一种新的自校正前馈控制器.该控制器具有如下优点:1)可以控制具有任意传输延时结构的随机多变量系统;2)可以控制开环不稳定或非最小相位系统;3)不加积分作用可以自适应消除偏差和可测干扰对输出的影响,消除跟踪误差;4)具有全局稳定特性;5)参数估计具有强相容性.     

可调参数前馈神经网络及其启发式模拟退火法

针对传统BP神经网络权值算法速度慢、易陷入局部极小等缺陷,在权值平衡算法的基础上,提出一种激励函数参数可调的前馈神经网络,并给出了相应的权值和参数快速学习算法;该算法运用文章提出的非单调启发式模拟退火搜索法实现网络权值和参数的快速搜索;实验表明,该算法不仅能明显提高网络的学习速度。而且可较好地避免学习过程陷入局部极小点而导致学习失败。     

离子注入工艺各个参数的调整

本文以美国EATON公司的中束流注入机为例，阐述了IC芯片生产过程中离子注入工艺如何实现高质量注入；标准注入参数的调整，以及实现高速注入所应采取的各种手段，尽量发挥离子注入机的潜能，使中束流注入机也可以注入大束流，在生产上实现高速机动，加快了工艺流程。     

Feedforward and Feedback Dynamic Trot Gait Control for Quadruped Walking Vehicle

To realize dynamically stable walking for a quadruped walking robot, the combination of the trajectory planning of the body and leg position (feedforward control) and the adaptive control using sensory information (feedback control) is indispensable. In this paper, we propose a new body trajectory, the 3D sway compensation trajectory, for a stable trot gait; we show that this trajectory has a lower energy consumption than the conventional sway trajectory that we have proposed. Then, for the adaptive attitude control method during the 2-leg supporting phase, we consider four methods, that is, a) rotation of body along the diagonal line between supporting feet, b) translation of body along the perpendicular line between supporting feet, c) vertical swing motion of recovering legs, and d) horizontal swing motion of recovering legs; we then describe how we verify the stabilization efficiency of each method through computer simulation, stabilization experimentation, and experimenting in walking on rough terrain using the quadruped walking robot, TITAN-VIII.     

Dynamic Parameter Encoding for Genetic Algorithms

The common use of static binary place-value codes for real-valued parameters of the phenotype in Holland's genetic algorithm (GA) forces either the sacrifice of representational precision for efficiency of search or vice versa. Dynamic Parameter Encoding (DPE) is a mechanism that avoids this dilemma by using convergence statistics derived from the GA population to adaptively control the mapping from fixed-length binary genes to real values. DPE is shown to be empirically effective and amenable to analysis; we explore the problem of premature convergence in GAs through two convergence models.     

具有动态调节功能的Fisherface方法

高维、小样本数据的识别问题,始终是模式识别领域的热点和难点问题。由于训练样本数量很少,当以样本的协方差矩阵作为模式协方差矩阵的估计时,会产生较大的偏差。这是造成模式分类错误的主要原因。本文在详细论述Fisherface方法的基础上,提出了具有动态调节功能的Fisherface（DA-Fisherface）方法。该方法利用测试样本完成了对样本协方差矩阵的动态调节,减小了因样本数目很少所造成的偏差,从而实现了对Fisher鉴别矢量集的优化。最后,在ORL人脸库上的实验结果表明,该方法的模式分类正确率比Fisherface方法有显著提高。     

基于BP神经网络的参数在线整定的PID实时控制

要对系统进行准确、及时的控制,就必须精心设计有效的控制方法。在控制领域,最常用的是PID控制方法。这种控制方法能够有效地提高被控系统的稳定性,加快系统时输入的响应,以及能减小静态误差。但是,P、I、D三个环节相互影响和制约,它们之间的关系很复杂,并不是简单的线性关系,再加上实际系统的非线性和时变不确定性,三个参数的人工整定比较困难。BP（back propagation）神经网络理论上可以逼近任何非线性函数．将它与传统的PID控制方法相结合可以达到良好的控制效果。通过采用BP神经网络,以闭环反馈系统的误差作为神经网络的学习误差,可以实现PID控制器参数的自适应整定。