电液位置伺服系统模型辨识与非线性控制

针对电液伺服系统非线性、参数时变的特点,为提高系统的性能,首先介绍了电液位置伺服控制系统的组成与工作原理,讨论了系统的非线性数学模型,利用实时工作间(RTW)的半实物仿真环境和MATLAB系统辨识工具箱,对电液位置伺服系统进行了系统模型辨识及验证。在此基础上,以辨识得到的模型为控制对象提出了一种Bang-Bang与模糊PID非线性控制方案,与传统PID以及模糊PID控制方法进行了仿真比较。结果表明,采用Bang-Bang与模糊PID复合控制,在系统参数变化、外界扰动的影响下,系统的快速性提高,稳态误差得到消除,具有较好的动态鲁棒性能。     

基于RBF神经网络的非线性系统智能控制

针对工业控制领域中复杂非线性时变系统，采用传统的控制方法不能达到满意的控制效果，提出了基于神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，从而实现系统的智能控制。仿真结果表明该方法对于复杂非线性系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

ABC算法在非线性系统辨识与控制中的应用

针对非线性系统辨识和控制器的设计,提出一种混沌映射产生初值的人工蜂群优化算法,并将该算法应用于非线性系统中的参数辨识和PID控制器的设计。参数辨识的仿真结果表明,基于混沌映射理论的人工蜂群优化算法比其他传统的算法具有更好的收敛特性和辨识性能;自动电压调节系统的仿真结果表明,基于混沌人工蜂群优化的PID控制自动电压调节系统是可行性的,且具有良好的动态调节性能。     

迟滞非线性系统辨识与补偿控制研究

针对智能材料中存在的迟滞问题,对其开展了迟滞非线性特性分析,建立了迟滞系统。该迟滞系统由两个部分串联构成:一部分是滤去传递函数影响的Preisach模型;另一部分是不考虑迟滞影响的系统传递函数。将离线和在线辨识方法应用到辨识迟滞系统中,应用最小二乘法离线辨识得到了辨识传递函数参数,再用此辨识传递函数参数作为神经网络辨识的初始权值,得到了神经网络在线辨识的辨识模型;建立了辨识传递函数的逆模型控制系统和前馈逆模型PID控制系统,并对辨识系统进行了迟滞非线性补偿。研究结果表明,模型辨识方法的可行性和补偿控制的有效性在仿真中得到了验证。     

基于等效电路电池模型参数辨识方法的适应性研究

使用基于DP模型的非线性等效电路模型建立电池系统通用模型,基于HPPC脉冲实验对电池模型进行参数辨识,并研究电池模型以及其参数辨识方法对于锂离子电池和铅酸电池的适应性.实验表明,对于锂离子电池和铅酸电池,该非线性模型具有较好的模型精度,同时其参数辨识方法也具有一定的适应性.     

基于神经网络的主动隔振控制技术研究

针对主动隔振系统存在非线性的情况,提出一种神经网络控制方法.控制器采用CMAC(cerebellar model articulation control)网络,参数调整基于梯度下降法.为消除系统次通道对控制器参数调整的影响,利用BP(back propagation)网络离线辨识得到次通道模型.系统的输出误差信号与次通道模型参数相结合,共同调整控制器参数.仿真结果表明,该控制方法对于存在非线性的主动隔振系统具有良好的控制效果,隔振能力超过常用的滤波LMS(least mean square)方法.     

基于RBF在线辨识的AGV转向单神经元PID控制

针对自动引导车(AGV)转向系统的复杂、非线性和时变性,提出了基于RBF神经网络在线辨识的单神经元PID控制来改进常规的PID控制性能.在该控制系统结构中,采用RBF神经网络辨识器实现对转向系统的Jacobian矩阵信息的在线辨识,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制.实验结果表明,与常规的PID控制方法相比.该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全可适用于AGV转向系统的控制.     

光电稳定平台伺服系统动力学建模与参数辨识

针对光电稳定平台伺服系统模型参数辨识问题,提出了线性和非线性模型参数分离辨识方法。在线性模型参数辨识过程中,利用差动逆M序列信号作为输入,相应的响应信号作为输出,并应用最小二乘方法辨识线性离散模型参数,从而降低非线性因素的影响。在非线性模型参数辨识过程中,以LuGre摩擦模型为基础,针对摩擦和不平衡质量相互耦合的问题,提出了考虑不平衡质量的LuGre模型静态参数辨识方法;然后,利用电流信号作为摩擦力测量值,对LuGre模型动态参数进行辨识,得到包含不平衡质量和动态摩擦的系统非线性部分模型参数。构建了单轴光电稳定平台实验系统,利用本文提出的方法对实验系统动力学模型参数进行了辨识。结果表明:质量不平衡力矩的辨识值为0.183N·m,略高于理论值0.18N·m,满足辨识精度要求。实验证实提出的辨识方法可以实现对模型线性与非线性参数的有效辨识。     

车辆转向系统动力学模型的车载辨识算法

汽车转向系统是一个缓慢变化的非线性系统 ,在一个较短的时间间隔内 ,可以用一个参数时变的二阶线性系统对其动力学特性进行描述。根据这一特点 ,在最小二乘原理的基础上建立了一个转向系统的车载辨识算法 ,对当前工况下转向系统的动力学特性进行辨识计算。仿真计算表明 ,该算法具有较高的辨识精度 ,可以应用于汽车转向系统离线仿真和实时控制。     

基于BP神经网络的非线性系统辨识

工业系统大多具有大滞后、非线性的特点,难于控制.本文介绍了基于BP神经网络实现对非线性系统的辨识和仿真分析,并给出了实例.仿真结果表明,该方法可以对工程中常遇的复杂的、非线性较强的系统进行辨识,具有一定的适用性.