直线电机的非参数模型直接自适应预测控制

将基于紧格式线性化的非参数模型直接自适应预测控制方法应用到直线电机速度和位置控制中.控制器的设计是直接基于伪偏导数的估计和预报,而伪偏导数信息则足通过参数估计算法和预报算法利用I/O数据在线导出.仿真演示了该方法对电机这种不确知动态非线性系统的有效性和抗干扰能力.     

pH值中和反应过程的无模型学习自适应控制

根据pH值处理过程的时变和非线性特性,将基于紧格式线性化的单入单出非线性离散时间系统的无模型学习自适应控制方法应用在带有时滞的pH值中和反应过程中。控制器的设计是无模型的,是直接基于称为伪偏导数的向量,此伪偏导数是通过一种新型参数估计算法,根据酸碱中和反应系统的输入输出信息在线导出的。此无模型控制方法非常适用于实际的模型参数难以辨识,且是时变的非线性系统。仿真控制验证了该方法对不确知动态的非线性pH值的控制具有鲁棒性强、响应速度快和控制精度高的优点,性能好于传统的PID控制。     

基于BP算法的无模型自适应迭代学习控制

为了改善针对一般非线性离散时间系统的控制性能,引入"拟伪偏导数"概念,给出了般非线性离散时间系统沿迭代轴的非参数动态线性化形式,并综合BP神经网络以及模糊控制各自的优点,提出了基于BP算法无模型自适应迭代学习控制方案.仿真结果表明,该控制器对模型有较强的鲁棒性和跟踪性.     

数据驱动的无模型自适应直线伺服系统精密控制和实现

针对现代制造业对高精度机床伺服系统的要求, 将数据驱动的无模型自适应控制方法应用到直线伺服系统的位置控制中, 控制器设计不包括直线伺服系统结构的任何信息, 是直接基于动态线性化模型中伪偏导数的估计和预报, 而伪偏导数是根据直线电机电压输入和位置输出在线估计的. 永磁同步直线电机运动控制系统的实时实验结果表明, 在相同条件下, 数据驱动的无模型自适应控制方法的位置跟踪误差比PID减小了0.4mm到2.6 mm, 比神经网络控制时减小了0.2mm到0.5 mm. 该方法还提高了对负载扰动的鲁棒性.     

一种无模型自适应积分终端滑模控制方法

针对一类包含扰动的非线性离散时间系统,提出一种新的无模型自适应离散积分终端滑模控制算法.该算法基于紧格式动态线性化数据模型,利用离散积分终端滑模控制算法设计无模型自适应控制器,并采用扰动估计技术估计系统的扰动项,其中动态线性化方法中“伪偏导数”的估计算法仅依赖于被控系统的I/O测量数据.理论分析证明了系统输入输出有界,并通过仿真实验验证了所提算法的有效性.     

高阶无模型自适应迭代学习控制

针对一类非线性非仿射离散时间系统,提出了高阶无模型自适应迭代学习控制方案.控制器的设计和分析仅依赖于系统的输入/输出(I/O)数据,不需要已知任何其他知识.该方法采用了高阶学习律,可利用更多以前重复过程中的控制信息提高系统收敛性,且学习增益可通过"拟伪偏导数"更新律迭代调节.仿真结果验证了所提出算法的有效性.     

一种基于虚拟参考反馈调整的无模型自适应控制

针对无模型自适应控制算法中对伪偏导数估计值信息利用率不高的问题,提出一种新的无模型自适应控制算法.运用虚拟参考反馈调整方法思想,将紧格式线性化后的线性模型与基本无模型自适应控制器构成的闭环系统作为参考模型,再以参考模型的输出与系统期望输出的误差作为控制器的输入,从而将伪偏导数过去时刻的估计值引入到新的控制律中,提高了伪偏导数估计值信息利用率.仿真结果表明改进的无模型自适应控制具有较好的控制性能.     

基于数据驱动的风力发电系统一步超前预测转速控制

针对风力发电系统转速控制系统的特点,提出了一种基于数据驱动的一步超前预测控制方法。该方法先利用动态线性化技术,采用投影算法在线估计伪偏导数,然后通过最小化一步超前加权性能指标获得广义最小方差预测控制算法;为了取得更好的跟踪效果,引入一个自适应项用于增强输出跟踪能力,使得系统输出响应具有更强的跟踪能力。仿真结果验证了该方法的有效性。     

隐式GPC算法在重介分选过程控制中的研究

为解决重介分选过程中重介质悬浮液密度与液位过程模型失配问题,引入隐式GPC算法对模型参数进行在线辨识,实现对重介质悬浮液的密度与液位解耦控制。仿真结果表明,针对重介分选过程模型具有大滞后、强耦合的这一特性,隐式GPC算法控制效果较好,抗干扰能力强,在模型失配的情况下,仍然保持系统的输出稳定。     

一类非线性大滞后系统的改进无模型自适应控制

针对工业过程中一类常见的非线性大滞后对象,基于伪偏导数(pseudo-partial-derivative,PPD)的概念动态线性化非线性系统,并利用跟踪.微分器预测系统未来时刻的输出,提出了一种改进的无模型自适应控制(improvedmodel-free adaptive control,IMFAC)算法.通过严格的理论推导,证明了新算法的BIBO稳定性和收敛性.仿真结果验证了该算法的有效性.     

Optimal higher order learning adaptive control approach for a class of SISO nonlinear systems

In this paper,an optimal higher order learning adaptive control approach is developed for a class of SISO nonlinear systems.This design is model-free and depends directly on pseudo-partial-derivatives derived on-line from the input and output information of the system.A novel weighted one-step-ahead control criterion function is proposed for the control law.The convergence analysis shows that the proposed control law can guarantee the convergence under the assumption that the desired output is a set point.Simulation examples are provided for nonlinear systems to illustrate the better performance of the higher order learning adaptive control.     

Adaptive-Predictive Control of a Class of SISO Nonlinear Systems

In this paper, an adaptive-predictive control algorithm is developed for a class of SISO nonlinear discrete-time systems based on a generalized predictive control (GPC) approach. The design is model-free, based directly on pseudo-partial-derivatives derived on-line from the input and output information of the system using a recursive least squares type of identification algorithm. The proposed control is especially useful for nonlinear systems with vaguely known dynamics. Robust stability of the closed-loop system is analyzed and proven in the paper. Simulation and real-time application examples are provided for real nonlinear systems which are known to be difficult to model and control.     

Optimal higher order learning adaptive control approach for a class of SISO nonlinear systems

1IntroductionMany dynamic systems to be controlled have constant orslowly_varying uncertain parameters .Adaptive control is apopular approachtothe control ofsuchsystems [1] .Inthepast two decades ,significant progress has been made in theresearch and design of adaptive control systems [2,3] .Fairly complete and comprehensive guidelines are nowavailable for both design and implementation of adaptivecontrollers inthe cases where the systemunder control canbe adequately modeled as a linear dynami…     

基于RBF-ARX模型的预测控制在液位系统中的应用

针对单容液位系统紊流时的非线性特征,研究了基于RBF-ARX模型预测控制策略控制单容液位系统;讨论RBF-ARX模型结构的选取,模型参数辨识,RBF参数优化,基于RBF-ARX模型的预测控制策略等问题;模型的仿真结果,证实了RBF-ARX模型在非线性系统建模和辨识中的有效性;同基于全局线性ARX模型的预测控制器和PID控制器相比较,基于此模型的预测控制取得了优异的控制效果。     

基于虚拟仪器的前馈-反馈控制系统的开发

根据计算机测控系统发展方向,结合现在流行的虚拟仪器技术和网络技术,提出一种基于LabVlEW编程平台的前馈-反馈液位控制系统,旨在促进虚拟仪器在复杂控制系统与测控网络系统中的应用.实验显示此系统能达到设计的预期目的,具有一定的工程实用价值.     

CARMA模型建模在液位控制系统中的应用

通过选择比例阀的输出作为系统输入,水柱的液位值作为系统输出.对液位控制系统进行CARMA建模研究.在获得系统的AD/DA输入输出采样数据的基础上,首先通过寻找一个具有较小AIC值的模型的准则来决定模型的阶次,然后取实际值与计算值之累次误差的平方和达到最小时的模型参数值作为CARMA模型的参数,从而实现了液位控制系统的CAR-MA模型的辨识,且经证明模型参数值唯一.模型的预测输出和实际输出的比较结果证实了CARMA建模在液位控制系统中的有效性.     

Fuzzy control of an ANFIS model representing a nonlinear liquid-level system

This paper aims to serve two main objectives; one is to demonstrate the modelling capabilities of a neuro-fuzzy approach, namely ANFIS (adaptive-network based fuzzy inference system) to a nonlinear system; and the other is to design a fuzzy controller to control such a system. The nonlinear system, which is a liquid-level system, is represented first by its mathematical model and then by ANFIS architecture. The ANFIS model is formed by means of input–output data set taken from the mathematical model. Then a PID-type fuzzy controller, which linguistically approximates the classical three-term compensation, was designed to control the system represented by both its mathematical and ANFIS models in order to perform an agreement comparison between them. It is shown that the ANFIS architecture can model a nonlinear system very accurately by means of input–output pairs obtained either from the actual system or its mathematical model. It is also shown that such a system can be controlled effectively by a fuzzy controller.     

THJS-3实验装置的二容液位系统解耦控制

介绍了三容水箱液位控制系统的硬件组成及MCGS软件的组成,以THJS-3高级过程控制实验装置为基础,运用基于对角递归神经网络的PID解耦控制算法在MCGS软件中进行控制界面组态和运行。实验结果表明系统实现了解耦控制,具有良好的稳态性能和动态性能。在MCGS软件中实现解耦控制有很强大的应用前景。     

一种鲁棒神经网络自适应控制策略及其应用

针对具有外部干扰等不确定因素的离散未知非线性受控对象,提出了一种鲁棒神经网络自适应控制策略.该策略运用自适应预测及带遗忘因子的递推最小二乘参数估计的思想,对神经网络的预报输出进行修正,利用鲁棒反馈控制器保证系统稳定性,并对控制信号的增量进行限幅以抑制突变大幅值干扰信号对系统的影响.将提出的控制方法应用于实验室级液面系统的仿真中,结果表明了该控制策略的有效性.