基于鲁棒模糊控制理论的BTT导弹动态逆控制

将模糊控制理论应用于BTT导弹动态逆系统控制中,设计了BTT导弹控制系统鲁棒模糊控制器.首先应用动态逆系统方法设计BTT导弹控制器,然后用参数化线性模糊逻辑系统逼近动态逆控制器中的不确定项,并设计了自适应律以调整参数的变化,最后根据Lyapunov稳定性定理,证明了所提出的方法能保证BTT导弹控制系统是渐近稳定的,系统的跟踪误差将收敛到零.仿真结果表明,设计的控制器,对参数和外界扰动等不确定因素具有较强的鲁棒性和自适应性.     

基于LS-SVM预报的动态矩阵预测控制

针对实际工业过程中的非线性及时变特性,传统预测控制算法就难于建立精确的数学模型,从而提出了一种基于最小二乘支持向量机预报的动态矩阵预测控制模型.在整个过程中,首先建立基于最小二乘支持向量机的非线性动态矩阵预测控制结构,通过利用最小二乘支持向量机辨识被控对象模型,同时预测对象的未来输出,然后用动态矩阵控制算法进行滚动优化和反馈校正.仿真实例表明该模型对预测结果有很好的控制作用,有效消除输入干扰的影响,从而提高了预测精度.     

BTT导弹的自适应模糊反演控制律设计

结合反演控制、自适应控制和模糊控制方法,针对具有非匹配不确定性的BTT导弹非线性动力学模型,设计了一种基于自适应模糊控制的BTT导弹反演控制律.针对传统反演控制律设计的不足,采用模糊控制法逼近BTT导弹控制系统中带有未知成分的非线性函数,实现了无需精确数学模型的全新控制律,避免了因建模误差对控制带来的不良影响.设计了自适应控制律以调整设计参数的变化,利用李亚普诺夫方法证明了系统的稳定性和收敛性.仿真结果表明,所设计的控制律对导弹控制系统中存在的非匹配不确定因素具有较强的鲁棒性和自适应性.     

基于LS-SVM/PID复合逆系统的预测控制

为了提高预测控制算法的控制性能,提出一种基于最小二乘支持向量机(LS-SVM)/PID复合逆系统的预测控制算法。该算法在PID控制的基础上,利用LS-SVM离线建立被控对象的非线性逆模型作为前馈控制器,形成直接逆控制,其克服了逆系统方法鲁棒性不强的缺陷,并与原系统串联构成一个伪线性系统;然后,结合预测控制算法实现系统的预测控制。仿真结果表明,该算法具有较好的跟踪性能和抗干扰能力。     

基于LS-SVM逆系统的无轴承异步电机解耦控制

无轴承异步电机具有非线性、多变量和强耦合的特点,要实现电机稳定悬浮和旋转运行,必须对其进行非线性动态解耦控制。为了克服逆系统方法精确建模难的局限性,采用基于最小二乘支持向量机(LS-SVM)α阶逆系统方法对无轴承异步电机进行动态解耦控制的研究。首先利用最小二乘支持向量机辨识出无轴承异步电机的逆模型,然后将它串联在原系统前,将无轴承异步电机解耦成四个独立的伪线性子系统-2个径向位移子系统、一个速度子系统和一个磁链子系统。为保证鲁棒性能,最后对解耦后的系统采用非线性内模控制策略。研究表明,LS-SVMα阶逆系统方法能够实现无轴承异步电机径向悬浮力和旋转力之间的动态解耦控制,控制系统具有良好的静态和动态性能。     

基于LS-SVM非线性内模控制在焊缝跟踪中的运用

针对单纯的模糊控制器在焊接机器人的焊缝跟踪中的控制精度欠佳、自适应性不强等问题,设计了一种新的用于焊缝跟踪的LS-SVM非线性内模控制器。通过样本数据建立系统固定的LS-SVM逆模型,与系统串联成精确的伪线性系统,对伪线性系统采用鲁棒性强的内模控制。仿真结果表明该方法具有很好的跟踪结果。     

基于LS-SVM的图像去噪方法

支持向量机是一种基于统计学习理论的机器学习方法，该方法已广泛用于解决分类问题和回归问题。文中将最小二乘支持向量机应用于图像去噪中，并同小波去噪及中值滤波进行了比较分析。仿真结果表明，该方法能较好的保存图像细节，并具有很好的泛化能力。     

基于LS-SVM的船舶航向模型预测控制

针对船舶动态性能具有较强的非线性、大惯性及时变性的特点,采用具有RBF核函数的最小二乘支持向量机(LS-SVM),利用其可以任意逼近非线性模型的良好特性实现对船舶模型有效辨识,得到船舶航向控制系统的非线性逼近模型,并将其与模型预测控制方法相结合,将最小二乘支持向量机辨识得到的系统模型作为预测模型,并将系统模型进行线性化并用线性预测控制方法求得解析的控制律,实现对船舶航向的预测控制,达到良好航向保持目的。仿真结果表明,最小二乘支持向量机降低了计算复杂度,且有较快计算速度,在小样本情况下具有良好的泛化能力;基于最小二乘支持向量机的船舶航向预测控制系统对外界干扰及模型参数摄动均具有较好的适应能力以及良好的控制性能。     

BTT导弹变结构自适应控制仿真研究

一种变结构自适应控制律,可以不依赖于系统的精确数学模型,但对于BTT导弹气动参数不确定性具有良好的控制效果.采用Matlab,分别对BTT导弹滚转、偏航以及俯仰三个通道进行数值仿真,接着又对闭环系统进行了仿真验证,根据对仿真结果的分析,对该控制律进行了进一步的改进.所设计的改进控制律很好地解决了导弹数学模型不能精确获得以及参数大范围变化的问题,并且在很大程度上克服了导弹各通道间存在的耦合现象,与其它控制方法比较,具有算法相对简单,并且易于仿真验证的特点,对BTT导弹自动驾驶仪研究具有很好的指导意义.     

基于在线LS-SVM的逆模/PID复合控制

针对最小二乘支持向量机(LS-SVM)无法在线建模的问题,提出了一种基于在线LS-SVM回归的非线性逆模型建立方法。在线LS-SVM能够跟踪时变非线性系统的动态特性,当系统参数随时间变化时仍然有效。在前馈控制中,在线LS-SVM建立系统逆模型,并与PID反馈控制相结合构成复合控制方法,应用于较一般的离散非线性系统。仿真结果表明,采用在线LS-SVM建立非线性系统的逆模型的方法有效,复合控制策略具有良好控制性能。     

基于LS-SVM的非线性系统自适应输出反馈控制

针对状态不可测的单输入单输出非线性不确定系统,提出一种基于最小二乘支持向量机(LS-SVM)的直接自适应输出反馈控制方法.该方法首先设计一种误差观测器,间接地估计出系统的状态,然后采用最小二乘支持向量机构造自适应控制器,控制器参数的在线调整规律由李亚普诺夫稳定性理论导出.文中严格证明了闭环系统的渐近稳定性,仿真研究表明了此控制方法的可行性和有效性.     

基于LS-SVM的非线性多功能传感器信号重构方法研究

提出了基于最小二乘支持向量机(Least squares support vector machine, LS-SVM)的非线性多功能传感器信号重构方法. 不同于通常采用的经验风险最小化重构方法, 支持向量机(Support vector machine, SVM)是基于结构风险最小化准则的新型机器学习方法, 适用于小样本标定数据情况, 可有效抑制过拟合问题并改善泛化性能. 在SVM基础上, LS-SVM将不等式约束转化为等式约束, 极大地简化了二次规划问题的求解. 研究中通过L-折交叉验证实现调整参数优化, 在两种非线性情况下对多功能传感器的输入信号进行了重构, 实验结果显示重构精度分别达到0.154\%和1.146\%, 表明提出的LS-SVM重构方法具有高可靠性和稳定性, 验证了方法的有效性.     

支持向量机建模的二维滑坡模型控制系统研究

滑坡模型作为研究滑坡地质灾害的重要实验平台是一个装载一定量沙石土壤的箱体.二维滑坡模型是在一定模拟降雨条件下通过抬升装载有砂石土料的箱体实现模拟山体滑坡行为.基于对抬升过程中箱体运动规律的分析,设计了一个智能液压控制系统,通过控制阀门开启时间实现了箱体抬升角度的精确控制.采用了最小二乘支持向量机滚动窗算法实现滑坡模型实验箱抬升过程进行动态建模和预测控制,实现了模型平台抬升过程中的倾角检测与控制.本控制系统避免了低速大负载条件下液压系统的脉动和爬行对滑坡模型的影响.实际运行表明本系统满足滑坡模型的平台倾角精度要求.     

基于LS-SVM辨识的温度传感器非线性校正研究

针对人工神经网络等传统方法的不足,提出了一种利用最小二乘支持向量机(LS-SVM)的热电偶非线性校正方法。在该方法中,根据正反馈原理构造形式为幂级数展开模型的非线性补偿器,并利用LS-SVM线性回归算法辨识该补偿器幂级数序列模型的系数。通过该补偿器之后,热电偶可得到理想的线性特性。最后,对铂铑30—铂铑6热电偶(B型)进行非线性校正实验,实验结果表明:在0~1 820℃范围内,校正后系统的线性度小于0.035 3。因此,所提方法有效,且能应用于其他相似系统的非线性校正。     

一种基于LS-SVM构造FLANN的热电偶非线性校正方法*

提出一种基于最小二乘支持向量机(LS-SVM)构造函数链接型神经网络(FLANN)的方法,并根据正反馈原理将该FLANN应用於热电偶传感器非线性校正.讨论LS-SVM构造FLANN的基本原理和具体算法,给出了非线性补偿器的数学模型.与常规BP迭代算法构造的FLANN比较,该方法构造的FLANN补偿器具有如下优点:①利用LS-SVM将迭代逼近问题转化为直接求解多元线性方程,因此具有更快的速度;②整个训练过程中有且仅有一个全局极值点,确定了所构造FLANN补偿器的唯一性,提高了补偿精度.最后以Pt-Rh30-Pt-Rh6热电偶(B型)为例进行非线性校正实验,结果验证了上述结论.     

BTT导弹控制系统设计问题的研究

针对BTT导弹控制技术进行研究无疑具有很高的应用价值,对巩固和提高我国的国防科技水平具有重要意义;BTT导弹因其自身的机动方式而成为典型的非线性强耦合系统,给其控制系统设计工作带来很大难度;能否选择合适的控制方法对控制系统进行设计成为制约BTT导弹性能的关键问题;文中从控制方法设计的角度对BTT导弹控制系统设计问题进行了研究,通过采用不同控制方法进行控制律设计和稳定性分析,来对各方法的特点进行比较和分析。     

基于改进LS-SVM的随钻测量数据传输误码率预测

针对泥浆连续波随钻测量数据传输误码率预测精度低、数据传输过程中易受干扰信号影响等缺点,提出利用改进的最小二乘向量积(LS-SVM)对连续波数据传输误码率建立预测模型,并引用遗传算法对参数寻优,在建立模型过程中利用狄克逊准则对数据进行筛选,从而提高误码率预测的精度.在小样本数据的情况下,采用Matlab建立基于改进的最小二乘支持向量机泥浆连续波数据传输模型.仿真结果表明该模型能够有效地避免陷入局部最优问题,具有较强的泛化能力和预测能力.通过与误差反传前馈(Back propagation,BP)和Elman神经网络预测模型对比可知,该模型预测精度更高,预测值更接近于实际值,可以用于泥浆连续波数据传输误码率预测.     

基于LS-SVM的传感器智能校正及温度补偿

提出一种基于最小二乘支持向量机(LS-SVM)的传感器非线性校正及温度补偿的新方法,并给出了相应的过程和算法。在该方法中,LS-SVM被用作构建逆模型,并通过该模型映射传感器非线性特性,同时实现了传感器的温度补偿和非线性校正。通过实际电容式压力传感器校正的实验结果表明:所提模型建模速度比SVM模型高1~2个数量级,补偿误差仅为SVM模型的20%左右。因此,该学习速度快、补偿精度高、抗噪声干扰能力强,适合传感器温度补偿及校正。