基于神经网络逆系统的发酵过程多变量解耦控制

发酵过程是时变、非线性、不确定的多变量耦合系统，高性能的解耦控制一直是追求的目标。将逆系统方法与神经网络相结合，提出了一种基于神经网络逆系统的发酵过程解耦控制方法。根据发酵过程的特点，给出了相应的数学模型，并证明了系统的可逆性，进一步构造神经网络逆系统并与发酵系统串联复合成伪线性系统，再设计线性闭环调节器实现高性能解耦控制。仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性，克服了解析逆系统解耦控制方案依赖于过程模型和对模型参数的变化很敏感的缺点。     

平衡重式叉车底盘神经网络逆系统解耦控制

针对平衡重式叉车底盘各子系统间的干涉和耦合特性,利用非线性系统的神经网络逆系统方法进行叉车主动后轮转向(ARS)与直接横摆力矩控制(DYC)的解耦控制.在分析底盘系统可逆性的基础上,确定解耦变量配对关系,建立BP(Back Propagation)神经网络逆系统模型并串联到原底盘系统前,使叉车底盘系统解耦成两个独立的伪线性系统;设计PD(Proportion Differentiation)闭环控制器并与神经网络逆系统组成复合控制器,并进行仿真验证.仿真结果表明:神经网络逆系统解耦控制策略能够消除底盘各子系统间的干涉和耦合,提升叉车的状态跟踪和操纵稳定性.     

两电机同步系统支持向量机广义逆控制

针对非线性强耦合的两电机同步系统,采用支持向量机广义逆与PID相结合的控制方案。首先由支持向量机逼近原系统的广义逆模型,然后与原系统相连接,从而构成复合伪线性系统,使系统解耦线性化。最后引入PID控制来去除建模及动态误差。仿真结果证明,该方法动静态解耦性能优良,同步性及鲁棒稳定性较强。     

两电机变频系统神经网络逆PID的控制

由于两电机变频系统非线性强耦合性,先搭建由神经网络辨识原系统的广义逆模型,再与原系统串联,从而构成复合伪线性系统,使系统解耦线性化。然后引入PID控制以提高系统的鲁棒稳定性。实验结果表明,此方法不仅较好地实现了系统的解耦,而且鲁棒稳定性较强。     

平衡重式叉车底盘小波网络动态逆内模控制

提出一种基于小波网络动态逆内模控制方法的平衡重式叉车底盘集成控制策略,实现对叉车主动后轮转向(Active rear wheel steering,ARS)与直接横摆力矩控制(Direct yaw-moment control,DYC)的解耦控制,以消除叉车底盘各子系统间的耦合作用。在分析叉车底盘集成系统可逆性的基础上,确定解耦输入输出变量的匹配关系,建立小波网络动态逆模型并与原叉车底盘系统串联,将叉车底盘系统解耦为输入输出一一对应的两个独立的伪线性系统,实现了叉车底盘系统各控制回路之间的解耦;设计内模控制器对伪线性系统进行内模控制改善系统的响应品质,并进行仿真分析与基于Lab VIEW PXI和ve DYNA的驾驶员在环试验验证。结果表明,基于小波网络动态逆内模控制方法的平衡重式叉车底盘集成控制策略能够消除ARS与DYC之间的干涉和耦合,提升叉车的状态跟踪和操纵稳定性。     

交流异步电动机定子磁链与转矩的逆解耦问题研究

对于具有多变量、非线性、强耦合特征的异步电动机调速系统,实现定子磁链与电磁转矩的动态解耦控制是提高系统性能的关键。从异步电动机的5阶模型及其固有的电磁特性出发,证明了其系数矩阵的非奇异性,进而结合逆系统理论证明了定子磁链与电磁转矩的逆解耦在任何状态下都是存在的。在此基础上设计了一种通过非线性状态反馈的逆解耦控制方案,将复杂系统解耦成电磁转矩与定子磁链的两个独立线性回路,然后利用线性系统理论分别对转矩与磁链调节器进行综合设计。     

无轴承永磁同步电机的神经网络逆控制

无轴承永磁同步电机是一个强耦合的非线性复杂系统,实现无轴承永磁同步电机的线性化解耦控制,是无轴承永磁同步电机稳定运行和走向实用化的关键。将神经网络具有的特点（对非线性系统的逼近能力以及对系统参数变化的适应能力）与逆系统方法的特点（解耦线性化）相结合,提出了基于神经网络的无轴承永磁同步电机逆系统解耦控制方法。通过用静态神经网络加积分器来构造无轴承永磁同步电机的逆系统,将无轴承永磁同步电机动态解耦成位移子系统和转速子系统分别设计调节器进行控制,然后运用线性系统理论进行综合。仿真及实验结果表明,系统具有良好的鲁棒性和动静态解耦性能。     

基于最小二乘支持向量机逆系统方法应用研究

针对流浆箱的内部机理模型,提出了一种基于最小二乘支持向量机逆系统的解耦控制方法。利用最小二乘支持向量机辨识得到流浆箱系统的逆模型,并采用逆系统思想,将流浆箱非线性系统解耦成多个相互独立的单入单出伪线性子系统。采用MATLAB对该解耦控制方法的有效性进行仿真验证,结果表明,该控制方法抗干扰性强,结构简单,工程上易于实现。     

基于逆系统方法的起重机网络远程控制策略

以起重机为网络远程控制对象,基于逆系统方法设计了起重机速度和磁通的解耦伪线性系统;并对此伪线性系统引入了线性反馈.针对网络控制系统中存在的网络诱导时延问题,建立了基于网络的起重机闭环系统模型,并以此为基础设计了速度和磁通的滑模控制器.利用Lyapunov定理证明,设计的控制器能够使系统状态收敛于滑模面,并能够保证闭环网络控制?破 系统全局稳定,仿真结果验证了该控制策略的有效性.     

基于α阶逆系统的两自由度主被动磁悬浮转子解耦控制

针对主被动磁悬浮控制力矩陀螺(CMG)磁轴承两径向平动自由度之间存在较强耦合的问题,提出采用α阶逆系统方法对主被动磁轴承系统进行解耦控制。首先,根据主被动磁轴承的结构特点,建立了主被动磁悬浮转子径向通道平动力模型以及动力学模型;利用上述模型分析了两径向自由度之间的耦合特性,并对系统进行可逆性分析,得到了原磁轴承系统的α阶逆系统模型。然后,将原系统与α阶逆系统组合得到二阶积分线性系统,利用最优控制器实现闭环控制。最后,对本文方法进行了仿真及实验。结果表明,当x向有40μm位移阶跃和18μm幅值的正弦干扰时,利用本文方法可将y向位移跳动控制在PID控制方法的13.6%和17.9%,实现了主被动磁悬浮转子两径向平动通道之间的解耦控制。     

稳定平台的自适应逆控制

稳定平台严格来说是一个复杂的非线性的控制系统,常规的PID控制很难满足其高精度、快响应的特点。本文采用模型参考自适应逆作为控制器来完成稳定平台转轴的控制,尝试利用其开环特性来改进稳定平台的控制性能。稳定平台模型辨识和控制器的设计算法上都采用最小二乘法（LMS）,仿真结果表明采用自适应逆控制的稳定平台具有响应快、无超调、抗干扰能力强以及稳态误差小等优点,其动、静态性能均优于常规的PID控制     

一种基于逆模糊模型的自适应逆控制方法

利用模糊逆建模方法,结合自适应逆控制思想,提出了一种基于模糊逆模型的自适应逆控制方法。首先利用模糊系统理论对未知非线性对象进行离线逆建模,得到模糊逆模型;然后将对象与初始逆模型进行串联,利用LMS算法在线调节逆模型,同时将其进行数字复制作为系统控制器,与对象进行串联。该方法可用较少的模糊规则数达到很好的跟踪控制效果,将该方法用于一混合非线性系统及球形液位控制中,仿真结果验证了该方法的有效性与实用性。     

自适应光学系统中倾斜镜的自适应逆控制

为了克服自适应光学系统中倾斜镜的迟滞响应,提高响应的线性度,改善倾斜镜的控制精度,研究了倾斜镜的迟滞非线性效应。提出了一个基于频率相关的Mutified-Prandtl-Ishlinskii(MPI)模型的补偿方法来在线自适应逆补偿倾斜镜的迟滞非线性。结合反馈PID控制构成了自适应逆前馈复合控制方案,其中自适应逆前馈克服了由于频率等因素引起的迟滞曲线变化,反馈PID则改善了整体的控制性能。建立了倾斜镜二阶系统模型来估计倾斜镜系统的输出,解决了MPI模型参考信号的问题,避免了增加额外前馈传感器,保证了光能量的利用率。实验结果表明,倾斜镜系统15 Hz非线性迟滞率由原来的24.28%降为1.17%,线性度提高了约95%,控制精度较传统PID方法提高了约60%。该方法能够有效补偿倾斜镜的迟滞非线性,提高了自适应光学系统中倾斜镜的校正精度。     

压电陶瓷执行器的神经网络实时自适应逆控制

目的：为了提高压电陶瓷执行器执行精度,提出消除压电陶瓷的非线性、非光滑的迟滞特性的方法。 方法：提出了基于内积的压电陶瓷动态神经网络非线性、非光滑的迟滞逆模型,采用反馈误差学习方法,避免了求取压电陶瓷的Jacobian信息,快速地在线得到压电陶瓷的逆模型,并结合PID反馈控制,在dSPACE系统平台上,实现压电陶瓷的神经网络自适应逆控制,为了提高实时性,程序采用效率高、速度快的C-MEX S Function编程。结果：实验结果表明：神经网络自适应逆控制的控制精度为：0.13μm,而PID控制精度为：0.32μm 。结论：所提出方法有效地消除了迟滞的影响,控制精度高。     

电液伺服系统的非线性控制

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,首先讨论了系统的非线性数学模型,利用逆系统解耦控制方法,将非线性系统转化成伪线性系统,进行线性控制;在此基础上,提出了一种模糊PID自适应非线性控制设计方案,与逆系统控制方法进行了仿真比较;结果表明,采用模糊PID控制,在系统参数变化、外界扰动的影响下,具有较好的自适应性和动态鲁棒性能。     

压电复合材料结构模糊自适应前馈振动控制

针对压电复合材料结构前馈主动控制中存在的某些非线性问题 ,本文提出一种模糊自适应前馈主动控制方法 ,解决一类参考信号与外扰呈非线性函数关系的主动控制问题。数值仿真结果表明 ,该非线性模糊自适应控制方法优于线性滤波 - x L MS方法的控制效果     

超磁致伸缩致动器的小脑神经网络前馈逆补偿-模糊PID控制

针对超磁致伸缩致动器(GMA)在精密致动控制中存在的迟滞和位移非线性,提出了小脑神经网络(CMAC)前馈逆补偿结合模糊PID控制的新策略。通过小脑神经网络(CMAC)学习获得超磁致伸缩致动器动态逆模型用于对超磁致伸缩致动器迟滞非线性进行补偿;利用模糊PID控制降低小脑神经网络(CMAC)学习时的误差和抑制扰动,提高系统的跟踪控制性能,从而实现超磁致伸缩致动器的精密致动控制。仿真和实验结果表明:所采用的控制策略有效地消除了迟滞非线性的影响,系统的跟踪误差降低到了5%以下,而位移跟踪误差均方差仅为0.58。此外,这种策略的特点是学习和控制同时进行,控制系统能够适应被控对象动态特性的变化,使系统具有较强的鲁棒性,同时也能够有效地抑制外界的干扰,提升系统的自适应控制性能。     

Second order inverse response process identification from transient step response

Simple algorithms for identification of inverse response models from step response are difficult to obtain because analytically the solution of a system of coupled nonlinear equations is required. In this article we propose a simple identification procedure for second order inverse response processes, based on the plant step response. The algorithm provides the model parameters in a sequential way, thus avoiding the solution of a nonlinear equation system. Moreover the algorithm is flexible because it can be suited to user requirements, thus modifying the algorithm performance. Finally error bounds on the identified parameters are provided which are useful if the model is used for control design purposes.     

Optimum path-tracking control for inverse problem of vehicle handling dynamics

A method based on optimal control theory is presented in this paper to solve path-tracking problems in inverse vehicle handling dynamics. The idea behind is to identify the optimal steering torque input along a prescribed path to generate an expected trajectory that guarantees minimum clearance. Based on this purpose, the path-tracking problem, treated as an optimal control problem, is first converted into a nonlinear programming problem by Gauss pseudospectral method (GPM) and is then solved with Sequential quadratic programming (SQP). Finally, a real vehicle test is executed to verify the rationality of the proposed model and methodology. Results show that the minimum lateral position error of the generated path-tracking trajectory can be a good solution for path-tracking problem in inverse vehicle handling dynamics for GPM. The algorithm has higher calculation accuracy compared with other methods to solve path-tracking problems. The study could help drivers identify safe lane-keeping trajectories and areas easily.     

无轴承异步电机的非线性动态解耦控制

针对无轴承异步电机多变量、非线性、强耦合的特点,提出一种基于支持向量机α阶逆系统理论的非线性动态解耦控制策略。将通过支持向量机回归方法辨识出的无轴承异步电机逆系统串接在原系统之前,构成伪线性复合系统,实现整个系统的线性化。最后根据线性系统理论进行了系统综合。仿真和实验研究表明,支持向量机α阶逆系统方法能够实现无轴承异步电机悬浮力和旋转力之间的动态解耦,控制系统具有良好的动静态性能。