网络控制系统中学习-预测环节的改进型BP算法

在网络控制系统中，控制指令或状态信息经常因为传输延时或故障而不能及时到达目的地。该文尝试在受控方增加一个基于BP算法的学习一预测环节，对缺失的控制指令进行精确预测，并用于系统控制，提高了系统的鲁棒性。针对普通BP算法训练速度慢的缺点，引入了趋势矫正系数，有效地提高了预测速度和精度。     

直流微电网分布式控制的时滞稳定化设计

直流微电网中,大部分控制器在设计时未考虑通信延时对系统性能的影响,这可能会导致控制器在实际应用中失效甚至影响系统的稳定性.本文基于一种分布式控制策略,建立了直流微电网系统的时滞模型,重点研究了通信延时对系统稳定性的影响.结合Razumikhin稳定性理论,提出了一种针对时变时滞系统的全时滞稳定性判据.为了更加适用于实际系统,在另一种全时滞稳定性判据的基础上,对系统时滞相关稳定性进行分析,得到保证系统稳定的延时上界,进而给出了一种确定控制参数范围的方法.与传统的将通信延时处理为一阶惯性环节的分析方法相比,基于时滞系统的分析方法更切合实际,为系统的稳定运行提供了一个更宽的时滞范围,提高了系统的可靠性.仿真和实验结果表明本文提出的控制参数设计方法能保证系统在最大延时下的稳定运行.     

网络控制系统补偿器设计及稳定性分析

为解决网络延时对网络化控制系统性能的影响, 从控制的角度提出基于系统模型的补偿器设计方案以解决网络延时问题. 通过对广义预测控制算法GPC状态空间形式的推导, 设计具有多步预测功能的网络控制器, 实现前向通道的延时补偿; 构造具有延时补偿功能的状态观测器以补偿反馈通道延时. 分析了使用上述延时补偿策略所构成的闭环网络控制系统的稳定性. 通过对不同网络延时补偿的仿真实验, 证实了该补偿算法能有效改善控制系统性能并保持系统的稳定.     

基于神经网络预测远程控制系统中信息延时的研究

针对基于互联网的远程控制系统中控制信息和反馈信息传递时的不确定延时的问题,提出了使用神经网络预测不确定性延时的方法,通过“先预测,后校正”的思想及误差修正的方法,来保证系统的稳定性,并且具有良好的动态特性。仿真研究表明,采用神经网络预测延时是有效的。     

基于延时预测的模型状态反馈网络控制方法

网络延时的存在不仅会使控制系统的动、静态性能变差,还可能会破坏系统的稳定性,造成既有控制方法的失效。针对带有随机延时的网络控制系统,提出了一种基于网络延时实时预测和系统状态逼近的控制方法。首先,建立无延时的理想控制系统模型作为标准控制系统模型;其次,应用基于隐马尔可夫模型(HMMs)的延时预测算法预测网络延时,该方法能够实时自适应学习,以适应网络负载情况的变化,得到更符合实际情况的延时预测值;最后,根据网络延时的预测值、实际网络控制系统与标准控制系统模型的状态之差,来调整控制信号,从而使实际网络控制系统的状态与标准控制系统模型接近、甚至相等,达到期望的控制效果。数字仿真结果表明,这一方法是可行的,能够获得更加快速的动态性能和稳定的静态性能。     

基于神经网络的废气浓度预测模型设计与实现

应用VisualBasic6.0开发基于BP神经网络的废气浓度预测系统,该系统稳定性好,使用灵活,能训练样本、预测数据以及绘制训练和预测结果图.系统基于BP算法预测因传感器故障的失真数据精度高,从而保证了废气测量结果的完整性和精确性.     

汽轮机调速系统抑制低频功率振荡的仿真研究

采用Matlab/Simulink软件建立机网耦合模型,调速系统模型参数采用建模试验实际辨识结果数据,仿真分析调速系统延迟环节、惯性环节、PID参数、控制器扫描周期对调速系统稳定性的影响。仿真结果表明,油动机环节延时时间降低调速系统稳定性的同时,功控回路PID参数过强将可能导致调速系统稳定性的进一步降低,并使振荡无法衰减或收敛。对功率信号进行适当的滤波处理,或适当增大调速系统控制处理周期可提高系统的稳定性。该文提出一种基于汽轮机组齿盘转速变化来识别的功率低频振荡判断逻辑,可在振荡初期用来自动将调速系统切至TF或阀控模式,并将一次调频回路退出,有利于尽快抑制或消除振荡。     

一种实时快速热力系统仿真方法的研究

在热力系统的仿真中,如何提高仿真计算速度并保证系统稳定性,成为提高仿真性能的一个重要环节。基于现有的研究基础上,该文通过详实的数学分析,提出了一种改进仿真性能的方法。通过对系统中最快响应环节的状态方程右函数变化趋势进行预测,在Euler法基础上将局部精度提高到二阶,从而使整个系统的仿真步长有效地增加并保证系统的稳定性。文中还通过一个典型示例进行了仿真验证。仿真结果表明该改进方法在保证系统稳定的前提下可以使仿真步长增大一倍以上。     

多窃听者场景下TASP/MRC系统的物理层安全性能分析

为评估信道预测发射天线选择(TASP)/接收最大比合并(MRC)联合收发分集无线通信系统在瑞利块衰落信道条件和多窃听者场景下的物理层安全性能,针对基于最小均方误差信道预测器的TASP/MRC无线通信系统,推导其非零安全容量概率、安全中断概率以及渐近安全中断概率的精确解析表达式。在此基础上,分析窃听者数目、归一化延时、收发天线数等参数对系统物理层安全性能的影响。数值计算与仿真结果表明,在TASP/MRC系统中,减小归一化延时及窃听者数量或增加合法接收端天线数能够提高物理层安全性能,在高信噪比情况下,物理层安全分集增益等于合法接收端天线数,而与窃听者数目及其收发天线数无关。     

μ分析在网络控制器设计中的应用

为了解决网络诱导延时对网络控制系统带来的不良影响,本将网络控制系统的延时环节转化为不确定块,利用鲁棒控制中μ分析的D-K迭代法设计出网络控制器该控制器可以在延时大于采样周期并且无需知道系统延时统计规律的基础上,保证系统在一定的延时范围内的稳定性和鲁棒性。     

基于确定学习的电力系统稳定性控制

传统自适应控制方法存在计算过于复杂、控制器奇异性的问题。为了解决这些问题,采用了一种简单的自适应控制方法,以保证电力系统中所有信号的有界性和有限时间内跟踪误差的收敛性。主要思想是将控制过程中的稳定闭环系统分解为一系列具有适当状态变换的线性时变扰动子系统,利用递归设计方法,建立了径向基函数神经网络的部分持续激励条件,保证了扰动子系统的指数稳定性。因此,在闭环信号循环轨道的局部区域内实现了闭环系统动力学的精确逼近,在闭环反馈控制过程中所学习的知识可以被重复利用,从而避免了在自适应控制过程中大量重复训练的过程。仿真结果表明了该方法的有效性。     

Adaptive NN control of uncertain nonlinear pure-feedback systems

This paper is concerned with the control of nonlinear pure-feedback systems with unknown nonlinear functions. This problem is considered difficult to be dealt with in the control literature, mainly because that the triangular structure of pure-feedback systems has no affine appearance of the variables to be used as virtual controls. To overcome this difficulty, implicit function theorem is firstly exploited to assert the existence of the continuous desired virtual controls. NN approximators are then used to approximate the continuous desired virtual controls and desired practical control. With mild assumptions on the partial derivatives of the unknown functions, the developed adaptive NN control schemes achieve semi-global uniform ultimate boundedness of all the signals in the closed-loop. The control performance of the closed-loop system is guaranteed by suitably choosing the design parameters.     

含未知信息的轮式移动机器人编队确定学习控制

本文研究含未知信息的轮式移动机器人(wheeled mobile robots,WMR)的编队控制问题.首先,基于领航–跟随法和虚拟结构法,将WMR编队控制问题转化为跟随机器人对参考虚拟机器人的跟踪控制问题.然后,利用径向基函数神经网络(radial basis function neural networks,RBF NN)对WMR的未知系统动态进行学习,以及根据李雅普诺夫稳定性理论设计了稳定的自适应RBF NN控制器和RBF NN权值估计的学习率.依据确定学习理论,闭环系统内部信号在对回归轨迹实现跟踪控制的过程中满足部分持续激励(persistent excitation,PE)条件.随着PE条件的满足,RBF NN权值估计收敛到其理想权值,实现了对未知闭环系统动态的准确学习.最后,利用学习结果设计了RBF NN学习控制器,保证了控制系统的稳定与收敛,实现了闭环稳定性和改进了控制性能,并通过仿真验证了所提控制方法的正确性和有效性.     

非线性关联系统自适应神经网络输出反馈分散控制

针对一类带有完全未知关联项的非线性大系统,提出一种自适应神经网络输出反馈分散控制方法.采用神经网络逼近未知的关联项,因此对关联项常做的假设如匹配条件,被上界函数所界定等不再要求.在神经元输入中采用参考信号取代关联信号,从而成功地避免了对关联信号的微分.保证了闭环系统所有信号半全局一致最终有界,证明了跟踪误差收敛于一个包含原点的小残集.     

An algorithm for non-linear space—Time nuclear reactor control

A novel multivariable control algorithm for non-linear space-time nuclear reactor dynamics is proposed in this paper. The multivariable control algorithm is based on a mathematical model of the nuclear reactor which includes: a single energy group of neutrons, delayed neutron precursors, iodine, xenon and thermal-hydraulic feedback. The multivariable control algorithm is composed of non-linear time-varying feedforward and feedback control signals, a reference model of the nuclear reactor and a dynamic observer. The non-linear proportional plus integral feedback controller forces the nuclear reactor to follow the response of the reference model. The dynamic observer estimates the unmeasurable state variables. The feedforward and feedback control signals are determined in a novel approach by specifying the form of the closed-loop response of the neutron density variables. By virtue of the multivariable control algorithm the closed-loop differential equations are linear and time-varying. A linear stability analysis for base-load and load-cycle operation indicates that the closed-loop system is stable provided that the thermal-hydraulic subsystem is inherently stable. The simulated dynamic response indicates that the multivariable control algorithm provides excellent response characteristics.     

神经网络预测远程控制系统中信息延时的研究

针对网络控制系统中前向通道和反馈通道同时存在随机延迟及延时不确定的问题,通过实例分析了随机延时对闭环控制系统影响的根源,提出了通过基于神经网络的预测控制方法解决存在网络随机延时的控制系统闭环控制的可行性。仿真结果表明该方法能够反映并预测该测量数据所代表的网络路径之间的时延特性,并能在基于Internet的闭环控制系统的设计中有效地替代实际网络进行研究;而所用的方法具有快速、准确的特点,能用于在线学习网络模型并对网络的时延值进行预测,为基于Internet的远程闭环控制提供了新的思路。     

一类非线性不确定系统的自适应鲁棒控制

将一类结构和参数均未知且存在外界干扰的非线性系统,等价为具有线性结构的时变系统,在此基础上设计了自适应鲁棒控制器,包括自适应模型补偿、反馈稳定控制和鲁棒反馈控制3部分,实现闭环控制系统信号有界且跟踪误差在期望的精度范围内.理论分析和仿真结果均验证了算法的有效性.     

Modelling and control for a class of axially moving nonuniform system

In this paper, we deal with the active control problem for a class of axially moving system. The system is nonuniform due to the spatial-varying mass and spatiotemporally varying tension. The infinite dimensional model of the nonuniform system represented by the hybrid partial-ordinary differential equations is derived with consideration of the spatiotemporally varying distributed disturbance. To suppress the vibration of the nonuniform system, full state feedback boundary control is developed. For the case that the system states cannot be measured, output feedback boundary control is proposed by using the high-order observers for the estimation of the unmeasurable states. The disturbance observer is introduced to mitigate the effects of the boundary disturbance. With the proposed boundary control, the stability of the closed-loop nonuniform system is achieved through rigorous analysis and the uniform boundedness of the all closed-loop signals is guaranteed. Numerical simulations are performed to validate the performance of the control scheme proposed.     

气动式可靠性强化振动台单锤控制系统研究

研究了一气动式振动台单锤开环控制系统,为实现单锤以及多锤闭环控制系统奠定了一定的基础,对我国开展气动式振动台的研发具有一定的参考价值。     

一类不确定非线性系统的鲁棒自适应轨迹线性化控制

针对一类不确定非线性系统,研究了一种新的鲁棒自适应轨迹线性化控制方案.利用径向基神经网络的在线逼近能力以及被控对象分析模型的有用信息设计一种径向基神经网络干扰观测器来估计系统中存在的不确定性.观测器输出用于设计补偿控制律抵消不确定性对系统性能的影响,鲁棒自适应控制律用于克服逼近误差.采用Lyapunov方法严格证明了在自适应调节律作用下闭环系统所有误差信号最终有界.最后利用倒立摆系统验证了新方法的有效性.