工业锅炉燃烧系统的自适应控制

工业锅炉因其纯滞后与惯性大，噪声与扰动大，且具有慢性变性等特点，自控系统难以投入，运行效率低，燃烧污染大。提出了修正加权广义最小方差预报自校正控制方案，仿真表明具有较好的启动，克服噪声与参数变化的特性。     

超声波电机广义最小方差迭代学习转速控制

为减小时变扰动对迭代学习控制性能的影响，将迭代学习控制与广义最小方差自校正控制相结合，给出一种包含预测与闭环控制机制的迭代学习控制策略。通过设计2D目标函数和相应的迭代控制律，利用广义最小方差自校正方法来设计更新律，得到广义最小方差迭代学习控制律，使其同时具有沿迭代轴的学习收敛性和沿时间轴的控制稳定性。仿真和实验表明，所提控制策略有效，控制效果良好，对负载突变等非重复性扰动的适应能力增强。     

一种改进的时滞系统控制器的设计

在考虑系统时滞特性的情况下,提出了适合一类时滞系统的广义最小方差极点配置自校正控制器,并对控制器算法进行了简化,使该控制器简单易行,适应性强,仿真结果表明它的有效性。     

极点配置广义最小方差控制器

本文对多变量系统给出了一种具有极点配置的广义最小方差控制器。它能够消除稳态偏差且有扰可测干扰能力，可在线亦可离线配置闭环极点，可用于非最小相位系统的控制。     

极点配置广义最小方差控制器

本文对多变量系统给出了一种具有极点配置的广义最小方差控制器。它能够消除稳态偏差且有扰可测干扰能力，可在线亦可离线配置闭环极点，可用于非最小相位系统的控制。     

计算机群控电加热炉多变量自校正调节器

本文讨论了计算机(?)控多台双输入双输出电加热炉恒温过程的多变量自校正调节器。首先讨论了多变量系统最小方差控制律和自校正调节时多变量系统参数在线估计的的递推算法,然后离线建立电加热炉的数学模型.运用上述算法计算了最小方差控制律,仿真结果示明了该算法参数的收敛性。自校正调节器实时群控结果表明;自校正调节器具有较高的适应能力,它能跟踪参数的变化,实际控温效果优于 PID 调节器和LQG 控制器,具有较高的控制精度。本多变量自校正调节器采用国产 JS-10A 小型机。     

一种多变量广义最小方差和零极点配置控制器

本文给出了一种基于广义最小方差的多变量自校正控制器.研究了闭环系统的稳定性.对两种控制器提出了简易的零极点配置方法.     

同步发电机组交迭分解分散自适应控制

本文对D.W.Clarke等人提出的广义最小方差自校正控制器进行了改进,即在二次性能指标中加入输出量的微分环节。在此基础上,提出一种设计自校正稳定器的新方法。此法计算量小,减振作用明显,满足控制励磁和调速系统的要求。借助于交迭分解分散控制理论。对一单机无穷大系统,设计了励磁和调速系统的分散自校正控制器,参数辨识技术仍采用递推最小二乘法(RLS),系统模型采用三阶线性离散模型。大量的仿真结果表明:较之常规AVR及PSS,新设计的控制器具有很强的减振作用。控制效果十分明显。     

自校正控制器在冷连轧机张力控制系统中的应用

在四机架冷连轧机张力控制系统中,由于对象参数的时变性,采用仅对被控对象参数辨识,驱动系统用状态反馈,控制器按最小方差自校正控制设计,取得良好的控制效果。这种控制策略,对灰箱系统控制有指导意义。     

液压系统中压力的自适应控制

针对液压伺服系统固有的特性和液压控制中存在的问题,提出了一种具有极点配置的广义自校正压力控制方法。它建立了液压伺服控制系统的CARMA模型,给出了模型参数的在线辨识方法和控制系统的极点配置方法。这种自适应控制方法有效地克服了系统时变及干扰对控制性能的影响,致使液压控制系统的动态性能及鲁棒性明显优于PID控制。     

基于自校正技术的开关磁阻直线电动机的位置控制

该文提出一种考虑外扰动和饱和特性的开关磁阻直线电动机的自校正位置控制方法,利用自校正方法的参数自调整特点,克服因制造精度、饱和以及外扰动造成的模型不确定所带来的控制精度损失。该文中开关磁阻直线电动机采用单入单出的离散模型描述,利用回归最小二乘法估计参数,并应用极点配置自校正算法进行过程控制。仿真和试验结果证明该方法在参数估计、位置跟踪响应速度和在扰动下的鲁棒性等均有很好的效果。     

水轮发电机组的一种自适应调速方法

根据水轮发电机组的固有特性和调速过程控制中存在的问题,提出了一种具有极点配置的广义自校正调速方法。其中包括建立了水轮发电机组的可控自回归滑动平均（ＣＡＲＭＡ）模型,给出了模型参数的在线辨识方法和控制系统的极点配置方法。这种自适应调速方法能够有效地克服系统时变、非线性及干扰对控制性能的影响,仿真研究表明在这种控制方法作用下,水轮发电机组调速系统的动态性能及鲁棒性都得到明显地改善。     

基于改进遗传算法的直流锅炉主蒸汽温度自校正控制

针对变负荷下的超(超)临界机组主蒸汽温度控制问题,提出了一种基于改进遗传算法(GA)的自校正控制策略.采用GA辨识被控对象模型参数,并对种群初始化方法和遗传算子部分结构进行了改进;采用最小方差率构造控制器,并结合GA设计了自校正控制的运算流程.对某超临界直流锅炉主蒸汽温度控制的仿真结果表明,所提自校正控制方法具有更快的响应速度和更强的抗干扰能力,能够满足变负荷下的主蒸汽温度控制需求.     

广义系统多传感器信息融合Kalman状态预报器

研究了广义离散随机线性系统的多传感器信息融合状态估计问题。依据Kalman滤波理论,在线性最小方差信息融合准则下,推导出广义系统分别按矩阵、对角阵和标量加权的三种多传感器信息融合Kalman预报器,并给出了两个广义子系统之间的预报误差互协方差阵的计算公式。仿真说明,融合后的Kalman预报器的精确度高于每一个子系统;按标量加权信息融合Kalman预报器与按矩阵加权和对角阵加权信息融合Kalman预报器相比,虽然精确度有所降低,但损失不明显,并可减少计算负担,便于实时应用。     

一种基于δ算子的SVC自校正控制器

文章利用自校正控制理论设计了一种基于δ算子的ＳＶＣ滑动极点配置自校正控制器。在普通带变化遗忘因子的辨识算法中,采用给被辨识参数规定活动上下限及当出现大干扰时停止辨识等措施,提高了辨识能力。滑动极点配置方案具有适应能力强的特点,对输电线上装设ＳＶＣ的单机无究大系统进行了数字仿真。仿真结果表明：在不同工作点,相对于传统的ＰＩ控制,该控制器均能更好地平息系统振荡,具有更好的动态性能及适应能力。     

电动负载模拟系统的复合控制器设计

针对电动负载模拟系统中存在的时变参数问题,同时为了抑制多余力矩,提出了基于极点配置自校正控制与前馈补偿控制起相结合的复合控制方法。利用自调整遗忘因子递推最小二乘法在线辨识系统时变参数,结合系统的性能指标,设计了极点配置自校正控制器;采用舵机输入指令的前馈补偿,抑制了系统的多余力矩。仿真实验结果表明,该复合控制器可以有效地提高加载系统的动态响应性能,抑制多余力矩,使系统具有较强的鲁棒性。     

基于在线辨识的超声波电动机极点配置自校正转速控制

超声波电动机具有显著的时变非线性,采用自适应控制策略进行转速控制,根据电机特性的变化实时校正控制器参数,能够获得更为理想的控制效果。给出极点配置自校正控制策略,通过在线辨识获取电机系统模型参数的变化情况,据此校正控制器参数,实现了具有较高性能的行波超声波电动机转速闭环控制系统。     

考虑离散马尔可夫模型的多工况电力系统自适应控制策略

针对连锁故障导致电力系统运行工况变化较大的问题,提出一种考虑离散马尔可夫模型(Markov)的多工况电力系统自适应控制策略。首先,建立考虑电力系统多工况因素的离散Markov系统模型,构造含该模型的Lyapunov泛函,并利用迭代法推导满足干扰衰减度的鲁棒随机稳定判据。在此基础上,利用Schur补引理,获取满足H?范数界的线性矩阵不等式(linear matrix inequality,LMI),并结合系统各子工况最小方差约束,设计满足最小方差约束的鲁棒随机稳定控制器。然后,利用线性目标函数的最小化问题求解各子工况匹配控制器,利用随机梯度在线辨识方法确定子工况对应加权系数,实现自适应加权控制。时域仿真结果表明该策略具有良好的控制效果,有效解决了固定故障集无法与当前工况合理匹配的难题。     

一种新型的广义极点配置自校正预报控制器

本文提出一种新型的广义极点配置自校正预报控制算法。通过引入双恒等变换，推导出系统和辅助系统的自校正预报模型。它可对极点进行配置，采用独立的控制算法；通过辅助估计器以避免在解Ｄｉｏｐｈａｎｔｉｎｅ方程时可能遇到的“病态”问题。仿真表明，由该算法构成的控制系统具有良好的动态响应和较强的鲁棒性。     

一种基于神经网络的电力负荷预测方法

提出一种基于人工神经网络的电力负荷预测方法，该方法充分吸收了神经网络非线性逼近能力的优点。在神经网络结构设计中充分考虑了电力负荷的特点，并用神经网络加权最小方差模型(NNWLS)对样本进行训练。在实际预测中，该预测方法取得了比较高的的预测精度。