基于等价输入干扰滑模观测器的磁悬浮球系统模型预测控制

本文针对系统不确定性和外部干扰引起的磁悬浮球系统控制性能下降的问题,提出了一种基于等价输入干扰滑模观测器的模型预测控制(MPC+EIDSMO)方法.首先将原系统转化为EID系统,采用等价输入干扰滑模观测器对EID系统状态变量及等价输入干扰进行估计;然后基于状态估计值设计模型预测控制器,并将等价输入干扰估计值以前馈的方式...     

重复控制系统中非周期扰动的抑制

为了改善重复控制系统中的扰动抑制性能,提出一种基于曲率模型的扰动估计新方法.该方法的主要特点是扰动的估计值直接与重复控制规则结合也不影响重复控制系统的稳定性.仿真结果显示该方法可以有效地抑制扰动.     

基于干扰补偿趋近律的离散滑模多周期重复控制

针对离散时间系统的多周期干扰抑制问题,提出一种离散滑模多周期重复控制器设计方法.利用非线性幂次函数设计新型离散趋近律,将周期差分等效干扰以加权形式嵌入到趋近律中,构造带干扰补偿作用的离散趋近律,并据此设计离散滑模多周期重复控制器.为了进行控制器参数整定和表征闭环系统的收敛性能,推导准滑模域边界层的表达式.所提出控制方法既能够消除多周期干扰信号,也能够减小准滑模域边界层.数值仿真验证了所提出控制方法的有效性.     

基于粒子群优化算法的PID控制器参数整定

PID控制器的性能完全依赖于其参数的整定和优化,但参数的整定及在线自适应调整对常规的PID控制器是难以解决的问题。根据粒子群算法具有对整个参数空间进行高效并行搜索的特点,提出了一种基于粒子群优化算法整定PID控制器参数的设计方法,并定义了一种新的性能指标函数来评价PID控制器的性能。现以二阶的船舶控制装置为研究对象,运用粒子群优化方法对PID控制器参数进行了寻优研究。仿真结果表明,该方法比一般PID参数整定方法具有更好的控制性能指标,有着一定的工程应用价值。     

具有未知输入干扰的补偿控制

针对系统存在干扰波形已知但干扰幅值未知或幅值无界的一类外界干扰,提出了一种实现干扰补偿的控制策略,并给出了具体的设计过程。通过对原系统构造一个新的系统输出并为其设计状态观测器,进而实现对状态和干扰的同时估计。此外,并将干扰的估计信息引入到控制律当中,从而实现系统对外界干扰的补偿控制,保证系统状态有界。仿真结果验证了这一控制方法的有效性。     

群智能算法在螺旋桨参数优化设计中的应用

螺旋桨参数优化设计一般是复杂的非线性问题,设计的难点在于如何在各种非线性约束条件下找到一组适当的参数,使得螺旋桨性能最佳。群智能算法作为一种新兴演化计算技术,能有效解决全局优化问题,是优化算法研究的新热点。首先介绍了粒子群算法和蜂群算法两种群智能算法的工作原理;然后在建立螺旋桨参数优化数学模型的基础上,将群智能算法运用到螺旋桨初步和终结设计优化问题中,并通过实例进行对比分析,结果表明群智能算法解决螺旋桨参数优化问题是实用且高效的。     

基于PSO的电容生产工序参数优化

粒子群优化算法是一种基于群智能理论的仿生全局优化方法。该文在对粒子群算法进行研究的基础上,将其应用于解决流程型生产企业的生产过程工艺参数优化。在建立实际生产线模型的基础上,提出了多目标优化策略。仿真结果表明利润、均衡度和库存费均达到一个满意的结果。     

带扰动补偿的无抖振离散重复控制器设计

针对周期离散系统的跟踪控制问题,提出一种有限时间单调收敛的无抖振吸引律,讨论扰动补偿措施并将其嵌入吸引律形成理想误差动态用于设计离散重复控制器.通过分析补偿误差上界说明扰动补偿措施能抑制重复控制未能消除的扰动,通过推导控制器稳态误差带说明吸引律的收敛性可使系统具有鲁棒稳定性.针对伺服电机系统的仿真与实验验证了设计工作的有效性.     

基于改进粒子群算法的PID参数优化方法研究

针对标准粒子群算法的一些缺点进行了改进，提出了MWPSO优化算法，即Multi-Weight PSO。将MWPSO优化算法用几个标准测试函数进行测试，结果表明该算法优化结果的指标参数比标准PSO算法有所提高。在此基础上，用MWPSO优化算法对PID控制中的参数进行优化并将结果与遗传算法的结果进行比较，优化结果在保证PID控制稳定性基础上提高了PID控制的精度，且编码简单、易于实现。具有较好的应用前景。     

基于降阶扩张状态观测器的重复控制系统设计

针对一类含有非匹配状态相关不确定性和外界干扰的伺服系统,提出一种基于降阶扩张状态观测器的重复控制方法,通过对不确定性和扰动进行实时估计和主动补偿,实现对周期性参考输入信号的高精度跟踪.首先,利用系统可测输出和控制输入信号设计降阶扩张状态观测器,对系统的不可测状态以及包含不确定性和外界干扰的总扰动进行估计;其次,通过选择...     

Compensation for state‐dependent nonlinearity in a modified repetitive control system

This paper presents an estimation and compensation of state‐dependent nonlinearity for a modified repetitive control system. It is based on the equivalent‐input‐disturbance (EID) approach. The nonlinearity is estimated by an EID estimator and compensated by incorporation of the estimate into the repetitive control input. A two‐dimensional model of the EID‐based modified repetitive control system is established that enables the preferential adjustment of control and learning actions by means of 2 tuning parameters. The singular‐value‐decomposition technique and Lyapunov stability theory are used to derive a linear‐matrix‐inequality–based asymptotic stability condition. Exploiting the stability condition and an overall performance evaluation index, a design algorithm is developed. Simulation results for the tracking control of a chuck‐workpiece system show that the method not only compensates state‐dependent nonlinearity but also improves the tracking performance for the periodic reference input, thereby demonstrating the validity of the method.     

Robust disturbance rejection in modified repetitive control system

This study concerns disturbance rejection for a modified repetitive control system (MRCS) that contains a strictly proper plant with time-varying uncertainties. Since an MRCS is affected by both periodic and aperiodic disturbances, and since the disturbances are often unknown, an equivalent-input-disturbance (EID)-based estimator was added to an MRCS to yield an EID-based MRCS that compensates for all types of disturbances. In this system, the repetitive controller ensures tracking of a periodic reference input, and the incorporation of an EID estimate into the control input enables rejection of unknown periodic and aperiodic disturbances. A robust stability condition for the MRCS was established in the form of a linear matrix inequality, and the condition was used to design the parameters of the controller. This design method handles uncertainties and enables the preferential adjustment of the tracking and control performance of the MRCS. Simulation results demonstrate the validity of the method.     

基于均匀设计的支持向量机参数优化方法

在实际应用中,支持向量机的性能依赖于参数的选择。针对支持向量机的参数选择问题进行了研究和分析,提出了基于均匀设计的支持向量机参数优化方法。与基于网格搜索、粒子群算法、遗传算法等支持向量机参数优化方法进行了比较与分析,采用多个不同规模的标准的分类数据集进行测试,比较了四种方法的分类正确率和运行时间。仿真实验表明,四种方法都能找到最优参数,使支持向量机的分类正确率接近或超过分类数据集的理论精度,本文方法具有寻参时间短的特点。     

基于扰动补偿趋近律的准滑模控制

针对不确定离散时间系统,提出了一种基于扰动补偿趋近律的准滑模控制方法.该方法不仅能够加快系统趋近模态的趋近速度,缩短到达时间,而且能够缩窄系统的准滑动模态带宽,增强系统鲁棒性,有效改善系统动态品质,并无控制抖振和稳态抖振产生.仿真结果表明了该方法的有效性.     

基于粒子群算法的跳频信号参数估计*

针对基于时频分布的参数估计存在信噪比阈值和低信噪比下方差大的问题,提出了一种基于多峰优化粒子群算法的跳频信号参数估计新算法。该算法首先将跳频信号分解为时频原子的线性组合,然后由匹配原子获取跳频信号的参数估计。仿真结果表明,基于改进的物种形成粒子群算法能够搜索到与跳频信号分量相匹配的原子,与平滑伪魏格纳分布相比,提出的参数估计算法在低信噪比下具有较小的估计方差,更加适宜于电子战的实际应用。     

基于粒子群算法的Logistic回归模型参数估计

针对Logistic回归模型中的参数估计计算复杂难题,提出一种基于粒子群优化算法（PSO）的估计方法。以最大似然准则作为粒子群优化算法的适应度函数,建立了Logistic回归模型中的参数估算模型。数值仿真分析表明,粒子群优化算法可以更精确地计算出相关参数。     

带扰动因子的布尔型粒子群优化算法

对二进制布尔型粒子群优化算法提出改进,通过在其速度更新公式中引入扰动因子避免粒子过早的陷入局部极值,提出两种调整惯性权重和学习因子取1的概率的策略以平衡算法的收敛和发散,分别是按照粒子相似性自适应调整和线性调整,由此得到两种带扰动因子的布尔型粒子群优化算法。4个基准测试函数的对比,实验结果表明了两种改进算法的有效性和优良性能。     

基于改进粒子群算法的四旋翼自抗扰控制器优化设计

针对四旋翼飞行器自抗扰控制器参数较多,人工整定困难且难以得到最优控制效果的问题,提出一种基于改进粒子群算法的四旋翼自抗扰控制器优化方法。在设计了四旋翼飞行器的自抗扰控制器之后,将自抗扰控制器的参数作为粒子群中的粒子进行迭代寻优,同时在传统的粒子群算法基础上,参考遗传算法,对适应值不好的粒子进行交叉保优,以提高粒子的多样性,加快寻优速度。仿真结果表明,对比人工整定参数的控制器,优化后的控制器超调更小,调节时间更快。该方法能够解决四旋翼飞行器自抗扰控制器人工参数整定困难的问题,且优化后的控制器具有更好的控制效果。     

基于参数优化的永磁同步电动机直接转矩控制系统自抗扰控制器研究

针对基于PI控制器的永磁同步电动机直接转矩控制系统存在转矩波动大、易受负载变化影响的问题,设计了一种基于转速外环的自抗扰控制器,代替PI控制器以改善永磁同步电动机直接转矩控制系统的性能;采用粒子群优化算法对自抗扰控制器的相关参数进行了优化计算,改进了控制器的调节性能。仿真和实验结果表明,基于参数优化自抗扰控制器的永磁同步电动机直接转矩控制系统具有较高的抗负载扰动能力,更快的响应速度和良好的动、静态性能。