基于压电驱动的微振动主动减振控制系统研究

本文以压电陶瓷促动器构建并联六自由度减振平台,采用NI Compact-RIO实时控制系统和Fx-LMS自适应控制算法进行振动主动控制,对次级通道辨识方法和主动控制算法进行了模拟仿真,并搭建主动减振控制系统进行实验验证。仿真与实验结果表明,设计的主动减振控制系统对于7~50 Hz范围内的低频微振动有很好的控制效果。     

基于离群点检测和自适应参数的三支DBSCAN算法

针对经典的DBSCAN算法存在难以确定全局最优参数和误判离群点的问题,该算法首先从选择最优参数角度出发,通过数据集的分布特征生成Eps和MinPts列表,将两个列表中的参数进行全组合操作,把不同的参数组合依次进行聚类,从而寻找准确率最高点对应的参数。最后从离群点角度出发,将三支决策思想与离群点检测LOF算法进行结合。该算法与多种聚类算法进行效果对比分析,结果表明该算法能够全自动化选择全局最优参数,并提高聚类算法的准确性。     

两阶段机场多特种车辆协同充电调度策略

在机场区域内,新能源特种车辆充电具有很大的随机性,且不同种类特种车辆充电情况各不相同,造成飞行区内各充电桩利用率相差过大,影响机场配电网的健康运行。针对上述现象,设计了十一车型两阶段特种车辆协同充电调度策略。第一阶段通过分析不同车辆对航班的保障流程,以同一车辆对相邻航班保障起始时间差值最小为目标,生成存在充电需求的车辆序列。第二阶段以减小飞行区各区充电桩时间利用率方差和车辆充电排队时间为目标,在上一阶段车辆序列基础上采用改进的自适应变异粒子群算法进行模型求解,并以国内某枢纽机场的实际车辆充电数据进行对比验证。实验表明,采用该算法后,车辆充电时的等待时间降低了93.5%、飞行区充电桩时间利用率的整体方差下降了88.7%,达到了均衡使用充电桩的目标。     

基于灰色预测的多变量自适应PID控制器

针对汽轮发电机组具有多变量、强耦合、大时滞等特点,提出一种基于灰色预测的多变量自适应PSD控制算法。该方案通过一组灰色系统预测模型GM（1,N）对多变量系统的输出预测实现对角解耦。采用无辨识智能自适应PSD控制算法优化PID控制器的参数,用优化后的PID控制器对每个子系统进行控制。该方案不需要精确的数学模型,在线估计参数少,计算简单。仿真结果表明,与其他方法相比,这种控制方法响应速度更快,而且具有更好的自适应性和鲁棒性。     

基于提升静态小波包变换的自适应消噪方法

基于离散小波变换(DWT)的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了一种基于提升静态小波包变换的自适应消噪方法,它推导了静态小波包的提升实现方法,并设计出适合该系统的确定最优小波包分解树的相应步骤,利用引入更多动量因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

神经网络控制系统的研究与展望

本文综述了近年来神经网络应用于控制领域的研究概况,并对其存在的问题和发展趋势作了讨论。     

基于CAZAC序列的OFDM时频同步算法

针对Schmidl和Minn算法存在符号定时和频率同步精度不高,频率同步运算量大的缺点,提出一种新的基于CAZAC序列的OFDM同步算法.算法利用2个相同的CAZAC序列作为一个训练符号,并对第二个序列用CAZAC序列进行加权,在接收端利用训练符号所包含数据的重复性和CAZAC序列的相关性,进行符号定时同步;然后利用CAZAC序列具有的时域移位特性进行整数倍频偏估计.算法在时域完成,因运算量较小.仿真结果表明,新算法克服了Schmidl和Minn算法的缺点,在AWGN和多径信道下,均能精确同步并进行较大范围的频偏估计.特别是在信噪比较低时采用该算法能实现更准确的同步.     

串联机器人的双模糊自适应滑模控制

提出了一种串联机器人的改进控制算法。采用一自适应模糊控制器,根据滑模到达条件对滑模切换增益进行估算,消除滑模控制中输出力矩的抖振现象,增强其对不确定性因素的适应能力。采用另一自适应模糊控制器对指数趋近律系数进行修正,改善由于大范围初始位姿产生的偏差而引起的大力矩和速度跳变问题。该方法无需确定被控对象的具体数学模型,具有强鲁棒性和高跟踪精度。基于Lyapunov方法进行了稳定性证明,保证控制系统的稳定性与收敛性。实验结果表明,该方法应用于串联机器人,跟踪效果良好并产生了平滑的力矩输出和速度输出。