具有内模结构的锅炉汽包水位PID控制

锅炉是向诸多工业生产过程提供热能与动力的重要设备之一.为了有效地克服汽包水位的负调现象,采用一种基于三冲量控制方案的内模PID控制方法,即副回路利用常规PI控制算法快速抑制给水流量变化带来的干扰,主回路采用内模PID控制算法用以克服蒸汽流量变化产生的扰动.仿真结果表明所提出的控制策略能够加快响应,减小超调,缩短调节时间,算法简单易于工程实现且具有较强的鲁棒性.     

改进型特征权重自调节K-均值聚类算法

针对特征权重自调节K-均值聚类(FWSA-KM)算法对噪声敏感的问题,提出一种改进型特征权重自调节K-均值聚类(IFWSA-KM)算法。用一种非欧氏距离代替FWSA-KM算法中的欧氏距离,以增加聚类算法的抗噪声性能。通过用人工数据和真实数据的对比性实验,可验证IFWSA-KM算法的有效性。     

基于指数熵的认知无线电频谱感知算法

针对目前认知无线电中频谱感知技术在低信噪比下检测性能差、对噪声功率不确定性鲁棒性差等问题,提出了一种基于指数熵的频谱感知算法。该方法根据H0、H1下接收信号熵特性的不同,估计接收信号的指数熵,然后通过与预设的门限进行比较,进而判断主用户信号是否存在。该方法的主要优点为:具有对噪声功率不确定性具有鲁棒性、不需要信号的先验知识以及在低信噪比下可以得到较高的检测概率。Monte Carlo仿真结果表明:在噪声功率不确定性为3dB,采样点数为1024的情况下,当信噪比大于-8dB时,可以达到100%的检测概率。     

基于深度神经网络的电力系统快速状态估计

随着现代电力系统的迅猛发展,电网结构和运行方式日益复杂,对状态估计的实时性和准确性也提出了更高的要求。为此,该文提出一种基于深度神经网络的电力系统快速状态估计,通过相关性分析筛选出该状态估计模型的输入量测集,进一步利用海量历史数据建立基于深度神经网络的状态估计模型。当电力系统的实时量测更新时,将强相关量测输入已建立的状态估计模型中快速获得系统状态的估计结果。通过在IEEE标准系统和某实际省网进行算例仿真表明,所提方法的估计精度和鲁棒性均优于传统加权最小二乘(weighted least square,WLS)和加权最小绝对值估计(weighted least absolute value,WLAV);并且该方法的在线计算时间受系统规模影响较小,由实际省网的仿真结果可知,其计算效率较WLS和WLAV分别提升1.43和27.2倍。     

基于二次调频的VSG自适应反推鲁棒控制研究

针对微电网中逆变器模型的非线性特征、参数摄动、及大负荷扰动造成的频率波动问题,提出一种基于二次调频的虚拟同步发电机(virtual synchronous generator,VSG)自适应反推鲁棒控制方法。在建立包含参数摄动以及输出侧负荷扰动VSG数学模型的基础上,通过李雅普诺夫函数设计出VSG的反推自适应控制律,并证明了系统的稳定性;将VSG自适应反推鲁棒控制与二次调频技术相结合,当频率偏差超出设定范围,则启动二次调频,使频率快速恢复至较小范围;自适应反推鲁棒控制算法则能快速自适应补偿系统的不确定性,在小偏差范围内具有较好动静态性能。使系统兼具大偏差快速恢复,小偏差动态响应好的特点。MATLAB/Simulink环境下的仿真结果验证了方法的有效性。     

基于模糊自适应控制的四点支承液压平台自动调平方法

介绍了四支承液压平台的自动调平原理和方法,提出了液压平台的控制问题.针对平台电液伺服系统高度非线性特性和通道耦合问题,给出了一种模糊自适应控制方案,使控制器的设计不依赖于被控对象精确的数学模型.仿真结果表明:该控制方法响应速度快、控制精度高、鲁棒性好,具有良好的控制效果.     

基于递归小波与ART2网络的刀具状态智能监测

为实现刀具的实时状态监测,以超高斯函数为基础,构造出一类用递推公式进行小波变换的小波基,提出该系列小波基的优化方法,对其时频特性进行了分析.对刀具AE信号进行递归小波分解,提取特征并应用ART2网络识别刀具状态.结果表明,基于递归小波与ART2网络的刀具状态监测具有鲁棒性强、实时性好的特点.     

滑模变结构控制的抖振问题研究

文章在分析变结构控制（VSC）系统抖振发生机理基础上，讨论了几种消除或削弱抖振的途径。提出了一种类似于模糊推理的VSC方法，并给出了在加工过程控制中的应用实例，仿真结果表明，该方法能够有效地削弱系统抖振，而不会影响控制器的鲁棒性能。     

无人驾驶车辆局部路径规划的时间一致性与鲁棒性研究

在无人驾驶系统中,局部规划在跟踪全局路径的同时完成避障,提高了规划系统在动态未知环境中的工作能力.避障分析的有效性是局部规划最重要的功能之一.然而在仿真和实车测试中发现,广泛使用的基于优化求解的局部规划算法无法在不依赖全局精确定位时保证规划结果满足时间一致性要求.时间不一致将导致车辆的实际行驶路线偏离初始规划结果,造成避障分析失效.本文设计了基于前向预测的局部路径规划算法,在不依赖全局精确定位的前提下保证规划结果的时间一致性.除了时间一致性问题外,跟踪控制误差也是导致规划结果避障分析失效的主要原因之一.现有研究大多通过膨胀障碍物体现误差的影响,然而这种方法无法避免车辆驶入膨胀危险区域而停车.本算法在路径生成过程中增加误差影响,用通行区域代替原有不具有宽度的规划路径进行避障分析,既可以解决误差导致的避障失效,又避免出现膨胀障碍物带来的问题.通过V-Rep软件与实车规划程序进行联合仿真,在能够体现时间一致性影响的典型场景中对本算法与基于最优化曲线生成的局部路径规划算法进行比较, 验证了该算法具有更好的安全分析有效性.应用本算法的北京理工大学无人驾驶平台参加了2013年智能车未来挑战赛,在无人干预的情况下顺利完成 18公里城郊赛段和5公里城市赛段行驶,展现了良好的避障能力.     

独轮机器人的建模与自抗扰控制算法

独轮机器人前后平衡由一车轮保持并驱动其前后运动, 侧向平衡则由一基于空气阻力的风轮保持, 以此结构为被控对象建立该系统动力学模型. 以一种非线性的控制方法—–自抗扰控制方法控制其平衡运动, 在系统的纵向和侧向上分别设计一个自抗扰控制器, 系统的内扰和外扰被视为自抗扰控制器的总扰动. 以PID 控制方法作对比实验, 仿真结果表明了自抗扰控制算法的强鲁棒性和有效性.