2O—sim软件在自控课教学中的应用

简要地介绍了由荷兰Twente大学控制工程系研发的商业软件20-sim的主要功能、编程环境和仿真方法。在讨论自控类课程涉及内容广的基础上，提出利用20-sim软件进行建模与仿真．在实例模型中，首先利用20-sim建立了控制系统图标化模型．在此基础上，应用了自动控制技术中的最优状态反馈控制，仿真结果理想的显示了控制效果．由此可见，基于20-sim建模与仿真方法直观简便，为自控类课程的学习与应用提供了新的思路。     

d维自助式类渗流细胞自动机模型临界值为零的一个充分条件

研究了d维自助式类渗流细胞自动机模型的临界值问题．对于一类控制定向模型且被修正基本模型控制的自助式渗流模型,利用外生成思想,得到其临界值pc＝0的一个充分条件．     

基于高斯混合模型的EM学习算法

本文研究了一类基于无监督聚类学习的算法——EM算法的算法实现．EM算法通常用于存在隐含变量时的聚类学习，由于引入了隐含变量，导致算法难以保证收敛和达到极优值．本文通过将该算法应用于高斯混合模型的学习，引入重叠度分析的方法改进EM算法的约束条件，从而能够确保EM算法的正确学习．     

煤与瓦斯突出预报数据关联性的聚类分析

合理地选择突出控制因素是进行突出预测的关键技术之一．首先给出了基于系统聚类的突出预报数据关联性分析方法，通过DB Index准则判断聚类模型的有效性．然后研究了煤与瓦斯突出控制因素的选择规则．最后以平顶山煤矿为例，分析了该矿突出预报数据间的关联性，得到了相应的变量聚类树，并选择了主要的突出控制因素．仿真结果验证了所提出的突出控制因素选择方法的合理性和有效性．图2，表3，参11．     

基于神经网络的主动隔振器

将神经网络理论、预测理论及最优控制理论引入振动控制工程领域,提出了一种基于ＢＰ网络的主动控制方法．给出了该方法中神经网络的学习算法、模型辨识和预测公式及最优控制指标的选择原则．分析了它在建模和控制方面所具有的特点．经计算机仿真表明,该方法控制效果优于机械隔振和ＰＩＤ主动隔振,是行之有效的     

20-sim软件在自控课教学中的应用

简要地介绍了由荷兰Twente大学控制工程系研发的商业软件20-sim的主要功能、编程环境和仿真方法。在讨论自控类课程涉及内容广的基础上,提出利用20-sim软件进行建模与仿真.在实例模型中,首先利用20-sim建立了控制系统图标化模型.在此基础上,应用了自动控制技术中的最优状态反馈控制,仿真结果理想的显示了控制效果.由此可见,基于20-sim建模与仿真方法直观简便,为自控类课程的学习与应用提供了新的思路。     

基于自构建RBF神经网络的内模控制

针对复杂的非线性被控过程,本文提出一种基于自构建RBF神经网络的内模控制方法。该方法中,神经网络的自构建学习算法包括结构学习和参数学习。结构学习采用最近邻聚类法使网络能够自适应地在线增加和删减神经元以达到理想的网络结构。神经网络的参数学习采用梯度下降法。将该神经网络用于内模控制,使得辨识被控远程内部模型和控制器模型的神经网络的神经元个数可以根据激励强度动态改变,进而改善了控制系统的动态性能和鲁棒性。仿真结果表明了所提方法的有效性。     

基于船舶预报模型的动态定位控制

根据船舶定位的原理和特点，设计了基于ANFIS自适应模糊神经网络预报模型的控制方法．该方法对影响船舶定位的各种无规律运动的海浪、风、水流等因素，通过MISO ANFIS模糊神经网络的结构，给出影响船舶定位的预报模型，从而建立船舶控制模型．以混合式的学习算法为基础，对条件参数采用反向传播算法，而结论参数采用线性最小二乘估计算法来调整参数．使控制快速准确，实现了船舶推进装置的最优控制，达到船舶精确定位的目的．     

基于聚类技术的集成学习方法研究

研究了基于聚类技术提高分类器差异性的方法.通过Bootstrap技术与分类器学习算法训练分类器模型,利用分类器在验证集上的分类结果作为聚类的数据对象;然后应用聚类算法对这些数据聚类,并在每个簇中选择分类器代表模型,以此构成集成学习的成员;最后应用融合方法实验研究了基于聚类技术提高差异性的集成学习性能,并与集成学习方法bagging,adaboost进行了实验比较.     

蓝牙链路管理的系统级SOC设计方法

提出了事务级面向对象的设计流程TLOOF（Transaction Level Object Oriented Framework），强调高层次的设计和验证，并使用面向对象的Petri网和实时UML相结合的方法，用System C对系统的行为建模．将TLOOF应用于蓝牙芯片的设计中，蓝牙行为模型由链路管理器和链路控制组成，映射为CPU、内存、片上总线、链路控制等体系结构模块．建立了蓝牙链路连接的OOPN模型并描述了事务级模型的类图，完成了系统的仿真．仿真结果表明，该片上系统（SOC）设计方法可以很好地对蓝牙系统建模．     

电液位置伺服系统的再励学习控制研究

针对非线性电液位置伺服系统的不确定性控制问题,提出了一种带有小脑模型（ＣＭＡＣ）神经网络的再励学习控制方法。将ＣＭＡＣ神经网络融入再励学习控制结构中,并进行了撞化与改进杯仅使再励学习控制器具备了泛化能力,而且提高了其学习速度,因此竽电液位置伺 服系统的快速跟踪控制。仿真结果表明,控制器不仅具有良好的处理非线性能力而且对时变外扰支具有明显的抑制作用。     

自适应神经模糊推理系统在电动机软启动中的应用

异步电动机直接启动产生的冲击电流会造成严重的电网冲击,因此提出将自适应神经模糊推理系统应用到电动机软启动控制中,充分发挥神经网络自适应学习和模糊推理不要求掌握被控对象精确模型处理结构化知识的能力,实现电动机软启动的智能控制。利用电机转速、负载转矩、触发角的对应关系作为训练样本,采用混合学习算法调整前提参数和结论参数,自动产生模糊规则,构建自适应神经模糊推理系统,根据给定的电机转速和转矩产生合适的晶闸管触发角。经仿真分析,结果表明:训练构建的自适应神经模糊推理系统能够很好地进行电机的速度控制,可以实现风机或泵类负载电动机的软启动。     

船舶操纵的高斯势函数神经网络PID控制器研究

针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用高斯势函数神经网络的自适应PID控制系统,该系统由2个高斯势函数神经网络组成,其中一个用于船舶运动模型的辨识,另一个用于PID学习控制。文中还提出了广义递归最小二乘学习算法,以便加快网络训练速度。船舶操纵的仿真结果表明此法明显优于传统的PID控制器。     

一种用于机械手控制的在线快速学习方法

本文在对ＣＭＡＣ网络进行研究比较的基础上，提出了一上用于预定运动轨迹的二关节平面机械手控制的在线直接存贮更新学习方法。模拟实验表明，该学习方法具有较ＣＭＡＣ网络更快的学习收敛速度及更高的控制精度，更少的计算量，且便于硬件实现。     

悬臂式掘进机恒功率变频调速控制器的设计

针对悬臂式掘进机在矿井掘进时情况复杂和负载变化较大的特点,采用高度非线性识别能力的神经网络与遗传算法相融合的方法,实现悬臂式掘进机恒功率变频调速系统的控制.该方法运用遗传算法训练BP神经网络的连接权系数,改进网络性能,提高学习效率,根据系统电流的实际情况对掘进机进行变频调速控制,利用MATLAB/Simulink软件对系统进行仿真分析.结果表明：该方法所设计的以DSP为控制核心的掘进机恒功率调速控制器具有一定的学习和适应能力,能根据电流变化自动调整电机的转速,实现了掘进机恒功率变频调速,提高了掘进机的工作效率和系统的稳定性.     

平均排队长度差最小的单交叉口在线Q学习模型

建立了以平均排队长度差最小为优化目标的在线Q学习模型．针对控制性能指标相对于临近的配时方案不敏感的特点,提出了以平均排队长度差作为基本单位重新构造奖励函数,目的是拉大各行为对应的Q值差距,提高模型的收敛速度和鲁棒性．集成ExcelVBA、Vissim、Matlab建立了在线仿真平台,作为计算环境对模型进行了计算．利用GPS数据对Vissim软件中车辆加减速度曲线进行了标定．计算结果表明以平均排队长度差作为优化目标能够优化整个交叉口的时空资源,本文建立的在线Q学习模型具有较快的收敛速度和鲁棒性,通过学习能够实现优化目标．     

NGB移动学习平台的构建及学习模式研究

下一代广播电视网(NGB)具有交互、定制、迁移、漫游、互通、扩展、控制、追踪、管理、运营功能以及提供高清晰视频、高保真音频、高速数据接入服务等特点。本文提出了以NGB、互联网、物联网、学习资源以及学习终端等构建的NGB移动学习平台模型,探讨了以NGB平台开展移动学习的MRC自主学习、DPI协作学习及OSM实验教学等模式。     

基于风速预测的双馈风力发电机组变桨距协调控制

在分析风能的特性、风速区域划分以及大型风力发电机组常用控制方法的基础上,指出当前控制中存在的滞后、大惯性等问题.针对这些问题,提出基于风速预测的新型变桨距协调控制方法,在高于额定风速的情况下,加入风速预测环节,从而克服风速测量滞后、桨距角调节惯性大等问题.这种控制方法将小波变换嵌入时间序列法中,用于建立ARMA模型进行风速预测,然后将预测的风速送入控制环节,具有较好的动态控制性能.最后,通过实例仿真验证了该设计方法的有效性.     

泵阀并联系统复合式控制策略研究

为综合泵控高效节能和阀控高精度快响应的优势,研究一种泵阀并联位置伺服系统. 建立泵阀并联系统数学模型,并分析系统特性及油源效率;针对系统定位控制,提出一种泵PID控制、阀分段作用PID控制的分段双PID复合控制策略;针对系统动态跟踪控制,提出泵控回路采取PID控制并固定其输出,阀控回路始终采取迭代学习控制的复合控制策略. 仿真结果表明,在定位控制方面,相比纯泵控系统,分段双PID控制策略能够明显提高系统响应速度;在动态跟踪控制方面,固定PID输出和迭代学习控制相结合的复合控制策略,能使系统兼具高效节能和高精度快响应的优势.      

变因子自学习方案在机械手中的应用

介绍了一种新型自学习控制方法在机器人中的应用，它采用了变学习因子的方案，用模糊的思想选取学习因子，该算法已在直接驱动机器人上进行实验，并解决了一般学习算法在高速运动情况下由于加、减速而带来的系统振荡问题；该算法还具有学习收敛快，鲁棒性好的优点。