基于Smith预估的纯滞后系统的控制

针对具有纯时间滞后的系统,分析了PID算法、Dahlin算法和Smith预估算法的特点,指出只要对Smith预估控制器进行适当的设计,就能等效于Dahlin算法.提出了利用Smith预估器补偿时间滞后,按Dahlin算法原理设计控制器的Dahlin～Smith算法和将Smith预估系统结构变换为内模控制器(IMC)结构,再按内模控制原理进行控制器设计的IMC-Smith算法.在模型匹配和失配情况下进行了仿真研究,结果表明,所提出的新控制算法在系统模型不精确的情况下,具有更好的稳定性和鲁棒性,对于大时间滞后系统是一种比较实用的控制方法.     

无辨识自适应算法的大滞后对象的控制方法

在实际工业生产中 ,由于对象纯滞后的存在 ,降低了控制系统的稳定性 ,使控制品质下降 ,对控制系统极为不利。对大滞后对象 ,Smith预估控制是一种重要方法 ,但常规Smith预估控制对模型的误差 (包括时间延迟的估计误差 )十分敏感 ,不适用于具有时变时延参数的系统。因此 ,常规Smith预估控制策略难以广泛用于工业控制 ,但该方法仍然得到了控制界的广泛认可。无辨识自适应控制是Marsik和Strejc提出的一种无需辨识系统参数的自适应控制算法 ,该算法简单、鲁棒性强 ,只需在线检测过程的实际输出及期望输出便可形成具有较好动态性能指标的自适应控制系统 ,但是该方法不能解决大滞后问题。借鉴无辨识自适应控制的思想和神经网络强的函数逼近能力 ,首先用一个神经网络来构成被控对象的Smith预估模型 ,然后利用无辨识自适应控制算法设计了一种适用于大滞后对象的控制器 ,两者结合 ,提出了一种简单、实用、鲁棒性强的大滞后对象控制的新方法     

基于神经网络的时变大滞后系统的Smith预估控制

针对大滞后不确定系统提出了一种基于人工神经网络的改进型 smith 预估控制方案,设计了一个基于神经网络的补偿器来克服不确定的大延迟对控制性能的不利影响,解决了传统 Smith 预估控制鲁棒性差及需要预先知道受控对象精确数学模型的问题.数字仿真结果表明,此方案可以在被控对象数学模型未知的情况下对时滞对象进行控制,特别是当时滞对象的特性发生变化时,具有较好的适应性,控制效果远远优于普通 Smith 预估控制.     

纯滞后系统的模糊复合控制方法

针对具有纯时间滞后的系统,分析了PID算法、Smith预估算法以及模糊控制的不足,由此提出了一种新的模糊复合型控制器,该控制器是基于Smith预估的模糊-PID控制器,利用Smith预估算法克服纯滞后,利用模糊控制来提高系统的鲁棒性,而在稳态阶段则切换为PID控制来提高控制精度.在模型匹配和失配情况下进行了仿真研究,结果表明该复合型控制器既具有模糊控制较强的鲁棒性,又具有PID控制精度高的特点,尤其是在模型失配时表现出良好的稳定性和鲁棒性,对于大时间滞后系统是一种实用而简便的控制方法.     

纯滞后串级控制系统的两级Smith预估补偿

对副环中含有大滞后的串级控制系统,提出了两级Smith预估补偿的控制方法。其一,在副回路中加入Smith预估器将滞后提到副环的外部;其二,在主回路中再加入Smith预估器消除滞后对整个系统的影响。仿真结果表明,采用该方法将将使系统的性能指标显著提高。     

基于神经网络的时变大滞后系统的Smith预估控制

针对大滞后不确定系统提出了一种基于人工神经网络的改进型smith预估控制方案，设计了一个基于神经网络的补偿器来克服不确定的大延迟对控制性能的不利影响，解决了传统smith预估控制鲁棒性差及需要预先知道受控对象精确数学模型的问题。数字仿真结果表明，此方案可以在被控对象数学模型未知的情况下对时滞对象进行控制，特别是当时滞对象的特性发生变化时，具有较好的适应性，控制效果远远优于普通Smith预估控制。     

基于Smith预估补偿的时滞系统Fuzy-PI控制器的研究

将Fuzzy-PI复合控制与Smith预估控制相结合,并引入适当的滤波器,简化了控制器的设计,提高了对纯滞后对象的控制能力.仿真表明采用这种控制结构控制纯滞后对象获得了比传统Smith预估控制更优越的鲁棒性和抗干扰性能,为大时滞系统的控制提出了一种有效、实用的控制手段.     

基于Smith预估补偿的时滞系统Fuzzy-PI控制器的研究

将Fuzzy-PI复合控制与Smith预估控制相结合,并引入适当的滤波器。简化了控制器的设计,提高了对纯滞后对象的控制能力。仿真表明：采用这种控制结构控制纯滞后对象获得了比传统Smith预估控制更优越的鲁棒性和抗干扰性能,为大时滞系统的控制提出了一种有效、实用的控制手段。     

滞后过程的预估控制

本文详细分析了Smith预估控制系统的控制性能和稳定性,为设计滞后过程的预估控制系统提供了理论根据。     

具有纯滞后系统的Smith预估控制稳定性研究

本文提出了一种控制系统稳定性分析的方法,并推导出具有纯滞后系统的 Smith 预估控制当参数变化时的稳定条件。     

一种砷化镓工艺的双向真时延芯片设计

采用0.25 μm GaAs pHEMT E/D工艺实现了X/ Ku波段的双向真时延芯片的设计。通过在新型长号型延时结构中增加双向选择开关,实现了低插入损耗波动的双向数控可调真时延电路。其延时单元采用四阶和二阶电感耦合全通滤波器实现,单位面积下具有较高的延时量,并通过双向有源开关选择延时路径来控制延时大小。延时芯片的工作带宽为6~18 GHz,可实现3位延时,最小延时步进为15 ps,最大延时范围为106 ps。仿真结果表明,其具有相对较低的插入损耗8.1 ~ 15 dB,且损耗随时延的波动小于±2 dB。芯片尺寸为1.91 mm²,群时延均方根误差小于10 ps,回波损耗大于15 dB,直流功耗为110 mW,输入1 dB压缩点大于7 dBm。     

基于Internet的远程控制中网络延时的探讨

为解决基于Internet的远程控制中的网络延时及不确定的问题,在系统中设计补偿器结构,并提出使用RBF神经网络预测延时的方法,来保证系统的稳定性,改善系统的整体性能.仿真分析表明,采用补偿器结构和RBF神经网络预测延时的方法是有效的.     

线性多时滞系统的稳定性分析

讨论了以微分－差分方程描述的线性多时滞系统的渐近稳定性问题,综合利用Ｌｙａｐｕｎｏｖ函数方法,结合矩阵测度和矩阵范数的性质,通过加强不等式,给出线性多时滞系统时滞无关渐近稳定的新的充分条件。这此条件既可用于判断系统的稳定性,又可用于估计系统中不确定参数的界限;同时它们又是线性单时滞系统的稳定性判别条件的推广。     

改进的LMS自适应时延估计方法

针对传统的基于SINC插值的自适应时间延迟估计方法估计误差较大、收敛速度较慢等问题,提出了一种新的插值方法和相应的自适应时延估计方法.根据LMS自适应时延估计方法中最优权表达式的有关参数特点,采用自适应算法对参数进行估计并进行了理论分析.计算机仿真结果表明,与基于SINC插值的自适应时延估计方法相比,在不同信噪比条件下,新方法所需自适应滤波器抽头长度小且具有较快的收敛速度和较好的稳态均方误差,具有广泛的适用性.     

协作超宽带中的转发时延分配方法

在研究现有线性转发时延分配方法的基础上,提出了非线性的转发时延分配方法,并通过理论分析证明了根据等概率的分配方式所得到的转发信号冲突概率是最小的.数值计算结果表明,相比于传统的线性转发时延分配方法,本文方法可以有效地降低转发信号的冲突概率,从而保证协作超宽带系统的性能增益.     

考虑延迟时距的不确定工期-费用优化模型研究

项目工期受较大的不确定性因素影响,故应用不确定理论来描述工期-费用优化问题。考虑到实际工程项目中工序间存在的搭接关系,将搭接关系表示为延迟时距引入工期计算式中,进而构建考虑延迟时距的不确定工期-费用优化模型。同时,我们给出并证明模型的等价形式,并用于原模型的求解。最后,通过工程案例验证模型的有效性。     

基于MCZT的二次相关时延估计算法

针对基于FFT的传统二次相关时延估计算法的估计精度受采样频率限制的问题,提出基于MCZT的二次相关时延估计算法,并给出了算法的快速实现方法。仿真实验结果表明,相比基于FFT计算的二次相关算法,基于MCZT计算的二次相关时延估计算法能较好地对信号时延进行估计,具有较高的时延估计精度和较强的抗噪性能。     

非线性时延系统的一种分析方法

本文将一般正交多项式及其积分运算矩阵和时延运算矩阵应用于非线性时延系统的分析,将非线性时延状态方程转化为线性代数矩阵方程,算法简单,便于求解。     

时延动态神经网络的稳定性分析

基于时延动态网络模型的优化计算易于收敛到非法解或局部极小解,以及其算法对模型参数和初始条件具有很强的依赖性等缺点,对时延动态神经网络的稳定性进行了深入地研究讨论,通过Razumikhin-type定理对时延动态神经网络的稳定性进行了分析研究.