轮式移动机器人轨迹跟踪控制研究

针对轮式移动机器人参数摄动和内外部扰动等问题,提出一种新型的基于自适应扩张状态观测器的滑模控制算法。采用自适应虚拟速度控制器估计系统未知参数,滑模控制器抑制参数摄动和内外部扰动,非线性扩张状态观测器观测系统扰动并减小控制输入的抖振,实现了轨迹跟踪误差的快速收敛。利用Lyapunov稳定性理论证明了控制算法的稳定收敛性。将所提算法与传统自适应反演滑模算法进行对比,对比结果表明了所提算法的有效性和鲁棒性。     

非线性系统的模糊免疫PSD控制与仿真

针对模糊免疫PID控制算法中微分与积分增益不能根据系统特性自动调整的问题,提出了一种模糊免疫PSD(Proportional Summation Derivative)控制算法。该方法将自适应PSD算法与模糊免疫PID算法相结合,利用自适应PSD控制算法根据过程误差的几何特性建立的PSD控制规律,使得模糊免疫PID控制算法中的微分和积分增益可以随比例增益的变化而自适应调整,从而进一步提高控制算法的自适应性能。仿真实验表明,采用该算法可以提高非线性、时变系统的控制性能,并能减少参数调整的工作量。     

改进的单神经元自适应PID控制算法在智能车速度控制系统中的研究与应用

针对单神经元控制算法在电磁导航智能车速度控制中存在加权系数修正时间长、自适应能力差、系统不稳定的缺点,提出了将改进的单神经元自适应PID控制算法应用到智能车的调速系统中。改进的单神经元自适应PID控制算法优化了单神经元自适应PID控制算法中的加权系数学习修正部分,使得权系数在线修正不完全根据神经网络的学习原理,而是参考实际经验制定的,最终自适应地整定PID三个参数来实现智能车的速度控制。Matlab仿真测试表明,与单神经元自适应PID控制算法相比,改进的单神经元自适应PID控制算法在智能车速度控制中具有响应快,超调量小、自适应能力强的优点,大大提高了智能车控制系统的性能。     

离散混沌系统的参数自适应控制

提出多重参数离散混沌系统的参数自适应控制的新方法,利用可调系统与参考模型之间的耦合关系,给出基于系统变量作为观测量的参数自适应控制算法,采用Ｌｙａｐｕｎｏｖ函数方法证明了参数控制系统是渐近稳定的。仿真结果表明文中给出的控制算法具有较快的收敛速度,并讨论了系统参数是非线性形式的一般系统及其不确定的外界噪声扰动对系统的影响。     

基于时变内流的柔性立管自适应边界控制

针对具有系统结构参数不确定的海洋柔性立管不确定性系统,为了提高其振动控制效果和品质,通过对立管结构参数进行估计,采用自适应控制技术和Lyapunov综合法,设计了自适应边界控制算法对耦合内流动力学的立管振动进行控制.所设计的自适应控制器能补偿系统参数不确定性,以及避免了控制溢出,并能保证系统的稳定性和一致有界性.仿真结果进一步验证了该控制算法对抑制立管振动的有效性.     

大加减速轴向移动系统自适应反步边界控制

针对具有大加减速和系统参数不确定性的轴向移动系统振动主动控制问题,基于Lyapunov直接法、经典反步控制和自适应技术,提出自适应反步边界控制算法对系统振动进行主动控制,并以符号函数处理边界扰动.同时,考虑不连续符号函数在工程上易引起输入颤振,设计饱和函数替代控制器中符号函数,以提升振动控制品质.所设计的控制算法能够补偿系统参数不确定性,确保闭环系统稳定性.数字仿真结果验证了所提出的控制算法的有效性.     

焦炉集气管压力控制的一种新方法

针对焦炉集气管压力系统的特点,提出一种基于神经元的自适应PID控制算法;将神经元与PID结合,在线调整PID参数;对单神经元自适应PID控制器进行了研究,并利用Matlab/Simulink进行了仿真,结果表明单神经元自适应PID控制算法明显优于常规PID控制算法;用本文提出的单神经元自适应PID控制器控制焦炉集气管压力,使集气管压力系统的抗干扰能力得到提高,取得了良好的控制效果。     

广义预测自适应控制的双重控制算法

提出了一种基于双重控制思想的广义预测自适应控制算法,该算法在模型辨识和控制的过程中,采用谨慎控制和探测控制相结合的双重控制,充分考虑估计参数的误差,在使系统状态最优地沿预定轨线运动的同时最大限度的积累被估计参数的信息,以便最快地降低系统的不确定性。仿真结果表明,该控制算法比普通的广义预测自适应控制具有更好的控制品质。     

一类超混沌系统的自适应控制同步算法

本文运用理论分析与仿真实验相结合的手段,研究了一类超混沌系统的自适应控制同步问题。所研究的超混沌系统为一含负电容的四阶自治超混沌电路。运用自适应控制原理,针对所给出的超混沌系统设计了超混沌自适应控制算法。运用线性化方法及稳定性理论,将自适应控制同步问题转化为误差的稳定性问题。对控制算法中关键参数的选取进行了理论分析,在此基础上,对控制算法进行数值仿真验证,结果表明了所设计超混沌自适应控制器的有效性。     

大加减速轴向移动系统自适应边界控制

针对具有系统结构参数不确定的大加减速轴向移动系统, 为了提高其振动控制品质, 结合Lyapunov 理论、自适应控制技术和?? 曲线加减速法设计自适应边界控制, 用以抑制结构振动偏移量. 所设计的自适应控制能避免控制溢出效应和补偿系统参数不确定性, 并保证闭环系统的稳定性和闭环状态的一致有界性. 仿真结果表明, 所设 计的自适应边界控制算法能有效抑制结构振动偏移量.

     

一类工业运行过程多模型自适应控制方法

针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.     

A multiple model adaptive dual control algorithm for stochastic systems with unknown parameters

An adaptive dual control algorithm is presented for linear stochastic systems with constant but unknown parameters. The system parameters are assumed to belong to a finite set on which a prior probability distribution is available. The tool used to derive the algorithm is preposterior analysis: a probabilistic characterization of the future adaptation process allows the controller to take advantage of the dual effect. The resulting actively adaptive control called model adaptive dual (MAD) control is compared to two passively adaptive control algorithms-the heuristic certainty equivalence (HCE) and the Deshpande-Upadhyay-Lainiotis (DUL) model-weighted controllers. An analysis technique developed for the comparison of different controllers is used to show statistically significant improvement in the performance of the MAD algorithm over those of the HCE and DUL.     

一类对偶自适应预测函数控制算法

针对未知参数系统的自适应预测函数控制,模型尚未辨识完成或外界干扰造成的模型不准确,会严重影响控制效果,并产生较大的超调和波动.由此,提出一类对偶自适应预测函数控制(Dtml Adaptive Predictive Function Control,DAPFC)算法.在模型辨识的过程中,通过辨识误差的大小,利用对偶控制方法来调整原有自适应控制律,尽可能地获取未知参数信息并抑制由于模型失配造成的控制量的波动.改善了系统在模型失配时的控制效果,并具有较强的鲁棒性.仿真结果表明,该算法具有良好的控制品质.     

Adaptive process monitoring using scale cusum for serially correlated processes

We present an adaptive monitoring approach for serially correlated data. This algorithm uses the adaptive linear prediction lattice filter (ALPLF) which makes it compute process parameters and prediction errors in real time and recursively update their estimates. We propose to apply a scale CUSUM control chart to prediction errors as an omnibus method for detecting changes in process parameters. Results of computer simulations demonstrate that the proposed adaptive monitoring approach has great potentials for real-time industrial applications which vary frequently in their control environment.     

基于模糊控制系统的机械臂自适应控制算法设计

针对现有机械臂控制算法,在轨迹控制和精度补偿方面存在的不足,设计了一种基于模糊补偿系统的自适应控制算法。先在笛卡尔空间内分析了机械臂的空间动力学运动过程,并得出机械臂运动中的最优力矩值,构建模糊控制规则并设定模糊子集;对经典模糊理论进行优化,引入可变论域思维在机械臂运动过程中,系统会实时反馈末端执行器行动轨迹,并实施动态化补偿;基于自适应算法对可变论域模糊控制器进行二次优化,修正模糊规则并校正模型的控制量参数,提升和改善整个机械臂系统的控制精度。实验结果显示,模糊补充自适应控制算法在多关节和多连杆机械臂的角度控制和位移控制精度方面有较大的优势,同时各关节和连杆的运动相应时间仅为0.27s和0.20s。     

梯格形自适应控制

本文讨论并解决了具有d步时延的多变量系统的梯格形自适应控制问题.为此,把自适 应控制下的闭环系统嵌入到ARMA模型中,采用梯格算法进行预报;用简捷方法推导了d步 梯格预报公式,并给出了控制量的确定方法.采用梯格自适应控制可方便地调节模型阶次,从 而可以克服对象阶次不准引起的自适应控制失效问题.     

基于市场机制的QoS控制模型MQC的改进遗传算法求解

基于市场机制的QoS控制模型(MQC)的求解是一个NP-Hard问题，对此作者提出一种改进遗传算法(MGA)用于求解，与传统遗传算法相比加入自适应预测器，同时在遗传操作中采用自适应遗传因子指导搜索过程．最后通过实验证明该算法快速有效。     

遗传算法在水电机组调速器PID参数优化中的应用

水轮发电控制是一个复杂的动态过程,特别是对大型机组,控制策略和优化算法的选取对机组的性能尤为重要.为了获取不同工况下水轮发电机组调速器的优化参数,首先建立了一种机组的非线性全数字仿真模型.结合调节系统的特点,提出了一种新的反映系统综合性能指标的适应度函数,利用遗传算法对自适应变参数PID调速器的3个参数b_t,T_d,T_n进行了优化.具体实施优化过程中,采用了C++ Builder编制遗传算法主程序;使用了Matlab中的Simulink工具箱建立机组仿真模型,交互接口通过Matlab中的引擎Engine来实现.仿真实验表明:与正交实验法寻优结果相比较,在机组的不同运行状态、不同工况下遗传算法都能获得更为理想的寻优效果.同时,该优化方法已经应用于某巨型电站的调速器中.     

A Fuzzy Adaptive Differential Evolution Algorithm

The differential evolution algorithm is a floating-point encoded evolutionary algorithm for global optimization over continuous spaces. The algorithm has so far used empirically chosen values for its search parameters that are kept fixed through an optimization process. The objective of this paper is to introduce a new version of the Differential Evolution algorithm with adaptive control parameters – the fuzzy adaptive differential evolution algorithm, which uses fuzzy logic controllers to adapt the search parameters for the mutation operation and crossover operation. The control inputs incorporate the relative objective function values and individuals of the successive generations. The emphasis of this paper is analysis of the dynamics and behavior of the algorithm. Experimental results, provided by the proposed algorithm for a set of standard test functions, outperformed those of the standard differential evolution algorithm for optimization problems with higher dimensionality.