基于支持向量机的电弧炉逆内模控制器

针对三相交流电弧炉电极调节系统的耦合问题,提出了基于支持向量机的逆内模解耦控制策略.根据广义电弧炉对象的Taylor近似模型直接推导逆控制律,消除三相之间的耦合,避免了在线辨识逆模型计算量过大的问题.另外,在内模结构中引入非线性补偿,当系统参数变化和受到外部干扰时,保证了系统的鲁棒性.系统的稳定性和鲁棒性通过Lyapunov方法进行了分析,最后的仿真与实验结果验证了控制器的有效性.     

基于ANN逆模型补偿的复合控制系统仿真

为对复杂非线性系统进行辨识建模和实施有效控制，分析了基于神经网络的非线性系统逆模型的辨识和控制原理，研究了基于神经网络的非线性系统逆模型补偿的复合控制方法。基于复合控制思想，时常规PID控制器＋前馈神经网络逆模型补偿的复合控制结构方案进行了仿真。仿真结果表明，基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的、相对简单的网络结构，可提高逆模型的泛化能力和非线性系统的控制精度。     

基于逆系统多模型内模主动容错控制

针对现有非线性系统对故障容错的快速性和可靠性不足,从而导致容错失败的问题,为解决上述问题,研究了一类具有可能故障先验知识的非线性系统,提出了一种基于最小二乘支持向量机(LS-SVM)建模的逆系统多模型内模主动容错控制方法.采用 LS-SVM 对系统正常以及各种先验故障情形的逆系统进行建模,构造系统的逆模型库,根据逆系统方法将逆模型与被控系统串联形成伪线性系统,设计具有良好鲁棒性能的内模控制器.系统在线运行时,监控决策机制基于对系统性能指标的仿真计算,结果表明在无需改变内模控制器的情况下达到对非线性系统故障容错的快速性和可靠性,证明方法的有效性.     

率相关迟滞非线性系统的智能化建模与控制

提出一种新的率相关迟滞非线性系统的建模方法,并对其在超磁致伸缩作动器建模中的应用进行了研究.与已有的方法比较,所建的模型结构简单.与实验结果对比,模型可以很好地描述作动器对于复合频率输入信号的迟滞非线性.基于模糊树模型,结合神经网络中的逆向学习和专门化学习,提出了一种直接逆模型控制器设计方法.首先离线辨识对象的逆模型作为初始的控制器,然后与对象串联,用LMS算法在线调节控制器中的线性参数.将该方法应用到超磁致伸缩作动器的跟踪控制中,数值仿真结果表明了方法的正确性和可行性.     

基于近似模型的电弧炉解耦控制器

针对电弧炉电极调节系统,提出了基于近似模型的解耦控制策略.首先,选取弧长为状态变量,推导电极调节系统的状态方程,由Taylor展开技术,得到系统的近似模型.由近似模型直接推导近似逆控制律,实现三相之间的解耦,并避免了在线辨识逆模型计算量过大的问题.由于状态不能直接测量,利用扩展卡尔曼状态估计方法得到系统状态.另外,在内模结构中引入非线性补偿,保证了系统的鲁棒性.系统的稳定性通过Lyapunov方法进行了分析,最后的仿真结果验证了控制器的有效性.     

高超飞行器的再入非线性鲁棒控制

针对再入段高超飞行器非线性动力学模型存在不确定性和干扰,基于奇异摄动理论提出了鲁棒变结构+动态逆内外环解耦控制方法.为避免在线实时求逆,控制系统的外环基于简化的模型设计自适应滑模变结构控制律,通过反馈干扰观测器在线估计广义干扰量,实现角度的跟踪和闭环系统的稳定,抑止外来干扰.强耦合的姿态动力学内环采用动态逆跟踪角速度指...     

基于Hammerstein 模型的感应电机变频器调速系统神经网络控制

针对感应电机变频器调速系统的非线性特点,提出一种基于Hammerstein模型的神经网络控制方法。 Hammerstein模型由静态非线性模块和动态线性模块组成。首先,利用ARMA模型实现对感应电机变频器调速系统的线性动态模块辨识;然后,基于该辨识模型,实现调速系统非线性静态模块神经网络逆模型辨识与系统直接逆控制;最后,针对控制过程中存在的电机负载扰动问题,设计了神经网络直接逆控制器在线学习与控制策略。仿真实验表明,所提出的控制策略可以获得满意的控制效果。     

基于T-S模型的内模控制算法及其应用

针对模糊内模控制算法中模型的建立及模型求逆困难的问题，对一种模糊建模方法进行了改进，在此基础上提出了一种基于T—S模型的内模控制方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构，由模糊辨识获得过程的T—S模型和逆模型，并以此为基础建立内模控制算法。将该算法分别应用于慢时变非线性对象和具有大时延大惯性的热工系统主蒸汽温度的控制，仿真结果表明了该方法具有结构简单，计算效率高等优点，有利于在线应用。     

非线性系统的神经网络自适应逆控制

提出了非线性系统的神经网络自适应逆控制方法。设计中使用了2个神经网络，经离线训练的NN1实现非线性系统的逆，在线网络NN2用于补偿逆误差和系统的动态特性变化，对一非线性系统的仿真结果表明，神经网络自适应逆控制能够提高系统的动态性能，并且具有较好的鲁棒性。     

基于多模型和SVM逆系统单元机组解耦控制

火力单元机组协调控制系统是一个多变量、强耦合的控制系统,具有非线性、耦合和延迟等特性,其性能直接影响单元机组运行的安全性和经济性.为了有效解决火力单元机组协调控制系统的耦合特性和动态非线性,设计了基于多模型和支持向量机(SVM)逆系统的解耦控制方法,并进行了相应实验研究.针对一个300 MW单元机组的试验仿真模型,得到单元机组在5个典型工作点的线性化模型,然后对每个线性化模型分别设计SVM逆模型及其动态PID控制器,进而用模型线性组合成多模型全局控制系统.通过加权多项式选取合成的多模型控制方法,可以解决负荷大范围变化引起的非线性问题;支持向量机与逆系统的结合能很好地解决非线性系统的强耦合问题.仿真研究证明了这种控制算法设计的有效性和优越性.     

一类非线性时滞系统的鲁棒模糊自适应控制

针对一类非线性时滞系统,给出一种鲁棒模糊自适应跟踪控制算法.该非线性系统包含不确定项,其控制增益部分也是不确定的.针对这种特殊的系统,通过对非线性部分的_在线逼近,给出了控制律和自适应律.Lyapunov稳定性分析表明,该闭环系统中的所有信号都是稳定的.仿真结果验证了控制器的有效性.     

具有输入齿隙的一类非线性不确定系统自适应鲁棒控制

针对一类具有未知输入齿隙、参数不确定以及未建模动态和干扰的非线性系统,设计了自适应鲁棒控制器.将齿隙非线性模型等价表示为具有有界建模误差的全局线性化模型,在此基础上设计了包含自适应模型补偿、反馈稳定和鲁棒反馈3部分的自适应鲁棒控制器,并给出了系统动态跟踪误差和稳态误差指标.理论分析证明,闭环控制系统信号有界且跟踪误差在任意期望的精度范围内,仿真研究验证了所提出方法的有效性.     

基于Unscented变换的强跟踪滤波器

针对强跟踪滤波器(STF)存在要求非线性函数连续可微和强非线性时滤波性能不佳等理论局限性,提出一种基于Unscented变换的强跟踪滤波器(UTSTF).UTSTF基于STF的理论框架,采用Unscented变换代替STF中的雅可比矩阵计算:UTSTF兼具STF鲁棒性强、Unscented变换精度高、实现简单的优点,有效克服了STF的理论局限性.仿真实例验证了UTSTF的有效性.     

电弧炉电极调节系统的自适应死区补偿控制

电弧炉电极调节系统存在死区非线性,这将给控制系统带来稳态误差,甚全会造成系统不稳定.为此,针对断点不对称且斜率不相等的死区特性,提出一种自适心死区补偿方法.通过引入死区逆非线性环节,并在线更新未知的死区逆参数,达到完全补偿死区的效果.利用Lyapunov方法证明了参数估计误差的收敛性.仿真结果验证了所提出方法的有效性.     

基于高斯微粒群优化的动态神经网络延迟系统辨识

为提高神经网络对未知非线性大滞后动态系统的泛化能力,提出一种基于高斯微粒群优化的自适应动态前馈神经网络.在输入层与隐含层之间、隐含层与输出层之间分别加入动态延迟算子,可以高效地辨识出系统纯滞后时间,建立精确系统模型.此外,采用高斯函数和混沌映射方法平衡微粒群算法全局寻优能力,以克服提前收敛的缺陷,从而快速有效地自适应优化网络中的参数.仿真实验表明了该方法在非线性人滞后系统辨识中的有效性.     

变精度集对势粗糙集模型

为使粗糙集理论能有效处理含噪音的不完备信息系统,将集对势扩充粗糙集模型和Ziarko教授提出的多数包含关系相结合,提出了变精度集对势粗糙集模型.然后,给出了正域相似度的定义,提出了基于正域相似度的启发式属性约简算法,并分析了算法的时间复杂度.仿真实验表明了该方法处理含噪音的不完备信息系统的有效性.     

一种基于多神经树集成的分类模型

针对数据挖掘领域分类问题的特点.提出了基于多神经树集成的分类模型(CMBNTE).该模型利用改进遗传规划算法和粒子群算法,实现单个神经树模型的优化;借鉴集成学习思想,将多个神经树模型组合成最终的分类模型.在6个UCI数据集上的实验结果表明,该模型能较好地解决分类问题,尤其适用于多分类属性的复杂分类问题.     

并行分布控制网络的实时信号时序流图分析

考虑并行分布控制网络中软件过程及物理过程作用和反作用的时间度量特性,定义带时间标签的信号模型,采用广义测度函数概念建立信号间的时间关序,由控制器接口组成网络节点的信号流图拓扑结构,确定信号作用时序的组合运算,从而分析软件设计和运行的确定性.     

基于IFTPN的不确定时间知识描述和推理方法

针对现有时序逻辑在对复杂不确定时间信息描述和推理方面的局限性,构造了直觉模糊时间Petri网模型(IFTPN)及其推理方法.该Petri网模型利用直觉模糊集合对模糊时延、模糊时间片进行描述,可以表达定义在离散论域或连续论域的各种不确定时间信息,并基于直觉模糊逻辑定义了模糊时间运算法则;同时,基于线性逻辑对该模型进行描述,定义了变迁之间的各种触发规则,并给出了推理方法.将该方法应用于C4ISR系统进行决策时延分析,表明了该模型及其推理方法是比较优越的.     

考虑时间因素的双目标应急召回闭环网络规划

研究产品召回突发情况下的闭环供应链物流网络规划问题,考虑了产品召回紧迫性以及召回应急管理的管理特性,引入时间和召回率两类随机参数,提出了基于成本的召回处理时间反应函数,建立了基于总成本以及总召回处理反应时间的双目标随机混合整数规划模型.采用一类启发式算法对该模型进行求解,并用Matlab6.5软件进行编程求数值解.在数值解的基础上,进行相关参数的敏感件分析,结果表明网络选址结果具有一定的鲁棒性.