车辆弯道保持系统的无模型自适应控制方法研究

车辆弯道保持控制在实现车辆的智能控制中具有重要的作用,其运动过程受车载、路况、车体运动状态、环境变化等诸多因素影响,这使得基于模型的控制方法很难达到期望控制效果,无法获得良好的控制性能。针对车辆弯道保持控制和传统模型控制的特点,采用无模型自适应控制方法(Model-Free Adaptive Control,简称MFAC)对车辆的弯道保持控制进行研究,通过分析车辆运动状态,构建车辆动态目标位置模型,基于MFAC实现车辆弯道保持控制器的设计。仿真结果验证,较需人工整定的PID方法,采用MFAC控制方法对车辆弯道保持系统进行轨迹跟踪控制,能够获得更好的控制性能,泛化能力更强,参数调节难度更低。     

基于坐标补偿的自动泊车系统无模型自适应控制

针对自动泊车系统,提出了无模型自适应控制(Model-free adaptive control, MFAC)方案.控制方案的设计仅利用泊车系统的前轮转角输入数据和车身角输出数据,不包含车辆模型信息.因此,针对不同车型的自动泊车系统,该方案均能实现无模型自适应控制.为了改善期望轨迹的坐标跟踪误差,进一步提出基于坐标补偿的无模型自适应控制方案,该方案由控制算法、参数估计算法、参数重置算法和坐标补偿算法构成.针对不同车型不同泊车速度的仿真结果表明,基于坐标补偿的MFAC方案和原型MFAC方案均能较好地完成自动泊车过程,且基于坐标补偿的MFAC方案相比原型MFAC方案和PID控制方案,在轨迹坐标和车身角等方面均具有更小的跟踪误差和更快的响应速度.     

磨矿过程基础回路优化控制方法

以磨矿过程基础回路重要工艺参数——旋流器给矿浓度控制为研究对象,针对无模型自适应控制(MFAC)的参数自适应性差的问题,引入模糊控制,提出了模糊MFAC方法,给出了该方法的理论推导步骤,设计了模糊MFAC控制器。将模糊MFAC方法、基本MFAC方法和PID方法进行对比仿真实验,结果表明,模糊MFAC方法能够快速跟踪期望值,具有更小的超调量和跟踪误差,且抗干扰能力强。     

双前馈无模型自适应控制在混凝加药中的仿真

水厂混凝加药过程具有非线性、时滞性等特点,并且影响加药后混凝效果的因素很多,很难准确地建立反应过程的数学模型.无模型自适应控制(MFAC)是一种不需要离线建立数学模型的先进控制方法,非常适用于实际的模型参数难以辨识,且是时变的非线性系统.针对混凝加药过程的特点,提出了带有双前馈无模型自适应控制方案来实现混凝加药过程的仿真.仿真结果表明该方法在混凝加药控制过程具有鲁棒性强、响应速度快和控制精度高的优点.     

基于PID参数整定的无模型自适应控制器参数整定方法

本文针对一阶线性时不变(FOLTI)系统, 将常用的比例–积分–微分(PID)控制器参数整定方法推广到无模型自适应控制(MFAC)参数整定中, 利用PID控制参数整定方法整定直接型MFAC方案的伪梯度初值, 以期改变MFAC控制律初始参数的试凑式选取, 提升MFAC应用的方便性和可接受性. 通过仿真, 验证了所提伪梯度初值整定方法的有效性, 并对比了FOLTI系统的系统参数和系统结构发生变化后, 应用MFAC与PID控制的性能差异.     

空调冷水二次泵压差模型不确定性的MFAC控制

中央空调冷水系统管路特性变化、设备老化等因素导致中央空调冷水系统二次泵压差模型具有不确定性,以致常规PID算法的调节性能变差,甚至在空调系统运行一段时间后出现不可控的现象;而无模型自适应控制(Model Free Adaptive Control,MFAC)是一种采用不依赖被控对象的具体数学模型的"泛模型"和一些"控制功能"的某种组合相结合的、具有参数自适应和结构自适应的控制方法;引入了无模型自适应控制算法,来改善中央空调冷水系统二次泵压差控制效果,确保系统的调节时间和超调量保持不变;仿真和实验结果表明:相对于PID控制,MFAC具有很强的鲁棒性和抗干扰能力及自适应能力,调节性能稳定,可以克服由于系统管路特性变化、设备老化等因素导致的中央空调冷水系统二次泵压差模型不确定性的情况,控制效果良好。     

基于Matlab-Simulink的MFA控制模块开发与仿真

无模型自适应控制(Model-free Adaptive Control,MFAC)是一种先进的控制策略。MFA控制器可以独立于受控对象进行独立的设计,而且具有很强的适应性和鲁棒性。介绍了无模型自适应控制的基本原理,在Matlab-Simulink平台上,给出了MFA控制器较为详细的开发过程,主要包括Simulink模块搭建以及嵌入模块中的S-function代码两部分。针对过程系统中普遍采用的二阶滞后模型进行了仿真研究,结果表明了MFA控制器的可行性和有效性。     

一种大时滞系统的无模型自适应控制改进算法

利用无模型自适应控制（Model—freeadaptive control,MFAC）方法仅需要被控对象输入和输出数据,而不需要其他任何信息的优点。针对工业生产过程中普遍存在的大时问滞后的特点,提出针对未知模型的大时滞对象的无模型自适应控制改进算法（Improved MFAC on Large Time—delay System,LTDS-IMFAC）。在改进算法中,在基本无模型自适应控制算法的基础上引入了带有滞后时间的输入变化率的约束项．以此来减小大时间滞后对整个控制过程的影响。通过MATLAB仿真试验证明了改进算法对于大时滞系统的控制具有较好的有效性。     

无模型自适应控制改进算法的性能仿真分析

在基于紧格式线性化方法的无模型自适应控制算法（Model—freeAdaptiveControlBasedonTightFormatLinearization,TFL-MFAC）的基础上,针对大时间滞后的特点,提出针对大时滞对象的MFAC改进算法（ImprovedMFAConLargeTime—delaySystem,LTDS—MFAC）。构造了大时滞对象并通过MAT—LAB仿真实验对改进MFAC算法的鲁棒性、抗干扰能力和跟踪能力进行分析。仿真实验表明了改进MFAC算法对大时滞系统控制具有更好的控制性能。     

基于无模型自适应控制的视觉伺服

传统的机器人视觉伺服控制技术需要已知机器人精确的动力学和运动学模型以及机器人的手-眼参数。然而,由于机器人建模、手-眼标定等过程存在一定误差,因此很难精确获得视觉伺服控制模型,从而影响机器人视觉伺服系统的精度和收敛速度。针对这一难题,本文提出一种基于无模型自适应控制方法（MFAC）的机器人视觉伺服技术。利用视觉伺服系统的输入与输出数据,实现自适应视觉伺服控制,即通过MFAC在线估计机器人伺服控制器中的雅各比矩阵,并结合滑模控制器,实现机器人对目标的快速精确跟踪。实验结果表明,本文提出的方法在系统参数变化引起的未知扰动情况下仍能保证伺服控制器平稳收敛,并且能够减小视觉跟踪误差。     

DMC-PID串级控制在中药生产浓缩工段的应用

为了克服中药生产浓缩过程非线性、大滞后、强干扰的问题,文章采用DMC—PID串级控制算法,实现了滞后补偿、提高了抗干扰能力。仿真结果和实际运行证明．该控制方案鲁棒性强,具有较好的动态控制性能．适于非线性工业系统的自适应调节。     

中药提取过程控制系统的设计与应用

中药提取过程是中药生产非常重要的起始阶段,本文以我校中药设备研发中心的中药提取系统的自动控制生产线为对象,阐述计算机控制系统的设计和应用,其中包括提取过程对控制系统的要求、控制系统的硬件设计、控制系统的应用软件设计、系统的应用效果。     

多模型预测控制在中药浓缩工段中的应用

为了提高中药浓缩生产过程控制的精度及整个控制器的适应性,针对工段的不同工序建立了多模型预测控制器,并采用模糊监督器选择合适的控制器;在利用神经网络进行系统辨识时,引入其耦合系统的控制变化率作为输入,可以适当消除相互间的耦合程度;现场运行结果表明蒸发过程中压力达到工艺要求,且蒸发过程中压力差保持稳定,保证了稳定的双效循环蒸发,控制效果良好.     

光纤SPR传感器在抗感染中药作用机理的应用

提出一种基于光纤表面等离子体共振（SPR）传感器的检测法,检测抗感染中药与细胞因子和受体间的相互作用.采用真空热蒸镀法镀双层金属膜制作一种双金属光纤SPR生物传感器,应用直接法完成中药作用机理检测.该传感器具有快速、客观、准确、高效的中药作用机理检测功能,获得了相应数据.光纤SPR生物传感器的应用使得中药作用机理过程的检测具有实时高效的优点,有望在抗感染中药作用的靶点和分子机理研究中取得新的突破.     

电容层析成像系统敏感场的数学模型建立及快速计算

中药提取过程是一个典型的多相流过程,其提取过程中的容器温度,物料分布,饱和度等参数用常规方法探测较难,直接影响提取效率。本文尝试将电容层析成像技术应用到中药的提取工艺当中,以天然中药丹参和有机溶剂乙醇为研究对象,采用动态逆流循环提取工艺,提出了一种细化有限元单元边长的剖分和快速计算精确的电容值的方法,给出了改进方法的数学模型,将改进的方法应用到数学模型求解过程中,得出了符合实际应用物理系统的计算值,并对系统内两相流的变化规律对提取效率的影响进行分析。     

基于BP神经网络的加药控制系统研究

浮选是最重要的选矿方法之一,煤矿浮选工艺自动加药控制问题是影响浮选效果的重要因素;传统加药控制主要是由加药工根据生产经验来控制,为了解决浮选精度低这一问题,文中提出采用BP神经网络作为加药控制系统加药量的预测模型,并采用动量项方法对其进行优化,通过仿真得出动量项法网络和测试样误差曲线,说明带动量项改进的神经网络更容易满足网络精度的要求,并且该方法能够有效地降低误差、减小浪费。     

基于改进粒子群算法的中药提取过程PID优化控制

提出了一种适合于中药提取过程的基于改进粒子群算法的PID优化控制方法;针对粒子群算法存在早熟和局部收敛的问题对算法进行了改进,采用一种非线性动态自适应方法作为惯性因子权值调整策略,使惯性权值随粒子目标值的变化而自动改变;将该法应用于中药提取温度控制系统PID控制器参数优化设计,首先利用广义Hermite-Biehler定理计算控制对象的PID控制器参数稳定域;然后在参数稳定域范围内采用改进粒子群算法寻优得到了满足指定性能指标(ITAE)最小的最佳控制器参数值;最后针对中药提取工段的温度控制二阶时滞系统进行了仿真,验证了该方法的有效性。     

基于虚拟现实技术的中药生产实训仿真实现

虚拟现实在生产实训上的开发常会走向两个极端,或者缺乏沉浸感,不贴近生产实际,或者工程宏大,造价昂贵。针对这些问题,在生产类仿真系统架构设计基础上,提出仿真精细程度要结合生产实际和局部细节全面考虑,尽可能从轻巧实用上选取实现方法,探讨了基于此思路的中药制药实训仿真系统开发实现关键技术。整个系统实用轻巧。     

基于策略模式的中医数据挖掘平台

随着数据挖掘技术的发展和中医信息化的逐渐深入,很多数据挖掘方法被应用到中医研究领域。针对面向对象软件设计模式中的策略模式在数据挖掘科研软件平台设计开发上的应用进行了研究,并提出了平台设计概要。在此基础之上,提出了一种中医数据挖掘研究的思想方法：将中医问题（数据）封装、将数据挖掘方法（算法）封装,实现统一的接口,从而实现在某一类中医问题中尝试不同的数据挖掘方法、将某一种数据挖掘方法应用于不同的中医问题。基于上述思想方法,实现了中医数据挖掘平台,用于中医相关领域的数据挖掘研究。     

支持向量机在中药浓缩浓度软测量中的应用

针对中药浓缩过程中浓缩液浓度估计问题,提出了支持向量机的软测量建模方法。分析了中药浓缩过程及工艺,选择6个过程变量作为辅助变量,用支持向量回归的方法建立软测量模型,并利用过程数据进行参数寻优和校验。利用优化后的模型对中药浓缩过程浓度进行了预测,通过数据验证了模型的学习性能和泛化性能。结果表明建立的软测量模型实现了对中药浓度较为精确的预测,使用支持向量机方法建模用于小样本学习,计算速度快,具有较强的泛化性。