精密导轨磨床运动误差计算机测试控制系统

提出用计算机测试预报来补偿导轨磨削精度的新方案。对导轨磨床工作过程实时在线测试建模预报控制,给出了具有模型误差补偿的三段互偶算法。实验结果表明,本系统算法收敛快,具有良好的适应性和实用价值。     

机械手广义误差模型调节器

对机械手的轨迹控制提出一广义误差调节策略，控制输入分解为基于非线性模型部分和基于具有未知或时变参数的误差模型部分，由广义最小方差控制律得到补偿输入，并直接辨识广义误差预报模型系数，算法简单，误差修正迅速，仿真结果显示了该算法保证机械手的运动紧跟设定轨迹。     

机械手广义误差模型调节器

对机械手的轨迹控制提出一广义误差调节策略，控制输入分解为基于非线性模型部分和基于具有未知或时变参数的误差模型部分，由广义最小方差控制律得到补偿输入，并直接辨识广义误差预报模型系数。算法简单，误差修正迅速，仿真结果显示了该算法保证机械手的运动紧跟设定轨迹。     

基于改进遗传算法的电网无功补偿优化控制研究

电网无功功率补偿优化控制是一个多元非线性动态约束问题,传统的电网无功补偿非线性规划方案都需要精确的数学物理模型,且各参变量间的协调性较差,很难满足电网多目标优化控制的工程需要.利用改进蚁群算法分布式协同组合优化的思想,建立以电压越限畸变为惩罚函数,以电压和无功补偿综合满意度为目标函数的电网无功补偿优化控制模型.实例仿真试验表明,基于改进遗传算法的电网无功优化控制模型,通过自适应的目标函数最大路径寻优,获得电网无功功率补偿装置较优越的无功补偿组合,提高了电网无功补偿的综合效率,有利于系统电压的稳定性,为电网无功优化提供了一个新的智能运算模型.     

容错型牵引电机驱动系统的间接定子量控制

针对基于三相四开关容错逆变器的电力牵引传动系统,提出牵引电机的间接定子量控制方案.采用间接定子量算法生成参考电压矢量,以固定逆变器开关频率和减小电磁转矩脉动;通过含有饱和限幅环节的改进型磁链观测器抑制定子磁链的积分漂移.针对三相四开关空间电压矢量的特殊性,给出了容错逆变器SVPWM调制算法;考虑到容错逆变器直流侧电容中点电压不平衡的问题,建立了中点电压补偿模型,提出了一种基于PID调节器的补偿方案.通过MATLAB/Simulink仿真实验证明了所设计的基于三相四开关容错逆变器的牵引电机间接定子量控制方案的可行性和有效性.     

最小偏差控制中的数学方法

应用多目标优化方法和完整的最小二乘递推算法,给出了一种基于多模型的最小偏差（MB）控制算法,即同时建立多个模型并将那些预报误差相对较小的所谓容许模型的MB控制的加权平均作为最终结果。     

基于速度补偿算法的多机器人编队控制研究

为解决传统领航-跟随算法在多机器人系统编队控制中算法复杂及普通编队控制律较难完成多机器人圆形编队的问题,通过对传统的领航-跟随算法进行改进,将多机器人的编队问题转化为机器人之间的跟踪控制问题,提出了一种基于位置信息的速度补偿算法,并将其用于多机器人编队.首先建立了速度补偿算法机器人编队控制模型,利用跟随机器人与虚拟机器...     

基于在线补偿算法的卫星姿态控制系统容错控制

针对卫星姿态控制系统中传感器或执行机构发生故障的情况,提出一种基于在线核学习算法补偿的内模容错控制方法.该方法利用内模控制的性质以及在线学习算法的补偿能力,来实现卫星姿态控制系统的自适应容错控制.首先,提出了一种基于正交匹配追踪思想的在线核学习算法,其正交性增强了算法的稀疏性,匹配追踪思想确保了估计误差的有界性.其次,利用提出的在线学习算法来补偿原系统的逆模型,作为故障后系统的逆模型使用,并与原系统组成伪线性系统.最后,将此系统应用于卫星姿态控制系统的内模控制中,仿真结果证明该算法快速可靠,能够满足故障状况下的性能要求.     

基于模型预测控制的异采样率双环网络控制系统仿真

在实际应用中, 为了追求更佳的性能和更低的成本, 网络控制系统往往会采用不同的采样率进行工作。针对一类异采样率双环网络控制系统中的时延补偿问题, 设计了一种模型预测控制MPC 和PID 控制相结合的串级控制算法, 通过状态方程模型预测出未来时刻的输出, 并进行滚动优化, 在线补偿随机网络时延带来的负面影响。进一步利用Matlab/ Simulink 软件对该算法进行了仿真研究。结果表明, 在内外环采样率不同, 网络时延随机变化的情况下, 该算法比PID-PID 和Smith-PID 算法具有更好的控制效果, 验证了该算法的有效性和优越性。     

模糊预测函数控制在倒立摆上的应用研究

为了实现倒立摆系统控制的快速性和稳定性的有机结合,提出将近年来出现的模糊预测函数算法运用于倒立摆系统之中的控制方案,采用预测函数控制建立的模型输出对实际模型输出进行补偿,从而设计了倒立摆的模糊预测函数控制器,并进行了计算机仿真和实时控制.结果表明,在抑制外部扰动和实时控制性方面,可以达到较为满意的控制效果,具有较强的鲁棒性.     

热控涂层性能退化模型与模型参数求解

针对航天器热控涂层性能的退化规律,提出了类指数模型、指数-指数组合模型,并应用LM(阻尼最小二乘法)算法给出了模型参数的求解方法.利用美国Teflon型涂层地面模拟试验数据进行模型参数求解,并应用得到的模型进行预测外推,将各模型对应的预测结果以及国际上常用的简单指数模型对应的预测结果和美国9年时间跨度的试验数据进行了比较.比较结果表明,提出的模型和给出的方法对于航天器热控涂层性能退化预测是有效的和可行的,并且预测结果优于已有的简单指数模型.     

未来电网控制形态

电力是国民经济的基础支柱,关系国家能源安全和社会发展.电网的安全稳定运行需要成熟的控制技术,未来电网控制的发展水平决定了智能电网的发展水平.明确电网中长期发展目标,对未来电网控制形态和概念设计展开研究讨论,首先从控制形态特征入手,给出这一概念的定义.通过文献调研,得出现代电网的控制形态特征,分析影响电网控制形态的关键因...     

基于人工神经网络的负荷预报模型

针对基于ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）学习算法存在的问题,提出了变步幅最速下降和共轭梯度的混合算法来训练人工神经网络,并建立负荷预报人工神经网络模型．为了提高预测精度,对预报权值进行在线修正．实例证明,混合算法在全局收敛特性和收敛速度上要好于基本ＢＰ算法,所建立的预报模型能达到令人满意的精度．     

基于多级鲁棒PID控制的汽车稳定性控制策略

利用AMESim软件搭建了整车和液压制动系统模型。将基于H∞控制理论的PID控制算法应用于汽车稳定性控制的研究。根据车辆行驶状态的变化调整鲁棒PID控制器的参数,构建以横摆角速度和质心侧偏角为控制目标的汽车稳定性控制算法。进而利用PID控制算法得出制动轮缸压力,实现了整车的稳定性控制。利用Matlab/Simulink和AMESim建立联合仿真平台,对控制算法进行验证。结果表明,该控制算法具有很好的实时性和控制效果,能够满足车辆稳定性控制的要求。     

基于模型预测控制的磨削机器人末端力跟踪控制算法

基于曲面预测与模型预测控制算法提出磨削机器人对连续曲面工作时的末端力控制算法。给出机械臂离散、线性化的动力学模型;根据曲面预测算法计算未来时刻的曲面坐标,通过快速算法和求逆解运算获得机械臂满足设定值时各关节的期望角度;由动态矩阵控制算法求得机械臂各关节的输入力矩,以实现对期望关节角的轨迹跟踪。在仿真试验中控制机械臂追踪未知连续曲面,证明了机械臂针对未知曲面作业时所提算法力控制的实时有效性,并且达到目标要求。     

核环境多关节蛇形机械臂的运动控制系统设计

以核聚变反应舱的探测和维护作业为例,设计一种具有多关节串联式结构的蛇形遥操纵机械臂系统,结构采用轨道推送加悬臂调整的复合式操控方案。针对机械臂执行全舱作业的运动需求,对机械臂运动轨迹进行仿真分析。设计包括路径规划与轨迹控制等的机械臂运动控制算法,构建各关节在运动学上能够同步运行的多轴协调控制系统。通过搭建模拟舱几何环境,对机械臂进行运动测试,完成关节旋转角度的控制精度评估。构建机械臂系统的重力补偿模块,通过柔性模型的仿真验证对机械臂系统的末端定位精度加以评估。测试结果验证了运动控制系统的有效性。     

工业锅炉计算机监控系统设计

主要讨论了２０ｔ／ｈ工业蒸汽锅炉计算机监控系统的组成和特点,并对控制方案进行了具体分析。该系统可实现汽包水位、炉膛负压、炉膛负压、蒸汽压力等主要特性参数的自动控制,并采用变步长自寻优模糊控制算法实现燃烧过程的最优控制。     

基于径向基函数神经网络PID与模型预测控制的车辆轨迹跟踪控制

为提高无人驾驶车辆的稳定性和鲁棒性,提出一种基于径向基函数神经网络自适应比例积分微分（RBFNN?PID）算法和模型预测控制（MPC）算法相结合的车辆轨迹跟踪控制方法. 基于自适应RBFNN?PID算法、MPC算法以及车辆动力学模型,建立智能车辆纵向速度控制和横向控制的仿真模型并将其结合起来. 在此基础上,以横向MPC控制和LQR?PID控制算法为基准,验证所提出的控制方法在轨迹跟踪方面的优越性. 仿真结果表明,新方法比对照组具有更高的精度. 最后,对新控制方法的硬件在环验证表明,该轨迹跟踪控制算法在轨迹跟踪精度和稳定性方面具有一定的有效性和先进性.     

改进粒子群算法在中长期电力负荷组合预测模型中的应用

为提高电力负荷预测的精度,提出了基于改进粒子群算法的电力负荷组合预测模型求解方法.该方法以回归分析、比例系数、灰色模型为基础建立负荷组合预测模型,利用改进粒子群算法优化组合预测模型的权值,并与单个预测模型进行比较.预测结果表明,基于改进粒子群算法的电力负荷组合预测模型运算速度快,预测精度高,相对误差小.