论PID与自耦PID控制理论方法

PID增益鲁棒性差的突出问题引起了作者质疑PID控制理论的动机, 提出了自耦PID协同控制理论方法, 意 外解决了PID增益鲁棒性差与抗扰动鲁棒性差的科学问题, 形成了前期研究成果. 然而, 前期成果没有科学阐明自 耦PID控制律及其整定规则的理论依据, 没有科学揭示PID潜在的基础理论问题. 为此, 本文通过PID控制系统的物 理属性分析, 首次揭示了PID御用概念会引起量纲冲突与不协调控制机理两个矛盾, 提出了解决这两个矛盾的科学 设想. 本文研究不仅阐明了纠错PID御用概念的必要性和迫切性, 科学解释了自耦PID控制律及其整定规则的理论 依据, 而且开创了遵循量纲匹配原则的控制理论发展方向, 具有重要科学意义.     

大时滞过程的预测自耦PI控制方法

针对大时滞系统的控制难题,提出了一种不依赖于被控对象模型的预测自耦PI（predictive self-coupling PI,PSC-PI）控制方法.该方法利用预估模型输出补偿实际输出,将系统外部扰动和内部不确定性定义为总和扰动,据此建立了动态误差系统,设计了以速度因子为核心的预测自耦PI控制律及其整定规则,进而形成了一个在总和扰动反相激励下的动态误差系统.理论分析表明,由预测自耦PI控制器组成的闭环控制系统具有全局鲁棒稳定性.仿真实验结果表明,该方法可以快速、平滑、准确地跟踪期望信号且控制精度高,在大时滞过程控制领域具有重要的理论意义和应用价值.     

高阶FIR多带阻数字滤波器优化设计研究

研究了FIR线性相位滤波器的幅频特性与余弦基函数神经网络算法之间的关系，给出了FIR高阶多带阻数字滤波器的优化设计实例，提出并证明了神经网络算法的收敛性定理．仿真结果表明，算法不仅是有效的，而且在FIR高阶数字滤波器优化设计领域具有很大的优越性．且算法不涉及逆矩阵的计算，有效解决了国内外其它优化设计方法无法设计高阶FIR线性相位滤波器的问题．     

基于正交基神经网络算法的多传感器数据融合方法

为了改善多个同类传感器检测目标参数的性能,提出了一种基于递推最小二乘法的多传感器数据融合的正交基神经网络算法,用基于递推最小二乘法的神经网络算法对各传感器的量测数据进行处理,并用神经网络输出结果的平均值来实现多传感器的数据融合.为了验证算法的有效性,给出了多传感器数据融合的仿真实例.研究结果表明,基于递推最小二乘法的多传感器数据融合的正交基神经网络算法是有效的.     

改进卡尔曼滤波的PID控制

传统的基于卡尔曼滤波算法的PID控制,在滤除控制过程中和测量过程中的噪声干扰方面效果很好。但系统的收敛速度、超调等方面还存在问题,这主要是PID参数没有达到最优。针对卡尔曼PID的参数优化问题,结合遗传算法优化PID参数,引入增量的分段控制改进控制信号[u]的组成结构。经过Matlab仿真验证,方法数据量少、参数优化快、系统收敛快、超调小,方法可行。     

一种基于ip-iq法的谐波检测新方法的研究

抑制谐波的一个重要手段是采用有源电力滤波器,有源电力滤波器的工作性能很大程度上取决于对参考电流实时、准确地检测。首先阐述了基于瞬时无功功率的ip-iq法的谐波电流检测的基本原理,由于传统ip-iq法使用锁相环PLL和低通滤波器会使检测出来的参考电流存在相移偏差和时间延迟,提出了一种无锁相环ip-iq法来消除相移偏差,通过增加预置补偿角来消除低通滤波器产生的时间延迟,从而能够精确、实时地检测出谐波电流。理论分析、仿真结果验证了所提出的检测方法的可行性和有效性。     

Chebyshev神经网络电路设计

以Ｃｈｅｂｙｓｈｅｖ 神经网络为基础,给出了非线性函数的仿真实例,并提出了用模拟电路实现Ｃｈｅｂｙ ｓｈｅｖ 神经网络的方法。     

切彼雪夫神经网络硬件实现

介绍了切彼雪夫神经网络简洁的拓朴结构及逼近任意非线性映射的优异特性,给出了非线性映射仿真实例与结果,并提出了一种采用单片机硬件和相应软件去实现神经网络的方法,这种方法具有较好的实用性.     

FIR线性相位滤波器优化设计研究

本文详细研究了FIR线性相位滤波器的幅频特性与余弦基函数神经网络算法的关系,分析了神经网络系统的稳定条件,给出了FIR滤波器优化设计实例.计算机仿真结果表明了该算法的有效性和优异性能.     

机械臂的改进型递归滑模动态面抗扰控制

针对机械臂关节运动的轨迹跟踪控制问题，研究了一种改进的递归滑模动态面抗扰控制方法。该方法考虑到机械臂系统存在的外部干扰，设计了一种基于非线性光滑函数的非线性扩张状态观测器(NLESO)，对外部干扰进行估计并前馈至系统控制输出进行补偿；基于NLESO构造递归滑模动态面的控制策略，利用反双曲正弦函数和幂次函数构造一种新的非线性增益函数设计改进型动态面控制律。该方法避免了反推法存在的“微分爆炸”问题，有效解决了传统动态面控制存在的控制精度与动态品质之间的矛盾问题，基于Lyapunov理论方法分析证明了系统的稳定性。仿真结果表明，该方法响应速度快、控制精度高、抗扰能力强，抑制了滑模的抖振问题。