排序方式: 共有121条查询结果,搜索用时 16 毫秒
1.
二维直线电机在实际运行中存在强耦合、未知非线性等未建模动态控制问题,且易受外部干扰的影响.基于无模型自适应控制(MFAC)不依赖被控系统精确数学模型的特点及迭代学习控制(ILC)循序渐进的学习规律,提出一种改进多入多出无模型自适应控制(MIMO-MFAC)的二维直线电机迭代学习控制(ILC)复合控制方案.在无模型自适应控制输入准则函数中加入一阶差分单元,使改进多入多出(MIMO)无模型自适应反馈控制器具有很强的鲁棒性.迭代学习前馈控制器可以克服外部干扰,补偿系统非线性,前馈反馈优势互补,实现对期望输出的精度补偿,进一步减小位置跟踪误差.最后,将二维直线电机运动平台与LINKS-RT半实物仿真系统相结合,通过实验验证所提方案的有效性. 相似文献
2.
基于坐标补偿的自动泊车系统无模型自适应控制 总被引:2,自引:0,他引:2
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. 相似文献
3.
针对一类离散时间非线性系统, 提出一种基于虚拟参考反馈整定的改进无模型自适应控制方案. 首先, 利用动态线性化方法给出非线性系统的紧格式动态线性化模型; 然后, 基于优化技术设计控制算法和伪偏导数估计算法; 最后, 设计基于虚拟参考反馈整定的伪偏导数初值和重置值的估计算法. 该控制方案设计仅依赖于被控系统的输入和输出数据, 且能保证闭环系统的稳定性和收敛性. 仿真比较结果验证了所提出方法的有效性.
相似文献4.
布尔序列的一种KNN改进算法 总被引:1,自引:1,他引:0
布尔序列分类作为一类特殊的分类问题在以往很少被予以专门的研究.本文首先定义布尔序列的属性序化和分片映射的概念,在此基础上提出一种称为序化分片映射(OPM)的降维方法,并将此方法与KNN算法结合提出了一种KNN的改进算法(OPM-KNN).实际数据的实验和分析表明,在降维方面,本文OPM方法与传统PCA方法效果相当,速度有较大提高;在分类方面,本文改进KNN算法与传统的KNN算法相比,分类准确度相当,分类速度增快. 相似文献
5.
带有迭代学习前馈的快速路无模型自适应入口匝道控制 总被引:4,自引:1,他引:3
提出了一种新的带有迭代学习前馈的快速路无模型自适应入口匝道控制算法. 模块化的前馈迭代学习和反馈MFAC控制器设计方案使所设计的控制系统有效地利用了交通流的周期性特征, 提高了控制品质. 严格的数学推导证明了该方法的收敛性. 仿真研究及比较结果验证了所提算法的有效性. 相似文献
6.
提出一种基于周期信号的迭代学习控制方法,并将其应用于电力逆变器,分析了跟踪误差沿迭代方向的收敛条件,给出了控制律的时域表达形式以及参数的确定方法.由于该方法理论上可实现跟踪误差收敛到零,因而使逆变器输出电压跟踪精度大幅提高.通过MATLAB/Simulink仿真,该方法的有效性得到验证;此外,与传统PID控制相比,仿真结果显示出该方法具有较好的负载适应能力以及优越的跟踪性能. 相似文献
7.
现有系统参数辨识方法大多是建立在输入输出数据可以完全测量和完全获取的基础上,而在实际系统中,由于传感器故障或网络传输机构故障,使得数据丢失现象经常发生。研究一类线性系统在输入或输出数据丢失情况下的系统辨识问题,并将数据丢失现象描述为随机伯努利序列,在此基础上提出新的辨识算法来估计数据丢失情况下系统的参数。最后,通过仿真示例验证所提算法对数据丢失的影响。结果表明,所提出的算法相较于递推最小二乘法有更好的收敛性。 相似文献
8.
自适应单指数平滑法在短期交通流预测中的应用 总被引:2,自引:0,他引:2
短时交通流预测是实现交通规划和管理的关键技术之一. 指数平滑法因其计算过程简单, 需要观测数据较少等优点, 在短时交通流预测中获得了广泛的应用, 但其平滑系数缺乏有效的选取方法. 本文提出了一种自适应单指数平滑法, 通过近似动态规划方法的引入, 结合实际交通流数据对指数平滑系数进行优化, 使其随预测过程自动更新, 从而保证了预测的实时性、准确性. 严格的理论推导证明了这种预测方法的收敛性, 仿真结果验证了算法的有效性. 相似文献
9.
一类离散时间非线性系统不依赖受控系统数学模型的学习自适应控制 总被引:5,自引:0,他引:5
给出了一类离散时间非线性系统的不依赖受控系统数学模型的学习自适应控制方案,它不需要受控系统的结构信息、数学模型、外部试验信号和训练过程,仅用受控系统的I/O数据来设计,传统的未建模动态不存在,所给出的计算机仿真结果说明了所给出的方案的正确性和有效性。 相似文献
10.
给出了一类离散时间非线性系统的不依赖受控系统数学模型的学习自适应控制方案,它不需要受控系统的结构信息、数学模型、外部试验信号和训练过程,仅用受控系统的I/O数据来设计,传统的未建模动态不存在,所给出的计算机仿真结果说明了所给出的方案的正确性和有效性。 相似文献