基于改进最近邻聚类的机械手神经网络逆控制

机械手具有非线性时变、多变量、强耦合的特性,在机械手系统可逆的基础上,设计一种机械手的神经网络逆控制方案。通过神经网络逆辨识建立机械手的神经网络逆模型,把神经网络逆模型作为控制器模型与原机械手串联,构成一个伪线性动态模型,把非线性问题转化为线性问题。其中,辨识器和控制器均采用RBF神经网络结构,网络学习采用具有在线学习功能的最近邻聚类学习算法。仿真结果验证了本方案的有效性和可行性。     

一种基于干扰观测器的伺服系统设计

将摩擦力的Stribeck曲线作为伺服系统的摩擦模型,提出用干扰观测器来补偿摩擦力对伺服系统低速运行的影响。在对象的名义模型正确条件下,干扰观测器和反馈控制器的设计可以分开独立进行。低频时,产生的系统特性类似名义模型的特性,并从理论上保证了被控对象参数不确定时的鲁棒性,同时摩擦对伺服系统输出的影响等于零。仿真实验表明了该控制策略的有效性。     

污水处理曝气池溶解氧智能优化控制系统

提出一种新的溶解氧优化控制方法,根据不同的进水水质,利用在线多输入多输出最小二乘支持向量机软测量模型预测出水参数值.将这些参数作为水质反馈信号,使用模糊神经网络动态优化与进水水质对应的溶解氧设定值.最后利用神经网络逆控制系统跟踪优化的溶解氧设定值,从而实现在达到出水指标的前提下,既能保证出水水质的稳定,又能有效消除曝气量冗余,实现曝气量的动态优化,有效减少电能消耗.     

基于最近邻聚类支持向量机辨识的电弧炉电极逆控制

基于核函数的支持向量机(support-vector-machines, SVM)与三层神经网络等价关系, 构造基于SVM的多变量阶时延逆系统实现对原系统的伪线性化解耦, 提出最近邻聚类的SVM模型辨识算法, 设计了一种带前馈的参数自适应PD调节器和SVM逆控制相结合的控制策略. 通过对典型的MIMO离散非线性可逆系统和电弧炉电极系统的仿真研究, 表明该控制策略对于数学模型未知的不确定系统, 只需要一定量的输入输出数据作为样本学习, 就可实现对系统逆模型的高精度逼近, 控制系统具有良好的动态响应和跟踪精度. 当模型严重不确定、参数摄动、有外界干扰时, 系统具有很好的抗干扰能力和鲁棒性.     

基于最近邻聚类的多模型LSSVM逆控制系统

针对逆系统中非线性逆模型辨识困难以及大规模数据采用单模型回归存在精度差和计算量较大的问题,提出了一种基于最近邻聚类的多模型最小二乘支持向量机（LSSVM）逆模型辨识及控制方法。该方法首先使用最近邻聚类算法对数据集做出聚类划分,然后针对每个聚类做最小二乘支持向量回归估计,实现了对系统逆动力学模型的动态辨识。最后将辨识模型作为摔制器模型,与被控对象串联,构成一个动态伪线性对象,从而使非线性对象的控制问题转换为线性对象的控制问题,仿真结果表明基于最近邻聚类的多模型LSSVM逆控制系统辨识能力强,比单模型LSSVM逆摔制系统具有更优的动态跟踪性能,更好的抗干扰能力和鲁棒性。     

8098单片机控制的SPWM变频器硬件设计与调试

本文介绍了一种未采用ＳＰＷＭ专用芯片,而采用８０９８单片机实现的全数字式ＳＰＷＭ变频器硬件设计方案,重点论述了该变频器硬件调试过程中遇到的问题及解决办法。     

基于WinAC的LF炉电极智能控制系统的设计与应用

以LF炉电极系统为对象,采用SIEMENS基于PC的控制器WinAC RTX实现电极系统的智能复合控制,利用开发工具WinAC ODK开发接口程序;运用工业以态网和现场总线技术,确保了系统的实时性.实际应用表明基于WinAC的电极智能复合控制系统具有可靠性高、易维护、可扩充、性价比高等特点,具备一定的推广和参考价值.     

基于混沌变量的LQR控制器权矩阵优化设计

针对线性二次最优控制中加权矩阵难以确定的问题,引入一种系统瞬态响应这一具有直接工程意义的品质指标,提出基于logistic混沌变量的LQR权矩阵优化设计方法,为改善混沌变量大范围寻优效果不明显的不足,引入了混沌局部细搜索,找出全局最优值.根据该方法确定加权阵设计的最优控制器,可实现闭环系统具有所期望的动态特性,能保证闭环系统的渐进稳定性,且具有较大的稳定裕度.最后,通过一个SISO三阶系统的仿真实列,表明了该方法的可行性和优越性.