转子系统振动的灰色关联控制方法研究

将灰色关联控制理论应用于转子系统的振动主动控制,设计了转子系统振动的灰色关联控制方案．该方案依据转子工作曲线和实测曲线的关联度实现对转子振动的控制,因此不需要转子系统的精确的数学模型,具有建模迅速,控制及时、准确,便于工程实现等优点．将该方案应用于一带电磁阻尼器的单盘转子系统的振动主动控制中,仿真结果验证了该控制方法的有效性．     

优化预测模型在航空发动机故障预测中的应用

在灰色预测模型的基础上,提出了改进背景值和初始值两种优化形式,对灰色系统进行优化,并应用小波包分解技术提取发动机转子振动信号的故障特征作为灰色预测系统的输入值,实现了对发动机转子的故障预测;通过实验仿真证明,这个优化灰色预测模型预测精度高,误差小,应用于航空发动机转子故障预测是完全可行和有效的.     

多变量系统灰色预测函数控制方法研究

针对多变量时滞系统,提出一种以灰色模型为基础的多变量灰色预测函数控制策略,并给出多变量灰色预测函数控制算法.分析了灰色系统建模,灰色模型预测输出,和控制量计算方程的求解.仿真实验表明,该方法有较强的鲁棒性,快速性和强抗干扰能力强的特点.     

灰色预测PID控制的气缸运动系统设计

为了提高气缸运行的平稳性,提出了一种基于灰色预测PID控制方法.给出了灰色预测PID控制结构,设计了灰色预测PID控制器,并在灰色预测理论所形成新误差序列的基础上,导出了校正PID参数表达式;接着,对输出预测进行滤波处理,以消除预测值偏高的不足;然后,搭建了气缸运动控制实验系统并进行了测试实验.结果表明:相对于常规PID控制,灰色预测PID控制的气缸运行过程中速度超调量由22.1％降至7.8％;速度波动范围由±6.2％降至±2.1％.采用灰色预测PID控制的气缸运行过程中速度超调和振荡问题有了明显改善,满足了大多数场合的应用要求.     

灰色预测GA - PID全垫升气垫船航向控制

全垫升气垫船是一种高性能船舶,具有良好的快速性和两栖性,有很广泛的应用领域.但由于系统本身的非线性特性,很难获得很好的操纵性.为了控制提高动态特性和获得精确控制规律,提出采用灰色预测的GA - PID方法,利用遗传算法在每个采样时间对PID参数进行在线优化整定,同时利用灰色误差预测可以准确预测误差的实时变化趋势,以误差预测值进行PID控制可以起到一种超前控制的作用.在这两种控制共同作用下进行仿真.结果表明,气垫船航向控制有很强的自适应性,并在各种环境下都能得到很好的控制效果,证明结果有效.     

灰色GM(1,1)模型优化研究进展综述

灰色预测技术是灰色系统理论的重要分支之一。 分别从灰生成技术、边值条件的改进、背景值的改进、模型参数估计方法改进、残差序列的优化、综合优化6个方面对近年来灰色预测模型中的GM(1,1)模型优化研究现状进行了比较全面的介绍,同时也对灰色GM(1,1)预测模型未来的发展方向提出了一些建议。     

多变量系统的PID 控制器设计

针对多输入多输出系统,提出一种基于微粒群算法的灰色系统预测PID 控制算法．该方案将多 输入多输出系统转化成若干个多输入单输出子系统,使用多变量一阶灰色模型GM(1;N) 预测出每个子系统的 输出,实现了多输入多输出系统的对角解耦．然后用微粒群算法优化PID 控制器的参数,用优化后的PID 控 制器对每个子系统进行控制．对两个典型的多变量控制过程进行了仿真,结果表明,这种控制方法超调量较 小,鲁棒性强,响应速度快,抗干扰能力强.     

基于灰色系统模型的预测函数控制方法研究

以灰色系统模型为基础，建立了一种预测函数控制方法．分析了灰色系统建模、模型预测输出和控制量计算方程的求解．通过仿真结果表明，该算法具有鲁棒性好、跟踪快速和抑制干扰能力强等特点。     

一种新型自调节灰色预测控制器

提出一种结合传统反馈控制方法和灰色预测控制的新型自调节灰色预测控制器，可对系统当前输出误差和预测系统输出误差进行合成形成一个综合误差，并用综合误差代替传统反馈控制方法中的实际误差项，这样控制器可根据系统当前和将来的响应来计算控制律．该控制器可根据预测精度来自动调整控制器参数，使控制器对系统响应具有适应性．仿真结果表明，与传统反馈控制方法相比，该控制器可获得更为优良的动态性能和鲁棒性．     

灰色预测控制在有源滤波器中的应用

为了有效地补偿非线性负载中的谐波电流,针时数字化的APF系统,提出了基于灰色预测的APF预测控制方案,根据灰色系统理论的GM(1,1)模型,建立负载电流谐渡的灰色预测模型,并将其应用于APF谐波补偿控制装置.结果表明,采用灰色预测控制能较好克服APF滞后对谐波补偿的影响,改善了系统的性能.     

灰色系统理论预测算法GM(1,1)模型研究及其应用

目前,农村经济数据存在小样本、少数据和信息不完全等问题,用传统的建模方法并不太适合.灰色系统理论是一种研究少数据、贫信息、不确定性问题的新方法,它在农村经济预测中相对于传统预测方法有明显的优势.重点研究了GM(1,1)模型、等维灰数递补动态模型和周期修正模型,对预测算法存在的不足和缺陷提出了改进方案,并运用matlab...     

基于灰色预测的大时滞过程的控制研究

针对传统PID控制对大时滞过程控制效果不佳的情况,采用基于GM(1,1)灰色模型对被控对象系统行为进行预测,并用等维新息、提高原始数据列的光滑度和改变初始条件三者结合的方法对该模型进行改进,得到一个改进的GM(1,1)模型.同时以GM(1,1)模型的发展系数a作为决定预测步长的依据,将其与传统PID结合,组成灰色预测控制系统对大时滞过程进行控制.仿真结果表明,与传统PID控制相比,该方法具有较强的适应性和鲁棒性,控制性能也得到了较明显的改善.     

一种改进的灰度预测模型

灰色预测模型通常是GM模型,但预测精度有时不令人满意。在对模型GM做了进一步研究的基础上,提出了一个预测精度较高的新灰色预测模型,并从理论上证明了这种模型可以有效提高建模数据序列的光滑度。最后把此方法应用于东部某镇GDP的建模中,试验结果表明该方法是可行且有效的,所建模型的精度优于传统GM（1,1）模型的精度。     

灰色理论在柴油机实验台测控系统中的应用

介绍了灰色理论在柴油机实验台测控系统中的应用。分析了柴油机应用灰色理论的可行性,并以TBD234V12柴油机滑油压力参数为例,应用GM(1,1)新陈代谢模型对其进行了预测,分析了模型精度,编制了GM(1,1)模型的MATLAB语言程序,为后续在实验台测控系统中应用及故障预测创造了条件。     

基于灰色系统理论的阈值自动选取算法

针对阈值方法常需要人工干预的问题,提出了一种基于灰色系统理论的阈值自动选取算法。首先利用降低灰度级后的直方图检测峰值,然后自动采集峰间内侧附近的样本作为灰色预测的种子点。通过灰色理论GM（1,1）模型预测种子点发展走向,并计算模拟交汇点,得到最优阈值。利用该算法与经典的Otsu,Kapur 算法以及文献[3]和[4]中的方法对15 组不同复杂度图像进行对比阈值分割,并采用AER进行分割评估,实验表明新算法平均分割误差为19.37%,低于上述四种方法。     

基于粒子群优化的灰色预测方法

对灰色预测算法进行了研究。在GM(1,1)模型中,发展系数a和灰色作用量u是两个关键的参数,对系统的性能有较大的影响。传统的方法使用最小二乘法来求解,不仅计算复杂,而且预测结果的误差也较大。论文对此进行了研究,并提出了一种改进的灰色预测算法PSOGP。PSOGP的主体仍使用GM(1,1)模型,但在求解相关参数时,PSOGP使用了粒子群优化算法。仿真试验表明,与经典的GM(1,1)模型相比,PSOGP算法的预测精度得到了较大的提高。     

基于灰色Elman神经网络软件可靠性预测模型

针对当前软件可靠性预测模型在随机性和动态性较强的可靠性现场数据中存在预测精度波动比较大、适应性比较差的问题,提出一种基于灰色Elman神经网络的软件可靠性预测模型。首先使用灰色GM（1,1）模型对失效数据进行预测,弱化其随机性;然后采用Elman神经网络对GM（1,1）的预测残差进行建模预测,捕捉其动态性变化规律;最后将GM（1,1）预测值和Elman神经网络残差预测值相结合得到最终的预测结果。使用航班查询系统的现场失效数据集进行了模型仿真实验,并将灰色Elman神经网络预测模型与反向传播（BP）神经网络、Elman神经网络预测模型进行比较,其对应的均方误差（MSE）和平均相对误差（MRE）分别为105.1、270.9、207.5和0.0011、0.0021、0.0016,并且灰色Elman神经网络预测模型的误差均为最小值。实验结果表明该模型具有较好的预测精度。     

基于灰色GM(1,1)模型的时间序列预测研究

基于灰色理论GM(1,1)模型,结合Elman神经网络组成灰色神经网络模型。模型的输出误差作为一个新的时间序列,通过Elman神经网络对误差序列进行拟合和预测,更大限度地减小预测误差。GM(1,1)模型所需要的数据少,方法简单;Elman神经网络是动态的神经网络对历史数据具有高度的敏感性。这种灰色理论与动态神经网络的组合模型,比起单个的预测模型提高了预测精度,通过分析和验证表明,该方法实用有效。     

基于灰色预测模型的某型导弹贮存寿命评估方法

科学地确定导弹的贮存寿命对提高部队装备保障能力和战斗力具有重要的现实意义。本文着重描述具有"少数据建模"特点的灰色GM(1,1)预测模型的建模方法及残差精度检验方法,最后应用此模型解决了某型导弹贮存寿命评估的问题,结果表明该方法是有效的,具有较高的使用价值。     

基于灰色预测的航材消耗定额模型

针对航材种类繁多、规格复杂,准确预测航材消耗比较困难的问题,提出利用灰色系统理论中的GM（1,1）模型,根据历年航材消耗数据,确定其预测模型。算例表明本模型具有较大的准确性和实用性。