基于稳定裕度的新型IMC-PID整定方法

提出了一种针对稳定过程的内模proportion integration differentiation(IMC-PID)控制器整定方法。通过在频域内保证系统达到期望的相位裕度和幅值裕度,将内模控制器转化成PID控制器。转化过程中选用欧拉公式替代内模控制器分母中的非线性部分,并应用拟合方法得到了内模控制系统中滤波器参数与稳定裕度之间的解析关系。在整个转化过程中没有应用任何近似方法,所以最终得到的PID控制器与经典内模控制器能够取得相同的控制效果。最后通过仿真实例验证了本方法的有效性。     

基于干扰观测器的Smith补偿控制方法

针对Smith补偿器控制效果易受外部干扰或模型不确定性影响的问题,利用干扰观测器（disturbance observer-based,DOB）结构改进传统的Smith补偿控制结构,并在综合考虑鲁棒性和控制性能的情况下给出了DOB滤波器和Smith补偿控制器的设计方法。仿真实例表明,改进后的Smith补偿控制效果优于传统方法。     

一种改进人工蜂群算法的 Wiener 模型分步辨识法

为解决非线性系统 Wiener 模型参数辨识问题,提出了一种基于改进人工蜂群算法（NLJ-artificial bee colony algorithm, NABC）的分步辨识方法。NABC 算法融合了人工蜂群算法的简洁性和随机搜索算法的高精度优势,有较快的收敛速度、较强的局部求精和全局搜索能力。通过对经典测试函数的寻优,验证了 NABC 算法较其他改进方法的优势。分步辨识法解决了 Wie-ner 模型辨识过程中容易造成的误差累积问题,实现其线性和非线性部分的独立辨识。通过 pH 中和反应过程建模仿真验证了分步辨识法的有效性。     

基于Takagi-Sugeno模型的质子交换膜燃料电池广义预测控制

针对质子交换膜燃料电池（PEMFC）这一非线性复杂被控对象,采用基于C均值模糊聚类的Takagi-Sugeno(T-S)模糊神经网络辨识方法,建立了系统的电特性模型;在此基础上应用广义预测控制策略,实现了PEMFC的输出功率控制。仿真实验比较了该方法与基于时间绝对偏差乘积积分(ITAE)指标的PID控制器和LQG控制器方法,结果表明所提出的方案在负荷跟踪、克服扰动及鲁棒性方面具有较理想的控制性能。     

基于无先导卡尔曼滤波的RBFN训练算法研究

提出了应用无先导卡尔曼滤波器（UKF）来训练径向基神经网络（RBFN）的新方法。与广义卡尔曼滤波器（EKF）和双重卡尔曼滤波器（DEKF）对函数的一阶近似不同,UKF对非线性函数采用二阶近似展开,而且最重要的一点是不必求取系统的雅克比矩阵,从而大大减小计算量。本文对时间序列预测及分类问题进行了仿真,结果证实了该方法的有效性和快速性。