制冷系统蒸发器动态过程数学模型模糊辨识

建立制冷系统动态过程数学模型是实现制冷装置优化控制的重要基础.制冷蒸发器是一类过程复杂的两相流动与换热系统,具有明显的非线性和不确定性,其精确的机理模型难以建立.该文通过熵方法和竞争学习算法对输入空间进行聚类,利用递推最小二乘辨识算法(RLS)确定模型的结论参数,实现了蒸发器动态过程数学模型的在线模糊辨识.通过仿真实例,验证了模糊辨识方法对于制冷系统蒸发器在线建模过程的有效性,所建立的模糊规则模型不仅具有较高的辨识精度,同时还具有较为理想的泛化性能和在线跟踪能力.     

基于神经网络的切换非线性系统辨识

提出了一种基于神经网络的多个Hammerstein-Wiener模型构成切换非线性系统的在线辨识方法.首先,通过误差逆传播(back propagation,BP)神经网络建立切换非线性系统的切换规律预测模型;其次,提出折息递推辨识算法对各个非线性子系统的参数进行辨识.利用关键项分离法对乘积项进行分离,得到各个子系统的参数估计值.最后通过切换非线性系统辨识实例,并与其他方法进行比较,验证了所提方法的有效性.结果 表明:提出的方法在辨识切换非线性系统方面具有更高的准确率和可靠性.     

基于DRNN神经网络的挖掘机伺服系统参数辨识

为有效分析挖掘机电液伺服系统,提高依据模型设计控制器的精度,建立了系统状态空间模型。针对模型中的不确定参数,提出了基于对角回归神经网络的系统辨识策略。通过神经网络在线学习得到系统Jacobian信息,将实测信息代入含Jacobian信息与待辨识参数的线性方程,利用最小二乘法求得未知参数。实验表明,辨识模型能从初始阶段的微小误差逐渐地逼近实际系统,所提出的方法能有效辨识系统参数。     

瞬态下基于MRAS的DC-DC转换器参数辨识

为了解决实际应用中电感和电容值漂移的问题,提出一种瞬态条件下基于模型参考自适应系统(MRAS)的在线参数辨识算法,该算法可以同时辨识电感和电容.首先,介绍了基于MRAS的在线辨识系统结构;然后,根据MRAS基本原理和Boost转换器状态方程提出了一种基于MRAS的在线电感和电容辨识算法,并利用波波夫超稳定理论对辨识系统的稳定性加以证明;最后,对基于MRAS的参数辨识算法进行仿真验证.仿真结果表明:该算法的电容辨识误差在0.1%以内,电感辨识误差在0.2%以内.     

基于多模型在线辨识的滑模变结构控制

为了改善复杂非线性系统中传统滑模变结构控制系统的控制效果,提出了一种将多模型在线建模与滑模变结构控制结合的方案.首先,根据输入输出数据利用在线数据聚类的方法建立多个局部模型,实时对局部模型进行更新,并通过加权综合获得非线性系统的在线辨识模型;然后,针对系统的辨识模型设计基于趋近律的滑模变结构控制器.仿真结果表明,控制方案对系统模型的不确定性具有良好的鲁棒性.     

交流伺服系统的转动惯量辨识及调节器参数自整定

为对交流伺服系统的转动惯量进行在线辨识 ,调整了调节器参数以改善系统的动态性能。研究了基于模型参考自适应算法的一惯性系统及二惯性系统机械参数的辨识方法 ,并研究了自适应增益对辨识结果的影响。基于最小峰值响应方法对一惯性系统参数进行自整定 ,采用优化对称法设计了二惯性系统的速度调节器。比较了对一惯性系统和二惯性系统进行参数辨识及自整定的差异及相容性。仿真和实验证实了其有效性。该方法也可以用于永磁同步和异步电机。     

捷联惯性测量组件陀螺系统标定研究

对捷联惯性测量组件陀螺仪系统标定方案进行了研究.根据光纤陀螺系统静态误差参数模型,提出了一种在线组合标定方案和系统辨识算法,在线组合标定方法采用递推最小二乘算法对测试数据进行了在线处理,并通过该试验方案的仿真进行了验证,仿真结果表明这种方法是有效可行的.试验步骤简单,提高了标定的自动化水平.     

基于粒子群优化算法的气动参数在线辨识方法

对再入式高超声速飞行器的气动参数在线辨识方法进行了分析研究,采用滤波器对动态方程进行静态化处理,以简化辨识方法,但同时引入了不确定的滤波器参数.为了减小辨识过程中由滤波器参数选择引起的辨识误差,设计了一种参数选择策略.在常规选择参数的基础上引入了智能优化算法——粒子群优化算法,用以确定合适的滤波器参数值.然后,利用基于带遗忘因子的最小二乘法对时变气动参数进行在线辨识.最后基于SX-2模型进行了相关仿真.结果表明:基于粒子群优化算法的气动参数在线辨识方法与未引入参数选择策略的气动参数在线辨识方法相比,辨识精度得到了一定程度的提高.     

含有过程噪声的Hammerstein-Wiener模型辨识算法及其收敛性分析

针对含有过程噪声的Hammerstein-Wiener模型,提出一种偏差补偿递推最小二乘辨识方法.通过将偏差补偿引入到递推最小二乘算法中,在线辨识包含原系统参数乘积项的参数向量.并用鞅收敛定理证明偏差补偿递推最小二乘辨识算法的收敛性,分析表明在持续激励的条件下参数估计偏差一致收敛于零.仿真结果表明该方法优于递推最小二乘辨识方法.     

一种基于2次核函数支持向量机的多步预测控制算法

提出了一种基于2次多项式核函数支持向量机的多步预测控制方法。通过黑箱辨识和线性化技术得到非线性系统的近似模型,根据预测控制机理,最小化滚动时域的二次型目标函数,利用模型算法控制的方法得到控制器的解析输出。通过一个标准预测模型和一个工业用连续搅拌槽式反应器的模型仿真验证了该控制器的性能,仿真结果表明:该控制器有着良好的预测性能。     

基于神经网络的车用发动机广义预测控制

为了改善具有非线性特性的发动机燃油控制效果,以达到高效率、低污染的要求。利用一种前向神经网络作为非线性系统的模型,并将其分为线性部分和非线性部分。其中非线性部分用单隐层的BP神经网络对其建模,采用学习速度较快的Davidon最小二乘法在线调整网络权值;线性部分采用受控自回归积分滑动平均(CARIMA)模型作为其数学模型,用递推最小二乘法(RLS)作为其参数辨识的方法。每步将所得非线性系统的网络模型线性展开,得到线性回归模型,并以非线性前馈增益方式补偿建模误差,建立了一种适合非线性系统的自校正广义预测控制器。仿真结果表明该算法收敛速度快,控制动作平稳,控制效果理想。     

空调水系统实时在线优化控制预测模型的研究

针对集中空调水系统，将模型层次、模型特性及参数辨识有机结合，建立了系统层次实时在线的优化控制预测模型．该模型基于简单物理特性及自适应控制技术的模型参数在线辨识，能通过自校正式的在线仿真对系统的运行特性和控制特性进行实时预测．     

电液伺服系统的增益自适应滑模变结构控制

为实现对电液伺服系统非线性、不确定性和未建模动态等因素的有效补偿,将系统转换成具有自适应动态递归模糊神经网络(ADRFNN)辨识误差,即二次不确定性的等效线性数学模型,利用增益自适应滑模变结构控制(GASMC)方法对系统进行综合设计.实验结果表明:ADRFNN的高精度在线辨识和GASMC校正项的增益自适应功能使系统具有较强鲁棒性和更高的稳态精度,同时使系统控制量的颤振现象得到有效抑制.     

基于因特网的共享控制系统接入设备的在线辨识

研究在基于因特网的共享控制系统中,服务器节点在时变时延的网络环境下对接入设备对象的在线辨识.分析网络环境下被控设备对象在线辨识的方法与理论难点,融合控制技术及网络通信技术设计网络环境下共享控制系统接入设备在线辨识的模型结构.实现了服务器节点在网络环境下对电液位置伺服控制设备的模型参数辨识.以无网络环境下对该设备的辨识结果为基准,二者辨识结果基本一致.结果表明,该方案实现了被辨识的设备对象与辨识的服务器在空间位置上的分离,扩展了系统辨识的应用范围.     

基于子空间辨识的焦炉集气管压力控制

针对焦炉集气管压力具有多变量、耦合、时变性等特点,设计焦炉集气管压力增量式在线子空间多变量预测控制策略.在增量式子空间预测控制的基础上,引入滚动窗口子空间辨识方法,设计子空间预估器模型的更新策略,实现了在线子空间自适应预测控制.应用在线子空间辨识方法对焦炉集气系统现场数据进行辨识,取得了较好的预测精度;利用子空间预估器模型进一步建立焦炉集气系统的状态空间模型,在考虑输入约束、模型时变和干扰的情况下,该模型表现出了很好的控制精度和性能.     

混合选别过程半实物仿真系统

为了满足复杂工业过程控制技术的研究需求,需要建立具有代表性的半实物仿真系统.针对混合选别过程,研发由对象计算机、控制器设计计算机、监控计算机、虚拟执行机构与检测仪表装置和控制系统组成的半实物仿真系统.该系统基于工业控制系统软件开发控制算法,运用MATLAB研发虚拟对象、虚拟执行机构和检测仪表、控制器设计模型,研发了相应的可视化界面.在对象计算机、控制器设计计算机和监控计算机的基础上完成了被控对象机理建模、控制器设计模型参数辨识、控制器设计和控制器性能评价等研究.为复杂控制算法研究进一步工业应用奠定了基础.     

基于热模型的动力电池热故障诊断系统

为提高车载动力电池热管理系统的可靠性,使电池温度维持在合理的范围内,根据镍氢电池的结构及传热学原理,建立了电池的热模型,实现了电池内部及表面温度的在线预测.通过模型预测温度与实际温度的对比,对电池温度异常状况进行在线诊断,并将诊断信息通过控制器局域网(CAN)通信传送给整车控制器,使整车及时对故障做出响应.试验结果表明,该系统能准确及时地诊断风机故障、电池剩余容量(SOC)过高及电池过充故障,有效避免了因热故障引起的电池过温.     

A Study on PC/104 Embedded Automatic Balancing Control System

In this paper,an embedded real-time control system for automatic rotor balancing was studied.Benefiting from the modular design,this system can be easily reconstituted or expanded under different working conditions.The special designed hardware resists harsh environment.As an embedded application,it was very important to save system consumptions on both hardware and software,so the algorithms for unbalance vibration identification and attenuation were deduced,meantime a unified fast algorithm structure was achieved through the geometric analysis.Based on this structure,the signal processing algorithm was tested by an open data source,while the control algorithm was simulated using a basic rotor model,and then connected to a hyper gravity machine running online auto-balancing.The result confirms that the unbalancing vibration is effectively restrained.     

应用多变量系统辨识建立浮选回路在线模型

浮选回路的在线模型是实现浮选回路计算机高级控制的基础.本文将多变量系统辨识理论和方法应用于浮选回路在线模型的建立,以带外生可观测干扰变量的多变量受控自回归滑动平均模型作为浮选回路在线时间序列模型的基本形式.在IBM-PC/XT微型机上建立了通用的多变量递推辨识程序包MVRIMPB,用以估计模型的阶和参数.最后用仿真方法考查了程序包的实用性.     

基于在线时延辨识的网络控制系统调度

基于在线网络时延的辨识方法,提出一种对网络控制系统的周期信息、非周期信息和消息的实时动态调度算法.所提出的利用一种滤波器的辨识方法能够实时在线辨识网络时延,而且基于该时延辨识的调度算法能够动态地调整采样周期和分配带宽,并保证系统的性能和提高网络资源的利用率.仿真实例说明了辨识方法的有效可行性.