水压频率的递归网络灵敏度预测控制研究

提出一种对水轮发电机组水压频率进行综合调节的记忆递归网络灵敏度预测控制器。控制器由预测网络的控制网络组成，预测网络向控制网络提供控制灵敏度信号。两个网络均根据学习和控制的收敛与稳定性定理自适应学习，仿真结果表明控制器能在线实时控制具有非线性，时变，多变量特性的水轮发电机组。有效控制水压。     

基于神经网络的水轮发电机组振动故障诊断专家系统的研究

针对神经网络的缺陷和水轮发电机组振动故障原因多、征兆多的特点，利用网络分块技术，把BP网络规模控制在可以接受的范围内，并将专家系统与神经网络相结合，较好地解决了知识获取和自学习的问题。通过实例验证，该网络模型能有效地分离各种故障类型，在水轮发电机组振动故障诊断中具有一定的诊断能力。     

水轮发电机组的非线性PID控制

为解决水轮发电机组的非线性、时变性和难以精确建模等问题,将一种简单且易于实现的非线性PID(NLPID)控制方法应用到水轮发电机组控制中。NLPID控制器包含的积分行为可以补偿动力系统的各种未知因素。通过构造Lyapunov函数证明了控制系统的闭环稳定性。仿真结果表明:所设计的水轮机发电机组NLPID控制律的抗干扰能力和对系统模型不确定性的适应能力均优于微分几何方法;该方法有利于提高水轮发电机组的鲁棒性和适应性。     

水轮发电机水门非线性控制器研究

建立了水轮发电机组水门调节的非线性模型。根据微分几何控制理论中的零动态设计方法，提出了水轮机水门非线性控制规律。基于ＭＣＳ－９８单片机研制成功微机水门非线性控制器，并应用于丹江口水力发电厂水轮发电机的水门控制中。     

水轮发电机组多回路鲁棒调速控制研究

针对水轮发电机组调速系统模型中参数不确定的控制问题,提出水轮发电机组多回路鲁棒调速控制策略.首先考虑多种因素建立水轮发电机组调速系统单回路控制模型;在此基础之上构建包含伺服系统的第一控制回路、包含水轮机的第二控制回路和包含发电机的第三控制回路,3个回路互相嵌套,由此构建水轮发电机组多回路鲁棒调速控制系统框架;最后通过实例利用鲁棒控制理论中的混合灵敏度和μ综合两类方法分别设计此3个回路.仿真结果表明,在负荷突然增加或减少时,多回路鲁棒调速控制系统在上升时间、调整时间等多个时域指标上均优于传统PID控制单回路系统和双回路鲁棒控制系统,具有良好的抗干扰能力和控制效果.     

水力机组振动监测与信号处理

随着水轮发电机组单机容量的增大，对机组的检修、维护、运行、管理提出了更高的要求。因此，加强水轮发电机组的监测，对重要参量进行及时分析，对有关性能指标进行及时评估，对机组故障进行及时预测预报、分析原因，对于大中型水轮发电机组具有重要的意义。     

基于人工神经网络基础上的汽轮发电机组励磁与转速控制

在对汽轮发电机组过渡过程和人工神经网络理论分析研究的基础上，把人工神经网络引入到对发电机组励磁与转速系统的控制中，根据分工合作、协调控制的原则提出了由两个三层ＢＰ网络为核心的ＡＮＮ综合控制器．该控制器能识别运行状态的变化，在故障时自动启动快关汽门装置，达到对机组的综合协调控制．最后给出了该控制器对单机－无穷大系统的数字仿真结果     

水轮发电机组H∞状态反馈综合最优控制系统

根据实际工程应用的特点，改进了Ｈ_∞状态反馈控制的算法，并给出了一种选择Ｈ_∞权矩阵的方法；以此为基础设计及研究了一种能综合控制水轮发电机组的励磁和导叶开度，集励磁调节器、调速器功能于一体的综合控制系统．结果表明，该控制器在基本不影响系统响应性能的情况下，能明显地改善系统的鲁棒性．     

水轮机调速系统的混沌特征——控制器参数的影响

提出基于混沌理论和数字仿真方法研究水轮发电机组调速系统的转速控制问题，讨论了控制参数对水轮发电机组调速系统出现混沌现象的影响     

大电网并列运行水电机组功率智能预测控制

综合最小二乘法和多层前馈神经网络的优点，提出一种适合于快速非线性预测的智能预测器；并基于它对水轮发电机组有功功率的预测，研究出一种简单实用的仿人智能开关控制策略．由此组成的控制系统有很好的智能性和预见性，且在目前条件下易于现场改造．把它应用于湖南某电站的机组功率调节中取得了满意的控制效果     

基于BP网络的非线性广义预测学习控制器

本文提出了一种基于ＢＰ神经网络的非线性义预测学习控制器，它由一个ＢＰ网络构成。在整个学习与控制过程中，首先根据被控对象的输出与ＢＰ的学习输出之间的误差来修改网络的权值，以逐步建立被控对象的合理的多步预报模型；然后，根据网络的多步预报输出序列与设定值序列的偏差修改控制律。     

基于神经网络的多变量非线性系统的广义预测控制

为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器。     

神经元预测控制算法在稳定土厂拌设备中的应用

采用PLC、工控机实现了稳定土厂拌设备的智能控制.水泥流量采用神经元预测控制,该算法网络结构简单、收敛速度快,现场使用效果良好.该系统使用方便、可靠性好、控制精度高.     

纯滞后对象的神经网络辨识及自适应控制

提出了一种针对纯滞后对象的神经网络及控制结构。在神经控制器的在线训练中,引入了反向传播的预测误差信号,并采用基于Ｋａｌｍａｎ滤波的学习算法分别训练用于辨识的神经网络及神经控制器。给出了具体的理论推证及运行机理分析。仿真结果表明,这种控制方案对纯滞后线性、非线性动态对象均能获得满意的控制效果。     

基于递归神经网络的多变量系统预测控制

针对线性PID控制器系数难以整定的问题，构造了一种用神经网络实现的非线性PID控制器．多个具有相同结构的非线性PID控制器并联，对多变量系统实现解耦控制器．结合预测控制的思想，提出两种控制方案．第一种是在递归多步预测的基础上，在广义最小方差目标函数下实现控制，第二种利用多步预测目标函数在线修正解耦控制器的权值．仿真实验表明这两种方法的有效性．     

基于RBF网络的机械手迭代学习控制器

针对迭代学习控制用于机械手轨迹跟踪时存在的收敛速度慢的问题,提出了一种基于RBF网络的迭代学习控制器,利用先前跟踪不同期望轨迹所得的经验构造新的初始控制量以加快收敛速度.将给定的期望跟踪轨迹分解成多个查询点,然后用RBF网络对每个查询点周围最邻近的k个数据点进行拟合以建立系统的逆动力学特性估计,进而预测相应于查询点的初始控制输入.为验证所提方法的有效性,对一平面双连杆机械手进行了仿真研究.     

内模原理在肢体平衡中的模型及应用

为了解决肢体平衡问题时可以保证系统在运动控制过程中的精确性和稳定性,该文在内模原理思想的基础上提出了一种基于预估器的小脑模型(KECFEL)。这种模型由前馈神经网络控制器构成;训练前馈模型中神经网络的教师信号由预估器以及反馈控制器(CFC)的输出来提供,并采用在线学习对网络进行权值更新与网络训练;同时采用比例微分控制器(PDC)作为反馈控制器以确保全局稳定性。通过该模型对倒立摆的仿真实验验证该模型对肢体平衡控制的有效性。     

用T-S型模糊神经网络的机械手轨迹跟踪自适应控制

对于常见的将 CMAC神经网络前馈控制器和常规反馈控制器相结合的机械手轨迹跟踪控制方案 ,它的控制性能同时受神经网络前馈控制器学习能力和反馈控制器控制精度的制约。该文提出的采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案充分利用了 T- S模糊模型的特点和优点 ,以一种基于简化的 T- S型的模糊神经网络作为前馈控制器 ,同时反馈控制器也采用 T- S型模糊神经网络实现。针对三自由度机械手轨迹跟踪问题的仿真实验表明 ,采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案是可行的和有效的     

风冷制冷机组的多变量模糊控制研究

针对一个多输入多输出、非线性复杂系统明显的非线性热力学耦合特性，采用模糊控制与神经网络相结合的方法，提出一种具有结构和参数学习能力的自组织模糊神经网络控制器，在控制过程中通过采样数据在线学习，调整网络结构，产生模糊控制规则并调整规则的参数，使得控制器具有模糊控制的特点，又有神经网络学习的能力．通过对风冷制冷机组控制试验的结果表明，该控制器能够达到同时控制蒸发压力和过热度的目的．     

液压模锻锤的自动控制

液压模锻锤是一种节能、高效、劳动条件较好的锻造设备。由于锻件种类繁多,要实现液压锤的自动控制,需要其控制系统有较大的灵活性和可扩展性,能够很方便地随着不同锻件的工艺操作要求改变控制过程。本文提出了4吨米液压锤的一种自动控制方案。该设计采用了可编程序控制器,已在该锤样机上试用,获得了满意的结果。