基于自适应遗传算法的多目标PID优化设计

提出一种基于自适应遗传算法的多目标PID优化设计方法。采用染色体实数编码和具有自适应交叉概率和变异概率的遗传算法对PID参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度。通过在适应度函数中引入表示超调量、上升时间和稳态误差的指标项,并对指标项适当加权,可使优化后的PID调节器的综合性能达到满意程度。仿真结果表明,该PID调节器的性能优于常规方法获得的PID调节器。     

神经网络自适应广义预测解耦控制器的设计

提出了一种神经网络补偿自适应广义预测解耦控制方案，即用神经网络逼近通道间的耦合、非线性及未建模动态，且采用了改进RLS辨识算法及用后能改善辨识效果，从而增进自适应控制的精度与鲁棒性，能解决参数不确定的非线性多变量耦合问题，给出了该算法的实现原理及步骤。理论分析和仿真结果表明，该方案是有效的。     

一类线性时变多变量系统的广义最小方差控制和性能评价

针对一类具有可确定"时滞"的线性时变多变量控制系统的性能评价方法进行研究.利用特别定义的关联矩阵和正常相乘的方法,计算出LTV MIMO过程广义最小方差控制律的解析解,并由此获得了广义最小方差基准.为避免估计关联矩阵所带来的困难,利用过程数据和关联矩阵阶数建立了LTV MIMO GMV基准上界.理论和仿真研究表明,上述方法能够正确和有效地评价LTV MIMO系统.     

基于自适应卡尔曼滤波的汽车前后轴干扰力估计

针对汽车自动车道保持控制中汽车侧向干扰信息难以直接获取,提出把汽车动力学模型和自适应卡尔曼滤波理论相结合进行汽车前后轴干扰力估计.在线性二自由度汽车动力学模型中考虑前后轴的侧向力干扰,以辅助变量横摆角速度、侧向加速度和方向盘转角为量测信息,通过改进的自适应卡尔曼滤波算法建立了前后轴干扰力的最小方差估计,并对量测信号进行了滤波降噪.基于ADAMS/Car的虚拟试验验证了该算法具有较高的估计精度,可以为汽车侧向控制系统中估计器的设计提供理论指导.     

双率采样数据系统最小方差自校正控制方法

输入输出采样周期相同,而且时间上同步的传统离散时间系统(即单率系统)最小方差控制方法,不适用于输入输出采样周期不相同的双率系统.提出了控制刷新频率是输出采样频率整数倍的未知参数双率系统最小方差自校正控制算法.其基本思想是,通过设计一个参数估计器来估计系统模型参数,设计一个损失输出估计器来计算系统的损失输出(即采样间输出),通过Diophantine方程和极小化最优预测误差方差导出了双率系统最小方差控制律,并提出了最小方差自校正控制算法.最后用仿真例子说明提出方法的有效性.     

基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。     

工程机械液压底盘试验台双马达同步的研究

提出了基于直接自适应控制和模糊控制相结合的新方法,对工程机械液压底盘试验台的单泵双马达驱动的转速同步控制进行了研究,并且对PID控制与直接自适应模糊控制方法进行了研究对比。仿真结果表明直接自适应和模糊控制相结合的方法比PID控制更能够改善系统的同步控制效果。此研究结果有助于提高试验台的控制品质。     

多变量广义预测控制及其在投资决策中的应用

<正> 一、引言 作者提出的多变量广义预测控制算法,用递推的方法,进行多步最优(最小方差)预测,以确定某一性能指标下的最优控制方案。尽管提出这种算法的背景是应用于工业控制,但其基本思想和方法可推广到经济系统的投资决策中。 一般来说,不同部门的经济系统的发展(比如重工业     

基于动态RBF神经网络在线辨识的单神经元PID控制

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法。采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。     

进港航班调度的最小方差控制研究

将原则上为人造系统的航班进离港的离散事件动态系统问题作为动态系统处理,将其转化为随机系统控制问题.在一定的假设条件下,通过系统辨识,建立了航班进港的离散随机模型,采用最小方差控制的方法对航班进港进行调度,使进港时的间隔趋于平均,总的方差减少,效果较好.该方法在先到先服务的基础上,为空管自动化问题的解决方案提出了一个新的思路,也为在空管系统中进一步应用控制理论进行研究提供了新的途径.     

基于RBF网络非线性系统逆控制的一种设计方案

基于逆动力学控制的思想,提出一种RBF神经网络逆控制与PID控制相结合的在线自学习控制方案。辨识器采用RBF神经网络结构和最近邻聚类算法,实现了对系统逆动力学模型的动态辨识。并将辨识模型作为控制器模型,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。仿真实验证明该控制策略不仅能使系统具有良好的动态跟踪性能和抗干扰能力,而且具有较强的鲁棒性。     

网络化制造环境下离散供应链系统预测控制策略

针对离散供应链系统中客户需求的高度不确定性，提出最小方差控制方法。该方法相对于传统的预测控制策略，更适合于追踪需求变化减少或消除“牛鞭效应”。首先，将具有z变换的各单元传递函数整合成一个闭环传递函数，以此为整个供应链网络建模，采用白回归移动平均模型描述客户需求趋势，并通过客户需求预测确定两种库存目标水平。其次，建立基于订单策略的目标函数，利用最小方差预测器处理客户需求，提出了供应链的性能指标函数和“牛鞭效应”的分析方程，并通过设定最小方差控制器参数调节超额库存和未交付订货。最后，仿真结果表明最小方差控制在预测市场变化、追踪客户动态需求和保持合理库存水平上是可行和有效的。     

连续搅拌反应釜的智能PID控制

针对一类具有强非线性的连续搅拌反应釜,常规的控制策略难以取得满意的控制效果.为解决上述问题,本文将常规PlD控制与非线性项的神经网络补偿相结合,提出了连续搅拌反应釜的智能PlD控制方法.该方法基于常规增量式数字PID控制器,采用多层神经网络对非线性项进行估计和在线自适应补偿,易于在DCS中实现.仿真和实验结果表明了算法的有效性和可实现性.     

船舶航向GA-PID自适应控制研究

设计了船舶航向保持GA-PID自适应控制系统,通过系统辨识得到船舶航向运动的数学模型,在该模型的基础上采用遗传算法优化PID参数,将优化所得参数赋予实际的航向保持系统。在系统运行过程中,不断检测航向角偏差的标准差值,若该值超出设定范围,则重新辨识模型,优化参数。对系统进行仿真,仿真结果表明,与单纯形法优化的PID控制系统相比,该系统对海情的变化具有良好的自适应能力。该系统简单可行,具有工程应用价值。     

基于模糊自适应PID的伺服系统控制

以飞行仿真转台伺服系统为研究对象,设计了一种带比例因子的模糊自适应PID控制器,通过误差和误差变化率在线模糊推理并调整比例因子和PID控制器的修正值.通过引入积分分离控制方法,在保证系统动态性能的前提下,一定程度上克服了模糊控制方法无法消除静差的缺点,也满足转台控制的实时性要求.仿真实验结果表明,该方法与传统PID控制相比,能够有效提高转台伺服系统的动态性能和鲁棒稳定性.     

新型神经网络模型参考自适应控制系统设计

针对任意复杂非线性系统，即控制器具有不可分离结构的离散非线性系统，提出新型神经网络模型参考自适应控制。该方案的提出简化了基于神经网络的模型参考自适应控制系统的设计，只需一个神经网络辨识器。统一了任意神经网络模型参考自适应控制的设计方法，更接近于工程实际。仿真结果证明了该方案的合理性和有效性。     

随机干扰下降阶时延混沌系统的自适应广义投影同步

研究随机干扰下降阶时延混沌系统的广义投影同步(RLGPSS).结合自适应控制方法和反馈控制技术,设计控制器和参数自适应更新律,实现混沌系统的RLGPSS问题,同时,对于系统未知参数能够有效的辨识.数值仿真结果证实了所提出控制策略的有效性.     

时滞对象的自适应Smith广义预测控制

针对时滞被控对象提出了一种自适应Smith广义预测控制器方案。在广义预测控制中 ,以Smith预估器建立被控对象预测模型 ,并基于零频率时的模型匹配和有遗忘因子的递推最小二乘算法在线辨识系统参数和时滞 ,不断修正Smith预估器模型和控制器参数 ,有效克服系统参数和时滞变化对系统的影响 ,动态响应快 ,跟踪效果好。仿真结果证明了这种方法的有效性。     

基于GA与CSA-RBF神经网络辨识的自适应PID控制器

提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程.     

基于线性约束最小方差原则的稳健快速自适应脉冲压缩方法

针对线性调频信号在距离单元内的回波采样点与目标点失配, 即采样失配的情况下, 自适应脉冲压缩性能下降的问题, 对快速自适应脉冲压缩(fast adaptive pulse compression, FAPC)方法进行改进, 提出一种基于线性约束最小方差(linearly constrained minimum variance, LCMV)原则的连续分块FAPC (contiguous block FAPC, CFAPC)方法。该方法将自适应波束形成方法类比到自适应脉冲压缩滤波方法中, 首先在最小方差无畸变响应(minimum variance distortionless response, MVDR)原则保持增益的前提下增加零点约束条件, 加宽零点凹口的宽度; 而后对分块的协方差矩阵设置置零条件, 抑制旁瓣能量, 实现在采样失配情况下保持稳健的目的。实验结果表明, 在脉内多普勒频移和采样失配同时存在的情况下, 所提方法可以更好地抑制目标的距离旁瓣, 具有较好的稳健性。