小波神经网络在过程控制中的应用研究

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制.结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案.该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点.由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现.用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准PID控制器好得多的控制效果.     

倒立单摆摆起开环控制律的最优化算法

基于最优控制理论,研究了倒立单摆非线性系统过程控制问题·建立了带惩罚条件的摆起过程开环控制律计算的最优化算法·同一般数值方法相比,这种算法在每步优化计算中,以最优步长取代了固定步长,因此可以确定每个时间段上的精确控制量·编制了倒立单摆摆起过程控制律的计算程序,并进行倒立单摆摆起过程仿真分析·结果表明这种算法可以获得高精度的控制律,它将为非线性系统过程精确控制提供条件·     

Application research of wavelet neural networks in proces control

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制。结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案。该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点。由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现。用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准ＰＩＤ控制器好得多的控制效果。     

一种模糊神经网络自适应预测控制方案的研究

在过程控制中,由于被控对象常具有非线性、不确定性及参数时变等复杂因素,难以建立精确的数学模型,从而直接影响了控制效果,提出了一种模糊神经网络自适应预测控制议案,对学习公式进行了理论指导,并结合误差补偿以提高预测控制的精度,仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具有良好的控制性能。     

非线性Hammerstein-Wiener模型辨识预测控制

为解决工业过程控制领域中非线性系统的模型辨识与预测控制问题,提出一种基于BP神经网络模型的预测控制策略,采用一种分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法建立非线性预测控制器.利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现了一种基于支持向量机Hammerstein-Wiener辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.     

分层空时码多载波CDMA的译码与检测

研究V－BLAST MIMO MC－CDMA下行系统。提出了一种对每个子载波进行V－BLAST译码的非线性 算法,对不同天线数、用户数情况进行了系统的仿真和分析,并对V－BLAST译码的线性和非线性算法进行了系 统仿真比较。     

非线性自适应控制的鲁棒性

用锥-扇形理论研究非线性系统的自适应控制的鲁棒性.设计系统时首先对非线性环节进行补偿,补偿误差归入建模误差,在此基础上提出一种修正的投影算法,并用锥-扇形理论证明了算法的鲁棒性.仿真结果表明,该算法的参数容易选择,控制精度高,具有一定的实用性.     

神经网络在非线性系统参数辨识中应用

要对非线性系统进行控制，必须掌握其模型．介绍一种辨识非线性系统模型的方法，该方法利用多层神经网络可以逼近任何非线性函数这一理论，提出针对非线性系统构造神经网络模型，并给出一种实用的BP算法．最后通过仿真实验，证明该方法切实可行．     

非线性系统定阶的神经网络方法

前馈型神经网应用于非线性系统辨识的一个问题是确定系统阶次。采用前馈神经网进行非线性系统定阶与神经网的推广性问题密切相关。ＯＬＳ算法是构筑径向基神经网的一种学习算法，但是采用ＯＬＳ算法构筑神经网存在推广性问题。ＲＯＬＳ算法将ＯＬＳ算法与正则化（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）方法相结合，以提高算法的推广能力。本文将基于径向基网的ＲＯＬＳ算法应用于非线性系统定阶。本文对提出的方法进行了仿真研究，结果验证了方法的有效性。     

一类非线性病态系统的双帧速仿真算法

本文针对一类非线性病态系统，提出了一种双帧速仿真算法。文中对算法的误差及收敛性进行了理论分析     

一种新型加权无差自适应算法及其应用于火电厂控制的仿真研究

本文推导出一种新型加权无差自适应控制方法,它可以应用于开环不稳定系统及非最小相位系统,被控对象之中可以含有直接传输项.系统的稳态误差与加权参数的选择无关,而且理论与仿真均证明此算法的稳态误差为零.本文用此算法对火电厂中具有直接传输项和非最小相位的汽轮机主汽门调节系统进行控制仿真,并与其他算法进行了比较.其结果证明,此方法有较强的鲁捧性、可靠性与实用性.     

随机经济系统分析

本文提出了随机经济系统模式,研究了随机经济系统状态的最优估计与控制问题。利用Kalman现代滤波理论导出了随机线性经济系统状态的最优估计,由Bellman动态规划原理导出了线性二次经济系统的最优控制规律。由估计定理和最优控制规律给出了随机经济系统分析的一整套算法。     

一类非线性系统的广义预测控制

将广义预测控制应用于Hammerstein模型描述的非线性系统,得到了一类非线性系统的广义预测控制算法.仿真结果表明,该算法具有较强的鲁棒性.     

基于模糊推理和广义预测的组合控制

针对具有纯时滞和非线性的复杂系统，提出一种推广广义预测控制和模糊反馈校正相结合的控制策略，目的在于抑制模型失配的影响，增强广义预测控制的鲁棒性，建立了一种适于实时生产过程的控制方法，仿真结果验证了这一算法的有效性。     

基于模糊神经网络融合的温度控制方法

针对目前温度控制中存在的问题，研究设计了一种新的适合于非线性、惯性系统应用的动态控制的方法。采用了将具有简单有效的非线性控制作用的模糊控制技术与学习和自适应能力较强的人工神经网络技术相融合的方法，建立了模糊神经网络相融合的智能控制模型。文章详细地介绍了基于模糊神经网络的智能温度控制的实现过程。实际应用结果表明，系统具有较强的实时性和可靠性，不仅温度控制精度高，而且动态响应速度快。该控制方法的研究，为实现最佳温度控制提供了理论根据和有效方法。     

一种温度控制的新算法

在热传递模型基础上推导了二参数(时间因子与比例因子)控温理论公式,对于实时控制过程,因时间因子有较强的鲁棒性可固定不变,而对比例因子采用智能算法在线自适应调整,本算法具有简单快速的特点,对大惯性系统能获得较快而无超调的动态特性、其控温效果明显优于常规的PID调节器。     

一种自学习专家控制器

对一类系统提出了一种两级产生式自学习专家控制器,该控制器依据一种较为完善的特征模型,将控制理论的定性知识应用于专家控制和自学习控制之中,从而使该自学习专家控制器具有良好的控制性能和适应性,仿真结果证实了这一点.文中还对两级控制分别给出了两种高效的推理方法,增强了控制的实时性。     

关于脉冲控制系统的一个新的比较原理

给出一个新的控制集合,通过建立一个新的比较原理,研究了具有固定时刻脉冲的控制系统的稳定性。     

一种新的鲁棒离散自适应控制方法研究

本文提出一种对测量仪表和控制器误动作等引起的大扰动或异常值有较好鲁棒性的离散自适应控制策略,并讨论了基于文献[6]的鲁棒辨识算法的自适应控制算法,对确定性线性系统中的稳定性和跟踪最优性、递推参数估计的收敛性和一致性的两定理进行了证明。计算机仿真表明,本文控制算法对大扰动或异常值具有良好的鲁棒性和最优跟踪特性。     

关于一类时间最优控制系统的切换条件问题

本文从工程应用实际出发,研究了时间最优控制系统的切换条件问题。文中以调速系统为例,考虑了系统的状态约束和控制量约束,从理论上进行了推导,并结合系统的参数变化和计算机控制的实际时延,提出了一套适用于这一类时间最优控制的切换条件。通过数字仿真和物理系统的实验,证明这些切换条件是准确可靠的。所用的推理方法也可适用于类似的最优控制切换条件的综合。