镍闪速熔炼过程的模糊动态质量模型与控制

提出了利用Ｔａｋａｇｉ－Ｓｕｇｅｎｏ（简称Ｔ－Ｓ）模糊模型建立镍闪速熔炼过程动态质量模型的方法（即考虑过去与当前的输入、输出信息对将来输出的影响）,并对其动态过程进行了结构辨识和模型参数辨识。;在此基础上,针对建立的模糊动态模型,设计了２种不同的模糊控制器,一种是建立模糊动态质量模型的逆模型来实现控制;另一种是通过模型计算输出的前馈控制加系统输出的反馈控制来实现控制。经过２个月的离线指导和实际在线     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法.仿真结果表明:由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据,对动态系统的辨识,特别是对具有纯时间延迟动态系统的辨识,较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.同时,确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度.     

镍闪速熔炼过程的模糊动态质量模型与控制

提出了利用ＴａｋａｇｉＳｕｇｅｎｏ（简称ＴＳ）模糊方法建立镍闪速熔炼过程动态质量模型的方法（即考虑过去与当前的输入、输出信息对将来输出的影响）,并对其动态过程进行了结构辨识和模型参数辨识．在此基础上,针对建立的模糊动态模型,设计了两种不同的模糊控制器．一种是建立模糊动态质量模型的逆模型来实现控制;另一种是通过模型计算输出的前馈控制加系统实际输出的反馈控制来实现控制．经过２个月的离线指导和实际在线控制运行,证明了这种方法的有效性．镍闪速熔炼过程的模糊动态质量模型与控制@万维汉$西安交通大学!71004…     

基于广义椭球基函数模糊神经网络的油轮转向动态响应模型(英文)

基于广义椭球基函数模糊神经网络(GEBF-FNN)算法,提出一种新颖的油轮转向动态响应模型.通过事先建立好的一组油轮操纵非线性微分方程获得训练数据,GEBF-FNN算法用于在线辨识Nomoto型油轮转向响应模型的参数K和T.具体地,GEBF-FNN模型从没有任何模糊规则开始,基于规则生长准则和参数估计方法,在线生成模糊规则,从而学习出由一组模糊规则构成的具有高精度和精简系统结构的油轮转向动态响应模型.为验证该动态响应模型的有效性,针对典型的Z形操纵进行仿真研究,并进行广泛的比较研究,仿真结果显示基于GEBF-FNN算法的油轮动态响应模型具有理想的逼近和预测性能.     

基于数据特征的模糊模型辨识与模糊控制器设计方法

针对难于建立精确数学模型的复杂过程,提出了一种基于数据特征的模糊模型辨识方法.该方法首先按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分,然后在此划分的基础上确定出模糊模型的规则总数和前件参数,最后由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模糊模型的后件参数.基于所提出的模糊模型辨识方法进行了柔性连杆机器人模糊控制器设计,并进行了柔性连杆机器人模糊控制实验.实验表明,通过所提出的模糊模型辨识和模糊控制方法可以得到满意的控制性能.     

基于在线模糊聚类的故障检测和容错控制

提出了一种新的基于T-S模糊模型在线辨识的非线性系统的故障诊断与容错控制策略.在闭环控制中,根据在线产生的数据对T-S模糊模型进行辨识,当故障引起系统动态的结构性变化时,在线模糊聚类算法能够辨识出系统的重大改变并产生新的模糊规则描述系统新的动态,同时基于T-S模型的控制律也会做出相应的调整.分析了T-S模糊模型结构和参...     

基于连续域蚁群改进算法的T-S模型辨识

针对一些带复杂参数辨识性能指标的模糊建模无法采用经典辨识方法解决的情况,提出了采用改进连续域蚁群算法进行T-S模型辨识的方法.该方法利用蚁群算法无需具体数学模型的特点,解决了模糊模型辨识中辨识指标表达式过于复杂甚至非解析所带来的难题,从而实现了T-S模型前提部和结论部参数的一次性辨识.仿真研究表明,利用文中辨识方法得到的模糊模型能够很好的逼近真实系统,并且对初始条件和输入信号不敏感,具有鲁棒性.     

规则递归T-S模糊模型及其辨识方法

针对传统T-S模糊模型不能较好描述系统时变特性的问题,提出了一种基于递归策略的动态T-S模糊模型及其辨识方法.规则递归T-S模糊模型在传统T-S模糊模型基础上,增加了具有一定权重的反馈环节,该环节对当前激励强度与前一时刻激励强度进行加权和得到当前时刻新的规则激励强度,从而实现动态递归变化,有效描述了系统的动态过程.为使规则递归T-S模糊模型具有较少的规则数量和较好的泛化能力,前件参数采用一种基于规则激励强度的模糊聚类算法获得,而后件和递归环节参数则采用一种由支持向量机和粒子群优化算法组成的联合辨识方法获得.Box-Jenkins煤气炉的仿真结果表明,规则递归T-S模糊模型及其辨识方法具有较好的动态描述能力,与混合聚类方法相比,均方差降低了1.2％.     

无辨识自适应算法与模糊推理的组合控制

一般自适应控制算法需在线辨识系统模型，算法复杂，计算时间长。本文采用无辨识自适应算法，不用辨识系统的模型，同时应用模糊推理对控制量进行补偿，以便克服模型失配的影响。仿真结果表明，该方案是非常有效的，适合于具有时滞的工业系统。将其应用于制冷装置中的电子膨胀阀控制，使得蒸发器过热度的控制效果得到了明显的改善。     

吸附式制冷系统运行参数动态特性

针对燃料电池汽车余热驱动的吸附式制冷循环过程吸、脱附特性,采用动态的分析方法,对吸附式制冷系统的主要部件吸附床在不同阶段（等容加热、等压解吸、等容冷却、等压吸附）的工作过程建立动态方程,同时对制冷系统的蒸发器及冷凝器建立相应的动态模型。利用数值方法对数学模型进行求解,分析吸附速率、吸附床温度、冷凝温度、蒸发温度、制冷功率等参数随时间的动态变化规律。研究结果表明：吸附速率在吸附过程进行到5min时达到峰值,吸附床温度达到350K后其升温速率开始减慢,吸附床温度降到315K后的降温速率开始减慢,冷凝温度在解吸阶段进行到8min时存在1个峰值,蒸发温度的变化趋势与制冷功率的变化趋势相反。     

蒸发器出口制冷剂过热度的模糊控制

提出了带有回风温度前馈补偿的蒸发器出口制冷剂过热度的模糊控制方法，此方法适应于制冷系统控制特性，并且简单实用．其有效性得到实验验证．     

运用遗传算法对制冷蒸发器过热度控制的优化方法

在制冷系统动态仿真的基础上，引入遗传算法对蒸发器过热度模糊控制的隶属度函数进行了优化，并给出了三角形隶属度函数的优化方案，利用MATLAB软件实现了仿真和优化过程，进行了优化模糊控制和比例积分（PI）控制品质的对比实验。结果表明，优化后的模糊控制使过热度的超调量减小，使阀的动作平稳。     

基于模型参考自适应的直线电机转速辨识

针对直线永磁同步电动机全闭环控制系统易受干扰、降低系统性能指标、存在不稳定因素等问题,提出了基于模型参考的自适应模糊神经网络在线辨识方法,用梯度法实时修正模糊控制器的输入和输出隶属度参数,建立了模型参考自适应模糊神经网络速度伺服系统模型,给出了模糊神经网络控制器的设计方法.仿真和实验结果表明:该方法提高了速度检测装置的分辨率和动态响应能力,系统具有很强的鲁棒性.     

车用微小通道蒸发器一维仿真与试验

通过蒸发器制冷能力、通风阻力、蒸发器内阻一维仿真结果与试验值比较,发现制冷剂侧两相换热区、过热区、空气侧分别采用已有的换热关联式计算时,计算值与试验值吻合度较好,误差控制在5%以内.研究了百叶窗翅片的百叶窗开角、翅片间距、翅片高度以及扁管的通道宽度、通道数对蒸发器性能的影响.对蒸发器进行了结构优化,选取了一个综合性能最优的方案,使得通风阻力下降19%,蒸发器内阻下降8.4%,制冷能力提高130W.     

一种基于动态模糊神经网络的飞行数据模型辨识方法

针对飞行数据的特点,提出了一种基于动态模糊神经网络(DFNN)的飞行数据模型辨识方法。该方法采用在线学习方式,通过动态增加和删除神经元节点的策略实现网络结构学习,采用递推最小二乘法实现网络权值的在线调整,以最终得到一个结构简单、泛化能力强的神经网络。以某特定时间段的飞参数据为仿真样本,将该DFNN用于参数关联模型的辨识,实验结果表明该辨识方法收敛速度快、泛化能力强。     

质子交换膜燃料电池电堆温度特性的模糊建模

根据PEMPC电堆温度控制的需要,建立了PEMFC电堆的工作温度与运行参量之间的定量关系模型,为建立面向控制的PEMFC温度非线性模型提供了一种新思路.在建模过程中,采用模糊辨识方法建立PEMFC控制系统的模糊模型,仿真和实验结果表明,该模糊辨识方法对质子交换膜燃料电池电堆的建模和控制提供了一条可供参考的途径.     

制冷系统蒸发器结霜特性数值模拟

为了深入分析制冷空调系统运行性能和合理确定融霜周期,需要研究蒸发器表面的结霜过程和霜层厚度的变化过程.根据传热传质过程基本理论和相关的经验公式,建立了蒸发器外表面水蒸汽传质及霜层生长过程数学模型,对某类翅片管式蒸发器外表面结霜过程及霜层厚度变化过程进行了数值模拟,并分析了外界参数变化对结霜厚度的影响.     

加热炉待轧时炉温模糊决策

基于对加热炉动态过程受控特征分析,将数学模型方法、模糊控制理论和模糊优化方法应用于加热炉动态过程炉温优化及控制研究.建立了加热炉待轧时炉温模糊优化模型,构造了以钢坯导热机理模型为基础的炉温在线模糊控制决策系统.在此基础上对典型待轧过程进行了炉温控制决策的计算机数值仿真.结果表明,炉温模糊决策结果使在炉钢坯获得了满意的控制效果.本文的模型方法可以有效地应用于加热炉控制系统.     

Compound fuzzy model for thermal performance of refrigeration compressors

The fuzzy method is introduced to the calculation of thermal performance of refrigeration compressors. A compound model combining classical thermodynamic theory and fuzzy theory is presented and compared with a simple fuzzy model without classical thermodynamic fundamentals. Case study of refrigeration compressors shows that the compound fuzzy model and the simple fuzzy model are both more efficient than the classical thermodynamic method. However, the compound fuzzy model is of better precision and adaptability.