基于改进微粒群算法的非线性系统模型参数估计

将改进微粒群优化算法用于非线性系统模型参数估计,并通过对三种典型的非线性系统模型参数估计进行验证。实验结果表明:改进微粒群优化算法参数估计精度高,是一种有效的参数估计方法。     

用分段线性近似时变参数的自适应控制

用一个参数分段线性化的模型近似时变系统,得到了基于最小二乘参数估计的自适应控制。该算法计算量小,容易实现在线控制。仿真结果表明,算法具有较好的跟踪特性。     

基于二阶段自适应多模型的聚合釜温度控制

针对丙烯腈聚合过程的强时滞和较大参数不确定等特性,该文提出一种基于二阶段自适应多模型的广义预测控制方法。该方法首先根据系统的参数范围,建立多个自适应模型,应用最小二乘算法分别进行参数估计。再利用各自适应模型的参数估计值和预报误差计算模型的权值,将各参数估计值加权求和得到最终参数估计值。将该参数估计值作为参数的真值,利用广义预测控制算法确定各时刻的控制作用。仿真结果显示:该方法能使系统未知参数快速收敛到真值,同时系统的动态性能和对理想温度的跟踪精度较常规多模型自适应控制有明显的提高。     

非线性随机系统具有遗忘因子的递推最小二乘法

针对NARMAX模型,结合线性滤波、谱分解定理及成型滤波器原理构成非线性随机系统模型,并将参数模型转化为脉冲响应非参数模型.依据Hankel矩阵法,在参数估计准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广最小二乘递推算法,提出一种具有遗忘因子的非线性参数估计的递推最小二乘法.该算法收敛速度快,且能克服病态,适用于时变参数情形.将其应用于一种非线性自适应预测控制算法仿真中,验证了算法的有效性.     

基于T-S模糊模型一类不确定非线性系统的H∞模糊鲁棒跟踪控制

研究一类不确定非线性系统模糊鲁棒跟踪控制的设计. 基于存在外界干扰的不确定非线性系统的T-S模糊模型, 考察被控系统跟踪参考信号的误差, 得出跟踪误差指数稳定的约束条件, 在跟踪控制与镇定控制一致的前提下研究了H_∞模糊鲁棒跟踪控制器的设计问题, 基于Matlab的LMI和FLC工具可实现对此问题求解. 仿真实例验证了算法的有效性.     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

无模型预测控制及在溴化锂机组控制中的应用

为解决带有时滞特性的制冷系统的控制问题,提出了一种改进的无模型自适应预测控制算法,并将其应用到制冷系统控制方案中。首先,提出一种引入两个参数L1,L2的参数估计控制方案,改善了MFAPC( Model-Free Adaptive Predictive Control) 的伪偏导数参数估计过程,使算法在达到减参目的的同时提升了稳定效果; 之后在控制输入准则函数中加入了控制输出误差和。最后引入典型线性和非线性时滞系统、跟踪时变信号系统、溴化锂制冷系统,对其跟踪控制问题进行了仿真比较研究。仿真结果表明,改进的无模型预测控制算法能取得更稳定的输出结果,且有更快的响应速度和更好的控制性能,同时解决了带有时滞特性的制冷系统控制问题。     

一类固定床反应器的动态模型简化

提出对固定床反应器非线性分布参数模型用双线性状态模型近似,给出一种基于参数估计技术的双线性化方法。基于块脉冲函数的参数估计算法用来确定模型的系数矩阵。结果表明,这样产生的双线性模型能此线性近似模型在较宽的工作范围内精确地近似反应器的动态特性。     

自校正模型算法控制及其在青霉素发酵中的应用

针对发酵过程的特点,将参数估计技术引入模型算法控制(MAC),构成自校正模型算法控制,用于时变和非线性的青霉素发酵过程。以在线估计的排气二氧化碳释放率(CER)的脉冲响应模型为基础,进行预测控制,从中求得最佳加糖控制率,使CER跟踪理想变化轨迹,实现对生产的优化控制。仿真结果证明了上述控制算法的可行性和有效性。     

一类非线性滞后系统的广义预测控制

对将线性系统的广义预测控制算法推广应用到非线性系统的控制问题进行了研究,即在每个控制周期内,递推预测非线性滞后系统在将来时刻的工作点,在工作点附近对非线性系统进行线性化,根据得出的线性化模型进行广义预测控制,并采用动态寻优的方法逐步逼近最优控制,仿真结果表明:非线性系统的广义预测控制算法能快速有效地跟踪系统的设定值,控制效果良好.     

一种非线性稳态自适应优化方法

结合系统优化和参数估计的修改二步法(MTS),提出了单参数在线修正模型的非线性优化控制自适应方法。根据Lyapunov稳定性定理,给出了MTS法稳定收敛的最优协调增益K的在线计算方法,大大加快了算法的收敛速度,以甲醇制甲醛生产优化控制为例,仿真结果表明,该方法是有效的。     

基于遗传算法的河流水质模型参数估值系统

河流水质模型的参数最优化估值需要进行约束非线性规划的求解,遗传算法是一种高效的启发式随机搜索算法。将遗传算法应用于河流水质模型的参数估值问题的求解,开发了基于遗传算法的QUAL2E模型参数估值系统,并进行了算例验证,结果表明该系统具有较高的可靠性和搜索效率。     

线性随机不确定系统的满意估计

在随机线性不确定系统中，设计一个满意的状态估计器在工程中有很大的实际意义．首先，根据满意控制思想，针对一类在状态矩阵及噪声矩阵中均含有不确定性的随机系统，设计一种满意估计器，使预测误差系统在模型的参数发生扰动时，依然满足预先给定的设计约束指标，得到了满意估计问题求解的充分条件；然后根据分析给出了满意估计器设计的算法．这个算法表明，线性随机不确定系统的满意估计器的设计是有效可行的。     

人生产率系统的非线性模型和浑沌现象

本文研究了线性模型在外部刺激作用时的系统行为,建立了人生产率系统的非线性模型。发现了该模型中复杂的浑沌现象,并给出了发生浑沌现象时的参数条件。     

耦合集合卡尔曼滤波的非线性参数估计

准确的参数对于非线性模型或者函数有极为重要的意义。但是在实际应用中,输入的参数常常带有一定的偏差,因此在预测中非线性模型(函数)往往得不到满意的结果。把集合卡尔曼滤波方法引入到非线性模型(函数)的参数估计中,并采用基于联合状态向量的方法在同化时刻同时更新模型(函数)的状态和参数,该方法可以通过同化观测数据,动态地调整参数和结果,使得参数能够自适应地变化,同时也能较好地释放积累的模型误差。将该方法应用于随时间变化的二维非线性模型(函数)中,实验表明,该方法能够准确地估计出模型参数值,同时也表现出很好的鲁棒性和自适应性。     

离子选择性电极电位选择性系数的测定——非线性参数估计法

提出了一种离子选择性电极电位选择性系数K_■~■的精确测定方法.用多次标准添加法取得截点活度以上的双离子响应区的实验数据,借助PC—1500计算机进行非线性最小二乘法参数估计,求出K_(?)~(?),E′和S,得到满意的结果.     

随机删失数据下基于EM算法的Weibull分布参数估计

生存分析中的观测数据具有样本小、数据随机删失的特点．而目前处理这类问题所使用的参数估计方法并不理想．作者基于EM算法给出随机删失数据下Weibull分布的参数估计方法。证明了估计量满足一个非线性方程组，并用实例表明了此方法的有效性．     

多变量ARX-like系统的递阶最小二乘估计

利用Kronecker积,推导出多变量ARX-like随机系统的辨识模型,使用递阶辨识原理研制了一个递阶最小二乘参数估计算法.提出的递阶最小二乘算法比现存递推最小二乘算法计算量小.给出了为仿真例子.     

遗传算法在新安江模型参数优化中的应用

本文针对新安江数学模型的参数优化识别的问题,在将基本遗传算法用于非线性系统参数优化的基础上,提出了一种改进的遗传算法。结果表明改进的遗传算法具有直观、简便、快速及适应性强等特点。