非线性多变量电液伺服系统解耦自适应控制

本文结合非线性多变量电液伺服系统控制，提出了一种新颖的广义最小方差预测校正参考模型自适应解耦控制，将参考模型控制，预测控制的校正思想和广义最小方差自适应控制相结合。该方法不需研究非线性环节的模型，算法简捷。     

一种时变约束控制自校正控制算法与应用

提出一种约束控制量的自校正控制算法，其约束因子按指数规律衰减；给出了该约束因子适时恢复的方法，此算法克服了最小方差控制律和广义最小方差控制所存在的缺点，仿睦衣实时控制的结果均表明此算法对工业过程控制具有实用参考价值。     

医疗超声成像自适应波束形成算法

针对传统医疗超声最小方差自适应波束形成算法的稳健性差、图像对比度提高有限、算法复杂度高等缺点,在基于QR分解的最小方差(QRMV)波束形成的基础上,引入了符号相干系数,提出了一种基于QR分解的最小方差与符号相干系数融合的自适应波束形成算法.仿真结果表明:该算法分辨率、对比度都优于传统的延时叠加、最小方差及基于QR分解的最小方差算法,表现出和最小方差与符号相干系数融合(SFMV)算法非常接近的性能,但运算复杂度却远低于它.     

基于动态主元分析的控制系统性能评价方法

基于最小方差的性能评价通常存在需预知过程模型结构、计算繁杂、难于拓展至多变量系统及最小方差控制可达性弱等问题,提出了一种基于动态主元分析（DPCA ）的最小方差性能评价方法。该方法将动态主元分析方法应用到最小方差控制性能评价中,能够结合最小方差评价和动态主元分析的优势。改进后的指标可以用来评价系统控制性能,便于实现在线监控和故障诊断。通过仿真实例,验证了所提出的方法的有效性和优越性。     

一种PID型神经网络控制器

针对非线性的时滞系统 ,采用一种将PID控制规律融进神经元网络的控制器 ,并应用基于最小二乘递推算法的最小方差预测值来克服时滞误差 .运用Lyapunov稳定性定理 ,确定了系统稳定时控制器权系数的范围     

基于新息的最小方差对偶控制

针对参数未知且随机变化的系统的最小方差控制问题，提出了基于新息的最小方差对偶控制策略，将系统参数随机变化的最小方差控制问题转化为多个基于新息的单步控制问题，利用卡尔曼滤波对参数进行估计，每步仅需求解一个非常简单的优控制问题，然后把控制加入系统，根据系统的输出获得新息，再重复卡尔曼滤波，最终可实现最小方差控制。仿真结果表明，该控制器具有对偶作用，一方面通过学习可消除系统参数的不确定性，另一方面可使系统输出稳定在期望输出值上，从而能够获得较好的参数辩识结果与良好的控制目标。     

新型时变大时滞最优预报自校正PID控制算法

本文提出了一个克服时变大时滞及被控过程参数时变的最优预报自校正PID控制算法。通过计算机数字仿真,将新算法应用到化肥厂合成氨H_2/N_2这样一个时变大时滞的被控过程,结果看出这种控制策略鲁棒性好,抗干扰能力强,消除了时滞及过程参数时变对系统输出的影响,可以构成相当理想的工程控制器。     

多变量系统自校正调节器

本文讨论了一类多变量系统自校正调节器的最优控制律及控制器参数辨识中的有关问题,给出了类似于单变量系统最小方差控制律的一种算法,便于计算,并具有较为简洁的形式。用此算法计算了两个实例的最小方差控制律,并与计算机仿真果进行了比较。     

模型预测控制器的广义最小方差性能评价

基于滚动时域最小方差性能评价方法和广义最小方差控制原理,提出了可处理约束问题的滚动时域广义最小方差性能评价方法。该性能评价方法既可考虑过程变量的硬约束,同时相对于滚动时域最小方差性能评价方法,又可考虑操纵变量的软约束。基于Wood-Berry精馏塔模型的仿真实例证明了该性能评价方法较滚动时域最小方差性能评价方法具有更高的实际意义,并验证了这种性能评价方法的有效性。     

基于综合算法的自适应鲁棒控制

提出了一种基于综合算法的自适应鲁棒控制器。其主要特点是：将广义最小方差控制和极点配置结合起来，籍以提高控制器的鲁棒性。数字仿真证实提高控制器的鲁棒性。数字仿真证实了所提控制方案在控制效果上明显优于通常的自适应控制器。     

瓦斯灾害主控因素分析方法研究

从瓦斯灾害复杂影响因素中提取主控因素是瓦斯灾害预测与控制的关键。偏最小二乘回归分析方法(PLSR)可以解决样本数据偏少以及自变量多重线性问题。文中采用PLSR进行瓦斯灾害影响因素的主控因素分析,通过实例分析表明此方法可靠性高,预测效果好。     

真空钎焊炉系统辨识及应用

利用逆M伪随机序列信号,选用最小二乘算法、辅助变量算法及模型参考自适应算法、离线辨识,建立大型真空钎焊炉数学模型的过程。给出了最终确立的线性数学模型。根据这一模型设计的温控系统数字调节器在实际应用中达到了十分满意的效果。     

数据挖掘在安钢电极预测建模中的应用

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果.     

基于Matlab的最小一乘回归的线性规划实现

对基于最小二乘准则的回归方法进行了分析,指出该方法容易受到野点信号的干扰.最小一乘准则虽然克服了最小二乘准则的不足,但如何在其基础上建立与实现回归算法一直是一个难题.论文中提出利用线性规划的方法建立该算法,并采用Matlab语言予以实现.     

Fabonacci法应用于曲线拟合优化新算法

由最小二乘法得到的曲线拟合的效果是较好的,但却不一定是最优的.文中提出将最小二乘法与Fa-bonacci法结合,得到一种曲线拟合的新优化算法.该算法的思路是在最小二乘法的基础之上,结合Fabonacci法优化已得到的拟合曲线的方程系数,使其更加合理化,从而获得最佳拟合曲线.该方法适用优化区间为单峰函数的任何数据,实例表明方法是切实可行的.     

基于ANFIS的软测量模型在浮选中的应用

以浮选过程为研究对象,提出一种基于自适应神经-模糊推理系统的经济技术指标软测量模型。该模型采用主元分析进行输入数据集降维,运用最小二乘法和粒子群优化算法相结合的混合学习算法对自适应神经-模糊推理系统结构参数进行优化设计。该混合学习算法提高了网络参数辨识的收敛速度,仿真结果表明,提出的模型能很好地实现浮选过程经济技术指标的全局预测,满足优化浮选药剂添加的计算要求。     

FAST二次精调实验平台的伺服系统设计

基于Stewart平台的馈源接收机位姿主动减振定位机构的控制,是500m口径球面射电天文望远镜（FAST）项目实现的关键。以大射电望远镜馈源二次精调平台为基础,研究将Stewart平台机构作为精调平台实现对大幅度的多自由度的减震控制。提出了基于Stewart机构的控制方案,利用PMAC卡实现机构的多轴控制,控制环节采用底层开发的开放伺服PID控制策略,加上最小二乘预测提高精度,实验证明该方案满足FAST需要的减震精度要求,该实验结果将为FAST原型设计提供可执行性的依据。     

基于自适应多步预测的前向链路功率控制算法

为了克服码分多址系统中前向链路功率控制中的延时差错问题，提出了一种新基于多步预测的前向链路功率控制模型，即考虑到功率控制中控制延时的影响，将信道变化和干扰变化统一为一个时变量，对无线环境变化做出动态的多步相关性预测，移动台根据预测的结果对基站发射功率进行控制。在此基础上，提出了一种利用自适应技术实现多步预测的前向链路功率控制算法，采用这种算法可以动态地跟踪无线环境变化，并且部分地克服了由于信道环境时变造成的功率控制失误问题。通过与传统0固定步长算法仿真的对比，证明了上述算法的有效性。     

有序样品的加权动态预测

对有序样品而言,每个样品与新样品关系的“密切”程度不同.预测时应该适当降低与次要数据的拟合精度,提高与重要数据的拟合精度,从而提高预测效果.在此思想下,本文提出有序样品加权最小二乘估计中权重的一种取法,即通过迭代的方法来确定一个区间,在此区间上取自然对数,以对数值作为权重来进行加权最小二乘估计.     

双缸电液振动台同步控制系统

在最小二乘递推估计的基础上，推导了一种逆传递函数矩阵实时辨识的算法，并将该算法用于双缸有偶合电液振动台同步控制系统。介绍了采用主从计算机组成的控制系统及数字迭代控制的实现方法，并通过实验证明算法的可行性。