神经网络逆系统非线性励磁控制器的设计

利用逆系统方法,设计出同步发电机非线性励磁控制律,并加入系统中.把控制与过程状态样本作为非线性导师信号,以训练神经网络控制器,设计一种基于BP神经网络的非线性励磁控制器.仿真结果表明,对于小干扰,神经网络控制器和逆系统控制显示出相同的控制效果;而对于大干扰,两种控制方式的暂态响应曲线也基本相同.逆系统控制与其训练出的神经网络控制器控制,都显示出基本相同的暂态和稳态性能,但神经网络控制比逆系统控制具有控制规律简单,以及实时性、可靠性和鲁棒性好的特点.     

基于模糊神经网络逆方法的单元机组协调控制

针对单元机组控制对象强耦合、非线性、数学模型难以确定的特点,将逆方法控制用于多变量复杂单元机组控制系统中,在对逆系统的实现上不是采用传统意义上的显示解析表达式,而是采用动态神经网络,构造出非解析形式实现上的逆系统, 将神经网络逆系统与常规PID控制结合建造成闭环系统,应用于单元机组协调控制系统中.通过仿真研究,结果表明:这种新的控制方案不仅具有满意的控制性能,而且具有较强鲁棒性和抗干扰性能,它显著提高了协调控制系统在机组负荷工况变化时的适应性和控制品质.     

多变量生物发酵过程的解耦控制

把非线性系统的逆系统方法与神经网络非线性辨识技术相结合 ,提出了一种基于神经网络逆系统的发酵过程多变量解耦控制策略 .当过程模型缺乏足够的先验知识时 ,所提出的解耦控制策略对多变量非线性连续发酵过程取得了良好的控制性能 .仿真结果表明 ,提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性 ,具有较强的鲁棒性 .克服了基于微分几何理论的逆系统解耦控制方案依赖于过程模型和对模型参数变化很敏感的缺点 .     

TCP/AWM网络系统的自适应有限时间漏斗拥塞控制

研究了具有外部扰动的TCP/AWM网络系统拥塞控制问题.首先,为了保证队列跟踪误差具有预设的暂态和稳态性能,引入漏斗误差变换对队列跟踪误差进行限制.其次,利用RBF神经网络处理系统中存在的非线性项.结合漏斗控制、有限时间控制、自适应Backstepping技术和RBF神经网络,提出了一种主动窗口管理算法,不仅保证了闭环系统的所有信号是半全局实际有限时间有界的,还使队列跟踪误差收敛到预先给定的漏斗边界内.最后,将本文所提方法与现有的两种同类算法进行了仿真对比,通过得到的仿真结果可以看出所设计的控制器使系统具有更快的收敛速度和更小的超调量,进一步验证了所提方法的可行性和优越性.     

多变量生物发酵过程的解耦控制

把非线性系统的逆系统方法与神经网络非线性辨识技术相结合，提出了一种基于神经网络逆系统的发酵过程多变量解耦控制策略．当过程模型缺乏足够的先验知识时，所提出的解耦控制策略对多变量非线性连续发酵过程取得了良好的控制性能．仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性．克服了基于微分几何理论的逆系统解耦控制方案依赖于过程模型和对模型参数变化很敏感的缺点．     

基于自适应全局滑模控制的主动队列管理算法

针对TCP网络的拥塞控制问题,采用滑模控制理论提出了一种新的主动队列管理算法。考虑到UDP流干扰的情况,设计了基于自适应全局滑模控制的主动队列管理算法。该算法保证网络系统在整个控制过程中的鲁棒性,并且使用RBF神经网络作为自适应律来消除UDP流干扰对系统的影响。仿真结果表明该算法可以使队列长度快速收敛到设定值,同时维持较小的队列振荡,优于传统的PI控制和滑模控制。     

基于神经网络的人工肌非线性控制

运用非线性控制的逆系统方法,提出了一种基于神经网络的人工肌非线性控制方案,由原系统导出n-m阶逆系统模型,并与原系统一起构成具有反馈结构的伪线性系统,从而可方便地运用线性控制理论完成对控制系统的设计,用BP神经网络逼近逆系统模型,并借助于递推预报误差算法来训练神经网络,该算法与传统的BP算法相比具有更好的收敛特性,设计了一个具有单关节的人工肌试验系统,给出了人工肌关节跟踪正弦波和矩形波参考信号的试验结果,与传统的线性控制方案比较,基于神经网络的人工肌非线性控制方案能够得到更快的控制速度和更高的控制精度。     

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.     

不确定时滞TCP/AQM系统的滑模控制

针对具有非匹配不确定项和输入时滞的TCP线性化动态系统进行特殊线性变换,将原不确定时滞系统转化为无时滞系统.在新坐标下,基于滑模控制(SMC)设计了一种主动队列管理(AQM)算法.根据滑模到达条件设计了一种控制策略,基于LMI技术给出线性滑动超平面的设计方法,通过Lyapunov函数证明了系统的稳定性.仿真结果表明,该算法可以使队列长度快速收敛到设定值,同时维持较小的队列振荡,尤其是在网络条件变化的情况下,该方法优于传统的滑模控制,能实现准确的跟踪,具有良好的鲁棒性.     

非线性系统的神经网络自学习控制

提出了一种对非线性系统的神经网络自学习控制方法,基于逆动力学控制的思想,构造了神经网络结构一致的控制器和辩识器。辨识器采用多层前向网络结构和广义Ｄｅｌｔａ学习规则算法实现了对系统逆动力学模型的动态辨识,并通过在线动态传递权值给神经网络控制器的方法实现了神经网络辨识器的神经网络控制器的有机结合,从而使整个控制系统具有很强的自适应和自学习能力,所提出的控制方案可适用于不含滞后环节和包含滞后环节的非线性     

基于模糊滑模控制的主动队列管理算法

针对动态网络的拥塞问题,提出一种主动队列管理(AQM)算法·该算法基于模糊滑模控制器(FSMC)设计,适合于动态网络流量的变化·模糊控制的加入,缩短了到达时间,改善了滑模控制的抖振现象·对于TCP/IP网络中存在的网络模型的不确定性、网络参数的时变性以及非TCP适应流所引起的网络抖动,该算法具有很强的鲁棒性·仿真结果表明该方法可以使队列长度快速收敛到设定值,同时维持较小的队列振荡,尤其是在网络条件变化的情况下,该算法优于传统的PI控制、模糊控制和传统的滑模控制·     

输入受限的非线性网络系统全局滑模控制

针对动态TCP网络的拥塞问题,在输入受限情况下,基于全局滑模控制理论设计了一种主动队列管理(AQM)算法.该算法消除了滑模控制的到达阶段,保证网络系统在整个控制过程中的鲁棒性.对于TCP/IP网络中存在的网络模型的不确定、网络参数的时变性以及非TCP适应流所引起的网络振动,该算法可以获得良好的暂态和稳态响应.仿真结果表明该算法可以使队列长度快速收敛到设定值,同时维持较小的队列振荡,尤其是在网络条件变化的情况下,该算法优于传统的PI控制和滑模控制.     

不确定TCP网络中的滑模主动队列管理算法

为解决传输控制协议(transmission control protocol,TCP)网络中的拥塞问题,提出了一种基于滑模控制理论的主动队列管理(active queue management,AQM)算法.该算法基于线性TCP网络拥塞控制模型,为补偿网络中不确定因素的影响,采用线性矩阵不等式(linear matrix inequality,LMI)设计了一个渐近稳定的滑模面,从而使滑模面的设计问题转化为LMI的求解问题.通过在拥塞控制系统中应用一个改进的到达条件明显地降低了系统的抖振,满足该到达条件的控制器能够使路由器中队列长度的振荡得到有效的抑制.不同情况下的仿真结果表明该算法具有良好...     

基于T-S模糊观测器的网络拥塞控制算法

针对TCP(传输控制协议)网络的拥塞控制问题,设计了基于模糊观测器的主动队列管理算法.对非线性TCP/IP网络拥塞控制系统建立了T-S模糊模型,通过选取适当的模糊规则和隶属函数来提高拥塞控制系统的性能,并给出了理论性证明.仿真结果表明所设计的控制器对活动的TCP连接数、链路带宽及往返时延的不确定性具有很强的稳定性和鲁棒性.     

基于内模补偿的网络拥塞控制新算法:IC-AQM

已有的AQM算法都没有充分考虑到长时滞对算法性能的影响，该文利用频率域模型降价拟合方式建立了TCP流量控制中主动队列管理AQM系统的等效模型，应用控制理论中的内模补偿原理设计鲁棒的时滞补偿AQM算法（IC—AQM），克服了长时滞给对队列稳定造成的不利影响，仿真结果表明，这种新算法在长时滞小期望队列综合性能明显优于已有的RED、REM、PI等算法，链路利用率大大提高。     

Fuzzy variable structure algorithms for active queue management with delay compensation

Based on the linearized model of the TCP connections through the congested routers, this paper puts forward an active queue management algorithm （FVS-T）. The algorithm utilizes the fuzzy variable structure control algorithm with delay factor to compensate time varying round-trip times （RTT） and uncertainties with respect to the number of active TCP sessions. By analyzing the robustness and performance of the control scheme for the nonlinear TCP/AQM model, we show that the proposed design has good performance and robustness, which are central to the notion of AQM. Implementation issues were discussed and ns simulations were provided to validate the design and compare its performance to other peer schemes in different scenarios. The results show that the proposed design significantly outperforms the other congestion schemes in terms of packet loss ratio, throughput and buffer fluctuation.     

主动队列管理中的PID型神经网络控制

研究动态网络中间节点的拥塞控制. 提出一种PID型神经网络的主动队列管理(AQM)算法,给出基于BP学习规则的网络参数自调整规律,根据Lyapunov定理证明了系统的稳定性. 基于NS$-2平台的仿真结果表明,该算法适应瞬息万变的网络环境,系统稳态误差和响应速度等指标优于PID算法.     

Ad hoc网络PI队列管理算法稳定性分析

主动队列管理PI算法的稳定性是拥塞控制研究的重要内容。目前PI-AQM设计大多基于经验,缺乏稳定性的理论分析。针对Ad hoc网络的时滞特点,利用泰勒级数展开,将时滞系统线性化,分析了PI算法在时延无线网络中的稳定性,推导了时滞对象的稳定条件,以便进一步优化设计PI控制器。通过Matlab和NS2仿真,结果表明,选择kp=0.01,ki=0.04,的PI控制器能较好地稳定TCP/AQM时滞系统;与传统的去尾算法相比,PI控制器取得了较好的控制效果,队列长度维持在理想值附近。     

带有输入饱和的TCP/AQM网络系统事件触发控制

研究了具有用户数据报协议(user datagram protocol,UDP)数据流干扰和不确定项的TCP/AQM网络拥塞控制问题.首先考虑由丢包率范围而导致的输入饱和的问题,从而对丢包率进行限制.其次,利用模糊逼近的方法处理系统中的干扰和不确定项.为节约网络资源,引入事件触发机制,结合输入饱和、模糊逼近以及Backstepping技术,提出了一种主动队列管理算法,不仅可以使队列长度跟踪到期望队列长度,而且减少了触发次数,节约了网络资源.最后,仿真验证和分析表明了所提方法的有效性和优越性.