基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。     

遗传算法在直流伺服系统摩擦补偿中的应用

针对直流伺服系统中存在的摩擦干扰问题,提出了一种基于遗传算法(GA)进行摩擦补偿的设计方案.首先根据直流伺服系统的摩擦特性建立摩擦模型,再将摩擦补偿引入直流伺服系统的反馈控制结构中,获取伺服电机的位置误差.采用遗传算法对摩擦补偿模型进行系统辨识,使摩擦补偿量在数值上不断地逼近实际的摩擦干扰,并利用摩擦补偿量来抵消摩擦给伺服系统带来的影响,遗传算法中目标函数的选择考虑了系统在过渡过程和稳态时的控制要求.经过参数优化得出的摩擦补偿模型,弥补了以往直流伺服系统受摩擦干扰影响动、静态性能较差的缺陷,从而保证了伺服电机具有较高的跟踪精度.仿真结果表明,该方案与无摩擦补偿情况相比,直流伺服电机转速响应的调节时间缩短了0.12 s,稳态误差降低了1%,系统具备较强的抗摩擦干扰能力和参数鲁棒性.     

基于QPSCO算法的传感器优化配置

针对以曲线拟合为目标的传感器配置问题,提出了一种基于量子粒子群协同优化(Quantum-behaved particle swarms cooperative optimization,简称QPSCO)算法的传感器优化配置方法.在QPSCO算法中,采用双层的多粒子群协同优化结构,同时引入参数变异策略,在扩大搜索范围的同时加快该算法收敛;将加权最小二乘法的误差平方和引入适应度函数中,以提高传感器位置曲线的拟合精度,从而实现传感器的优化配置.实验结果表明,该方案应用于土壤信息采集系统,不仅可以达到比粒子群优化(Particle swarm optimization,简称PSO)算法和量子粒子群优化(Quantum-behaved particle swarm optimization,简称QPSO)算法更好的寻优结果,而且具有比遗传算法更理想的位置拟合精度,是一种有效可行的传感器配置方法.     

基于遗传算法的直流伺服电机的摩擦补偿

针对直流伺服电机的摩擦干扰问题,提出了一种基于遗传算法的摩擦补偿方案。将摩擦补偿环节引入直流伺服电机控制系统中,采用遗传算法对摩擦补偿模型参数进行在线辨识,根据伺服电机的控制要求选择相应的目标函数,使补偿量不断逼近于实际摩擦干扰,最终利用摩擦补偿来抵消摩擦干扰给伺服系统带来的影响。在Matlab环境中进行了伺服系统的摩擦补偿过程仿真实验,并得出了参数优化后的摩擦补偿模型。仿真结果表明:该方案与无摩擦补偿情况相比,不仅有效提高了直流伺服电机的稳定性和跟踪精度,而且具有较强的自适应能力和参数鲁棒性,为直流伺服电机的摩擦补偿提供了一种有效可行的新方法。     

节点两次抛洒的无线传感器网络能耗平衡策略

针对无线传感器网络中的“能量空洞”问题,提出了一种将传感器节点分两次抛洒的能耗平衡策略。基于圆形区域网络的多跳传输方式,分析了无线传感器网络的能耗模型,并在各圆环内对传感器节点进行不均匀抛洒。为了克服节点密度较大圆环采集数据的冗余性,首先在各圆环内等密度抛洒只具有传感功能的节点,第二次抛洒的节点仅作为中继站向相邻圆环转发数据,根据节点平均能耗相等的原则,确定各圆环内的中继节点密度。传感节点和中继节点分别进行抛洒,不仅节省了硬件成本,而且减轻了网络的传输负载。仿真结果表明,该策略能够有效平衡节点能耗,缓解能量空洞问题,从而延长无线传感器网络的生存时间。     

一种城市排水系统水位控制仿真算法

为了避免因水位过高而外溢,必须对城市排水系统各级泵站的运行进行合理调度。本文提出一种城市排水系统水位控制仿真算法,以构建辅助等效排水系统。假定各溢水口被封堵且各封堵口的水压不超过某给定值,对应于原系统水流实际不外溢的条件,辅助排水系统的行为可完全对应于一个各结点输入电量已知的等效直流电路网络,通过考虑其相应结点处的水位控制即可实现原系统中在相应结点水流不外溢的的目的。将水系统结构用有向图结构表示,采用灵敏度法根据调整泵的扬程设置,给出了一个对水压进行控制的迭代算法。该算法应用于常州市排水管网,效果良好。