SISO大时滞过程双模糊控制器研究

对SISO大时滞对象，提出用双模糊控制器方案，即用跟踪模糊控制器和扰动模糊控制器实现控制。它使设定值响应与扰动响应分离，从而可同时获得良好的设定值跟踪响应和抗扰动响应。本文控制方案对对象模型不敏感，适应性强，鲁棒性好，仿真结果表明了本设计方案的可行性和有效性。     

最小方差预报自调整比例因子FUZZY控制器

将最小方差预报控制方法与模糊控制方案相结合提出了一种基于最小方差预报的自调整比例因子ＦＵＺＺＹ控制算法，将新算法对合成氨控制过程进行了仿真研究，表明本文提出的新算法具有鲁棒性强、系统控制量幅值小及变化平稳等优点，能较好地解决工业控制过程中存在的时滞现象及时滞不稳定现象．     

串级不稳定时滞过程的二自由度Smith预估控制

针对串级不稳定时滞过程提出了一种改进的二自由度Smith预估控制方法.该方法在副回路采用了内模PID控制,快速消除了副回路干扰对系统性能的影响.主回路采用了二自由度Smith预估控制方法,首先使用了PD控制器将不稳定时滞过程转换为稳定时滞过程,然后在设定值跟随控制回路中引入了通过Bode理想传递函数设计的分数阶控制器,...     

时滞线性系统振动主动控制的最优化方法

从时滞微分方程求解控制律，对时滞线性系统振动主动控制的最优化方法进行了研究，并给出了具体实现过程，推导出的控制律表达式中，不但包含有当前的状态反馈，还包含有前若干步控制的线性组合，算例结果显示，所提控制方法能够较好地控制系统的峰值响应，且能够保证控制系统的稳定性；若按无时滞控制设计对时滞系统进行振动控制，系统响应有可能发散。     

含双时滞主动控制系统平凡平衡解稳定性的数值分析

采用精细积分方法求解含双时滞受控系统的平凡平衡解,根据不同时滞量下系统响应的敛散性判断系统的稳定性,得到了时滞受控系统随时滞变化的稳定区域分布,避免了求解时滞系统特征方程的困难.在此基础上,分析了不同时滞量和反馈增益对系统稳定区域的影响规律,结果表明:随时滞量的变化,系统的稳定区域与不稳定区域是交替分布的,当2个反馈增益相差较大时,与较大的反馈增益相关的时滞量对系统的稳定性影响更为显著.     

大时滞过程的多模式智能控制

通过简要分析了常规控制的不足，提出了一种基于偏差特征信息的多模式智能控制算法，具有加速控制、减速控制、稳态激励控制三种控制模式.算法用加速控制来解决系统暂态响应的快速性的要求、用减速控制来解决系统暂态响应的平稳性要求、用稳态激励控制解决系统稳态的准确性要求.并把此算法应用于大时滞过程的控制，与多种大时滞控制算法作比较，仿真证明了此控制算法的优良性能.该算法结构简单，通用性强，使用调整方便.     

SISO大时滞过程双模糊控制器研究

对SISO大时滞对象,提出用双模糊控制器方案,即用跟踪模糊控制器和扰动模糊控制器实现控制。它使设定值响应与扰动响应分离,从而可同时获得良好的设定值跟踪响应和抗扰动响应。本文控制方案对对象模型不敏感,适应性强,鲁棒性好。仿真结果表明了本设计方案的可行性和有效性。     

不稳定和积分时滞过程的Smith预估器设计

针对不稳定和积分时滞过程，提出了一种设计修正的Smith预估器的新方法．首先利用内环控制器镇定不稳定或积分时滞过程，然后通过等效变换将修正的Smith预估器结构简化为内模控制（IMC）结构，并利用内模控制原理和积分平方误差（ISE）指标设计给定点跟踪控制器．最后，根据负载扰动下保持闭环系统稳定的要求，利用最佳相位裕度标准或Nyquist稳定性判据设计负载扰动控制器．多个仿真示例验证了该设计方法比现有的方法具有更好的动态特性与鲁棒性．     

一种基于数字控制的一阶时滞不稳定系统P和PI控制器设计方法（英文）

在实际应用中,许多动力系统都可以以一阶时滞不稳定传递函数进行建模.但是,无穷维及系统不稳定等因素的存在使得这类系统的控制分析与综合具有很大挑战.考虑一阶时滞不稳定系统的控制问题,基于数字化的开环控制系统,对比例(P)控制器和比例积分(PI)控制器分别提出了明确的优化公式.同时,针对具有时滞的反馈系统,讨论了控制器的稳定范围.与现有的结果相比较,该数字控制方法简化了控制器的优化过程,且证明了稳定范围的充分性及精确性.最后,通过一个数值实例及与已有结果作比较验证该算法的可靠性及有效性.     

基于采样PI的时滞电力系统负荷频率控制

针对不确定性传输时滞、系统参数与负荷扰动，通信带宽约束与计算负担以及风电间歇性功率，引发系统调频性能下降的问题，提出一种考虑信号采样周期与传输时滞的采样PI负荷频率控制（Sampling PI Load Frequency Control，SPI-LFC）方案，并引入指数收敛率来评价系统的快速性. 基于通信时滞采样数据网络，建立含风电的时滞电力系统SPI-LFC模型. 通过构建新的双边闭环Lyapunov泛函，并利用线性矩阵不等式技术，推导系统采样周期与通信时滞稳定裕度，以及指数收敛率相关的稳定准则与SPI控制设计方法. 仿真结果表明，所提方案具有较大的采样周期和通信时滞稳定裕度与较高的指数收敛率；对不确定性系统参数、负荷扰动和风电的间歇性功率也具有较强的鲁棒性.     

一种快速高效二维时域有限元束传播法

提出并建立了一种新型的快速分析平面光波光路器件传输特性的2D时域有限元束传播法(FE-TD-BPM)模型.与常规时域差分格式的有限元束传播法相比,在时域实现了一维有限元(FEM)离散化处理,基于完全匹配层(PML)边界条件给出了全有限元离散化模型.为了验证算法的精度以及速度,模拟分析了直脊波导以及波导光栅,并且与已有文献的计算结果进行比较,结果表明,该算法无条件稳定、计算速度快,与常规时域差分格式的有限元束传播法相差在0.002%以内,并节省了约70%的机时.     

基于混合蛙跳算法的长时间跨度人脸识别

面部特征中存在长时间不变特征和短时间不变特征,对两种特征分类,使用长时间不变特征完成长时间跨度人脸识别.首先以最佳覆盖为目标的特征对比方式,代替传统的以最佳划分为目标的特征对比方式,使用混合蛙跳算法实现特征对齐.然后根据时间段和特征值变化度计算每个对齐的特征点的权值和基准特征值,对长时间不变特征与短时间不变特征进行分类.在识别过程中,应用已识别的图像信息更新权值和基准特征值,进行长时间跨度的人脸识别.实验结果表明,该方法可以在以年为时间跨度的人脸识别过程中达到82%的识别率,优于其他算法.     

虚拟地震台阵双差测深法及应用

提出虚拟地震台阵双差测深法。通过多道互相关,测量密集观测台阵中相邻台站间SsPmp波与Ss波到时差的差值,然后求解最小二乘意义下每个台站SsPmp波与Ss波的到时差。该方法利用台阵优势,可以有效地降低到时差测量误差,有利于准确地估计地壳厚度。将该方法应用在模拟数据和“中国地震科学台阵探测计划”台阵数据上,测量精度显著提高。     

基于改进PSO算法的电力系统机组优化组合

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题，因此求解非常困难．粒子群优化（PSO）算法是一类随机全局优化技术，它通过粒子间的相互作用发现复杂搜索空间中的最优区域．采用二进制粒子群优化方法解决机组状态组合问题，用遗传算法结合启发式技术解决经济分配问题，并对最小开停机时间及启停费用进行了处理，使得运算速度大大加快．方法的可行性在10台机组系统中检验．模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点．     

结合DCT近似的分形图像压缩方法

分形图像压缩是一种基于分形迭代函数系统理论的图像压缩方法,压缩比大,但编码过程计算复杂、编码时间长,结合离散余弦变换近似的分形图像缩方法,提高了分形压缩中灰度变换的精度,从而达到了提高图像质量,提高比和减少编码时的目的。三种不压缩图像的结果比较证实了新方法的优越性。     

基于微扰法的快速声速剖面反演

传统的基于声传播时间的声速剖面反演需要多次搜索不同声速剖面条件下的特征声线,降低了声速剖面反演的速度.通过一个简单的近似,微扰法将实际声传播时间表示为背景声速下的声传播时间与扰动项之和,从而使得声速剖面反演由原来的非线性优化问题转化为线性方程组的求解形式.实验数据处理结果表明,与传统方法相比,虽然微扰法反演的精度下降了近50%,但是计算时间由10 h减少到了3 s,从而实现声速剖面海上实时监测.     

化学动力学数据处理的新方法

根据化学方程动力学方程的特点,提出了一种化学动力学数据处理的新方法,该方法不仅适用于简单反应(如一级反应、二级反应等),而且适用于复杂反应(如对峙反应),在反应终值(即时间无限长时的浓度、压力、电导、体积等)或反应初值未知的条件下,该方法仍能计算得到可靠的反应速度常数.应用本文提出的方法,不仅为化学工作者提供了一种处理化学动力学数据的有效方法,而且可以在一定程度上减少实验工作量.     

基于灰关联分析-模糊推理的目标关联技术

提出了灰关联分析与模糊推理相结合的方法,称为GCA-FDM。GCA-FDM主要用于低时间分辨率的战术机动目标之间的关联。选取航天监测信息中相对稳定的目标属性特征作为基本的关联参量,计算目标间的关联度,以此作为目标关联的判决依据。同时,综合考虑当前战场各方面信息,利用模糊推理方法,对灰关联结果进行修正,从而能够得到更好的结果。GCA-FDM对目标样本数量没有太大的要求,具有广泛的实用性,弥补了经典关联算法在低时间分辨率目标关联中的不足。通过一个应用案例详细说明了GCA-FDM算法的操作过程。     

Hilbert-Huang变换理论及其计算中的问题

以地震波的谱分析为例 ,对比分析了Hilbert Huang变换 (HHT)与傅立叶变换的差别 ,结果表明 :HHT是对非平稳时程进行数据分析的有效工具 ,能有效地将各种频率成份以固有模态函数的形式从时程曲线中分离出来 ,但这种固有模态函数与傅立叶变换结果不同 ,而且Hilbert谱是包含时间 -频率 -振幅的三维谱 ;可采用在端点改造一个小波串的方法解决HHT存在的端点飞翼现象 .文中还提出确定是否终止固有模态函数分离过程的一种方法     

基于相空间重构的神经网络短期风速预测

针对风速具有较强的混沌特性,预测难度较大,提出了一种基于相空间重构的神经网络短期风速预测方法:对数据进行小波降噪,运用互信息法和虚假最近邻点法确定最佳的延迟时间和嵌入维数,对样本空间进行重构,使新的样本能够表征原始时间序列动态特性,更能反映风速变化特性。在此基础上运用BP神经网络进行短期风速预测。实验结果表明短期风速预测精度得到提高。