二自由度内模控制抗扰及鲁棒性分析

文章针对生产过程中常见的对象不精确及扰动或参数波动等情况,采用2自由度内模控制结构进行系统设计。通过内模前馈控制器及反馈滤波器设计来探讨内模控制结构如何有效提高控制系统的抗扰及鲁棒性能。然后使用Matlab仿真工具,实例设计反馈滤波器并在simulink下进行系统仿真,结果表明该二自由度内模结构设计方法可行,控制性能好,合理的滤波系数可保证系统具有良好的抗扰及鲁棒性能。     

基于动态神经网络的非线性系统建模及其控制

结合已知机理信息构造动态神经网络 ,进行了非线性动态系统的建模 ,给出了权值调整算法。利用获得的模型 ,设计了反馈线性化控制器。由训练好的网络在线提供反馈线性化所需要的信息。为了解决模型失配问题 ,采用内模控制结构来引入模型的误差反馈 ,以消除稳态误差。文中给出了仿真实例。     

基于动态神经网络的非线性系统建模及其控制

结合已知机理信息构造动态神经网络，进行了非线性动态系统的建模，给出了权值调整算法，利用获得的模型，设计了反馈线性化控制器，由训练好的网络在线提供反馈线性化所需要的信息，为了解决模型失配问题，采用内模控制结构来引入模型的误差反馈，以消除稳态误差，文中给出了仿真实例。     

无反步设计的严格反馈型非线性系统神经网络自适应跟踪控制

针对一类具有外部干扰、仅输出可测的SISO严格反馈型非线性系统,提出一种神经网络输出反馈跟踪控制方法。该方法将严格反馈型系统转换成标准仿射型系统,从而避免反步设计过程,且无需设计状态观测器。最终控制律和神经网络权值更新律中仅用到输出误差。基于Lyapunov方法证明了闭环系统所有信号有界,跟踪误差收敛到有界紧集内。最后,应用高机动导弹的位置跟踪控制验证了该方法的有效性。     

线性系统的输出反馈次优扰动抑制:内模原理方法

 运用内模原理研究线性系统的输出反馈扰动抑制问题.首先根据扰动的动态特性构造内模系统,将最优扰动抑制问题转化为等价的最优调节问题.然后通过构造降维状态观测器重构输出反馈中测量不到的部分状态变量;通过求解一组矩阵微分方程或矩阵方程得到次优控制律,利用控制律中的内模补偿项与外部扰动进行对消.最后采用海洋平台简化模型作仿真示例,将所设计的扰动抑制控制器与前馈反馈最优扰动抑制控制器作比较,证明所设计的控制器能够实现无静差的扰动抑制.     

基于自构建RBF神经网络的内模控制

针对复杂的非线性被控过程,本文提出一种基于自构建RBF神经网络的内模控制方法。该方法中,神经网络的自构建学习算法包括结构学习和参数学习。结构学习采用最近邻聚类法使网络能够自适应地在线增加和删减神经元以达到理想的网络结构。神经网络的参数学习采用梯度下降法。将该神经网络用于内模控制,使得辨识被控远程内部模型和控制器模型的神经网络的神经元个数可以根据激励强度动态改变,进而改善了控制系统的动态性能和鲁棒性。仿真结果表明了所提方法的有效性。     

基于逆系统方法的内模控制在伺服系统低速问题中的研究

针对常规控制方法对伺服系统低速抖动补偿效果不理想的问题,采用基于神经网络逆系统的内模控制方法对伺服系统进行控制。仿真结果表明,基于神经网络逆系统方法的内模控制能有效的改善低速性能,具有良好的控制效果,且控制器设计简单。     

基于神经网络内模的热解反应器温度控制

针对生物质热解反应器温控系统大惯性、大时滞以及非线性等特点,提出基于神经网络的内模控制方法,以提高温控系统的控制性能.利用内模控制算法提高系统的鲁棒性,采用神经网络设计出内模控制结构中的被控对象模型和内模控制器,与传统比例积分微分控制器(proportional integral derivative control,...     

基于动态神经网络解耦线性化的内模控制

采用动态神经网络对一类多变量仿射非线性系统进行建模，利用解析求得的模型动态逆，将非线性对象近似输入输出解耦线性化。针对复合后的伪线性系统采用内模控制，分析了存在建模误差的情况下闭环系统的鲁棒稳定性。仿真表明了所提方法的有效性。     

基于自构建小波神经网络的内模控制

针对非线性被控过程,提出了一种自构建小波神经网络内模控制方法,自构建神经网络算法包括结构学习和参数学习。结构学习过程中,采用相似性度量法来确定是否需要增加新的小波基以满足辨识需求,根据小波基对网络输出的影响程度判断是否需要删除该小波基,参数学习采用自适应调节步长的梯度下降法以提高学习速率。将该神经网络与内模控制相结合,使得辨识被控过程内部模型和控制器模型的神经网络能够动态决定小波基的个数,进而改善了控制系统的动态性能和鲁棒性,仿真结果表明了所提方法的有效性。     

一种基于人工神经网络的内模控制方法

对SISO反馈线性化系统的自适应自校正神经控制进行改造,提出了一种基于BP网络的内模控制新方法,克服了原系统设计方案的理想化,提高了系统的鲁棒性,使该方法具有实用性。同时有只要建立被控过程的内部模型即可得到内模控制器模型的特点。     

利用RBF神经网络实现聚合反应的内模控制

文中研究基于径向基(RBF)神经网络算法的内模控制策略在苯乙烯本体聚合反应相对分子质量分布控制领域的应用。利用神经网络对非线性系统的逼近能力，把内模控制推广到聚合反应过程质量指标控制这一非线性系统中。针对建模过程中存在的稳态误差，在训练数据中增加了部分静态数据，有效的提高了模型的验证精度，大大改善了由神经网络构成的内模控制器的控制精度，消除了系统余差。仿真结果证明，基于神经网络算法的内模控制策略达到了较好的控制质量。     

一种基于神经网络的内模控制方法及其应用

根据具有非线性、强耦合、不确定性过程的控制需要，提出了一种基于神经网络的内模控制方法，该方法充分利用神经 自学习及非线性逼近能力，建立非线性、强耦合、不确定性过程的动态模型及逆模型，采用这种方法对冷轧过程中带材全局板形进行仿真实验控制，取得了理想的控制效果。     

内模原理在肢体平衡中的模型及应用

为了解决肢体平衡问题时可以保证系统在运动控制过程中的精确性和稳定性,该文在内模原理思想的基础上提出了一种基于预估器的小脑模型(KECFEL)。这种模型由前馈神经网络控制器构成;训练前馈模型中神经网络的教师信号由预估器以及反馈控制器(CFC)的输出来提供,并采用在线学习对网络进行权值更新与网络训练;同时采用比例微分控制器(PDC)作为反馈控制器以确保全局稳定性。通过该模型对倒立摆的仿真实验验证该模型对肢体平衡控制的有效性。     

枯水流量演进方法及其应用

将枯水期河段槽蓄水量表示为上断面多个时刻流量的线性组合,考虑河段引水、加水和损失等因素的影响,建立了枯水流量演进的线性方程模型,并用优化方法率定了模型参数;以河段上断面流量、河段用水量、区间加水量、河段损失量作为网络输入因子,河段下断面流量作为网络输出因子,构建了一个3层BP神经网络模型;将线性方程模型、BP神经网络模型和水力学方法应用于黄河下游河段枯水流量演进模拟计算,并对其模拟结果进行了比较.结果表明:线性方程模型稳定性好,便于演进计算和反馈控制计算;BP神经网络模型具有较好的泛化能力,计算精度也较高,但难以进行反馈控制计算;水力学方法在进行流量演进和反馈控制时,存在计算稳定性和收敛性问题,其应用有一定困难.     

基于神经网络广义逆的感应电机变频系统内模控制

为提高感应电机变频调速系统的鲁棒性和抗干扰能力,提出了基于神经网络广义逆系统的内模控制方法.在分析原系统可逆性的基础上,先用动态神经网络逼近原系统的广义逆模型,从而串接在原系统之前组成广义伪线性复合系统,实现系统的线性化与开环稳定,有利于系统的综合.再对广义伪线性系统引入内模控制,保证系统的鲁棒稳定性.采用该系统进行了阶跃响应和跟踪效果试验.结果表明,该方法能够成功地实现系统的线性化,并且当系统存在建模误差和负载扰动的情况时,仍能使系统保持高性能的控制.     

基于神经网络内模控制的近红外光谱定量分析方法

以近红外光谱法为基础测定方法,结合内模控制,论述了采用自适应神经网络建立校正模型测定石油化工产品组成的可行性.基于dSPACE硬件平台,实验以直馏柴油、加氢精制柴油和催化裂化柴油为校正模型的训练样本,对自适应神经网络校正模型进行了检验,实验结果表明:该方法响应快、误差小、鲁棒性强,在近红外长波区内,校正样品和验证样品的均方误差小于10-6.     

钢包精炼炉的电极系统智能建模及控制

针对钢包精炼炉电极控制系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,提出一种基于神经网络实时在线辩识的内模控制方案.控制器采用神经网络解耦,将混沌机制引入到BP算法中,用以加快学习的收敛速度.仿真结果证实了控制策略的有效性.