分数阶PIλDμ控制器的仿真研究

PID控制是过程控制中应用最为广泛的一种控制方法，分数阶PI^λD^μ控制是常规的整数阶PID控制的推广与发展。本文对通过在复平面映射后的根轨迹对分数阶PI^λD^μ控制器的控制特性、参数的整定等进行了研究，研究表明PI^λD^μ控制器控制参数和阶次的改变都能改变控制质量，而且控制器对其本身参数和系统参数的变化并不敏感，PI^λD^μ控制器具有更灵活的结构和更强的鲁棒性。     

分数阶控制器与整数阶控制器仿真研究

分数阶PID控制器多了两个可调参数,可以取得更好的控制效果.针对位置伺服系统测试问题,设计了分数阶PID控制器,并与整数阶PID控制器相比较,仿真结果演示了分数阶PID制器的控制效果明显优于最好的整数阶PID控制器.无论是在输入发生变化,还是系统负载或参数变化,给出的分数阶PID控制器的控制效果都是比较稳定的.     

基于Haar小波运算矩阵的分数阶系统辨识方法

分数阶微积分因为其阶数可以是任意数,因此能够更加准确的描述动态系统。虽然分数阶系统受到了越来越多的重视,可是,如何建立分数阶系统目前仍处于积极探究阶段。考虑到分数阶微分的非局部性,利用小波运算矩阵为工具,给出了一种分数阶系统的辨识方法。其好处在于能够利用小波的多分辨特性对激励信号和响应信号进行数据压缩,从而降低运算矩阵的维数,可解决因矩阵维数过大导致内存溢出的问题。     

一种改进差分进化算法的分数阶系统辨识研究

分数阶模型需要辨识更多的参数,为了建立高精度的分数阶模型,提出一种应用于分数阶系统辨识的改进差分进化算法.在变异策略中基向量从最优个体群群中随机选取,在搜索过程中根据成功变异个体的信息自适应调整缩放因子和交叉概率因子,提高算法的勘探和开采能力.通过求解5个测试函数,证明了改进算法具有较强的求解能力.以永磁同步电机的分数...     

分数阶线性系统的能观性研究

在对一类由分数阶线性微分方程描述的系统的能观性问题研究中,通过分数阶线性定常系统求解,给出了分数阶线性定常和时变系统一般解的统一表达式。在给出分数阶系统能观性定义的基础上,提出并证明了分数阶线性系统时变和定常系统能观性的充分和必要条件,以及分数阶线性定常系统的能观性判据,所得结论对分数阶控制系统的分析与综合是有益的。     

基于状态空间模型分解的分数阶系统辨识算法

给出了分数阶线性系统的一种有效辨识算法.该算法可以辨识出系统的模型参数,同时也可以对系统的阶次进行辨识.通过基底变换把分数阶系统的系统矩阵变换成对角阵,这就把原系统的输入、输出关系转化为若干简单的子系统的和,从而降低了辨识问题的复杂性.该算法还能容易地获得系统的输出误差对其模型参数及系统阶次的偏导数,从而可以选择利用梯度的优化算法,如梯度下降法和拟牛顿法等,进行系统辨识.最后给出了实例证明了算法的有效性.     

加性噪声背景下基于ICA的线性系统辨识算法

在加性噪声背景下,将线性系统辨识问题纳入到独立分量分析(ICA)瞬时混合模型中,提出了一种新的结合ICA技术的线性系统辨识算法.该算法无需对噪声信号的统计特性进行任何先验假定,根据ICA模型中瞬时混合矩阵的先验知识,准确估计出系统输出的加性噪声,从观测数据减去该噪声后,利用最小二乘理论实现算法对未知系统的参数估计.仿真实验表明,该算法不仅有效地消除了一般算法对于噪声特性的限制,而且在低信噪比下仍能取得较为理想的辨识结果.     

基于MMSE 和PI 控制器的过程质量控制

研究了运用MMSE控制器和PI控制器进行自动过程调整后的监控问题.通过比较分析针对过程输出和调整量两种数据流建立的控制图的效率,分别给出了对于这两种不同控制器的最优监控策略,并通过一个简单的算例说明该方法的使用.     

基于频域的PI控制器整定方法研究及仿真

提出了一种基于频域的PI控制器参数整定方法。以典型的一阶惯性加滞后系统为被控对象,综合考虑系统设定值响应和扰动响应,以ISE为性能指标,结合求解幅值裕度和相位裕度的简化公式,利用Nelder-Mead单纯形优化方法搜索给定幅值裕度下的最优相位裕度,整定PI控制器参数;通过与几种整定方法对比,验证了该整定方法使得制系统具有良好的控制效果和较强的鲁棒性;对中央空调系统中几种高阶系统模型进行简化,利用该整定方法进行仿真试验,进一步验证该方法的可行性。     

分数微积分的两种系统建模方法

介绍了Riemann-Liouville和Caputo分数微积分的定义及其部分性质。给出了分数阶线性定常微分方程的一般定义形式,并指出它是整数阶线性定常微分方程的推广。给出分数阶线性定常系统的传递函数和状态方程描述,并与整数阶线性定常系统的传递函数和状态方程作一比较,指出它们的异同点。运用拉普拉斯变换推导出其两种求解方法:直接求解法和状态空间法。最后给出一个实例说明这两种方法的有效性。     

一种新的基于核函数的非线性系统辨识方法

提出了一种新的基于核函数的非线性系统辨识方法。该方法无须知道系统输入输出先验信息,首先对系统输入输出数据进行密度估计及聚类,自适应获取该数据隐含的类别数目及对应的核参数,得到系统的结构。进而利用这些核,将系统原始低维输入输出数据映射到高维空间获取新的输入输出数据,然后通过递归最小二乘方法获取系统的参数。仿真结果表明了该方法的有效性和自适应性。     

基于遗传算法的系统辨识方法研究

针对从样本数据进行系统辨识的问题,提出一种由典型数学模型相互组合构成系统模型的新的辨识方法,将系统结构辨识问题转化为组合优化问题,并采用遗传算法同时实现了系统的结构辨识与参数辨识,模拟仿真与实际系统辨识结果验证了系统辨识方法的合理性与求解算法的有效性.     

一种直升机舵机的GFRF模型辨识方法

改进了以多音组合正弦信号为持续激励信号的非线性系统GFRF非参数模型辨识方法。并成功地利用该方法辨识出某型直升机并联电动舵机的GFRF模型．实践表明，改进后的辨识方法辨识精度高且稳定，只需很小的计算量和数据存储空间，是一种有效的非线性系统辨识方法，具有重要的工程实际应用价值．     

一种基于模糊规则的非线性系统快速模糊辨识方法

针对以往模糊建模方法中算法中算法过于复杂的问题，提出了一种简单而有交的复杂系统模糊建模新方法。该方法是基于输入空间的模糊划分，计算给定样本在各模糊子空间的隶属度，并列用卡尔曼滤波算法辨识模糊模型的结论参数。整个辨识过程与模糊聚类方法和误差反馈学习方法相比所需的CPU时间最短。最后通过著名的Box-Jenkins煤气炉数据仿真结果证明了该方法的有效性与实用性。     

一种基于BLMS的Volterra级数简化辨识方法

针对Volterra级数辨识中的“维数灾难”问题，提出了一种基于分块最小均方（BLMS）滤波器的简化辨识方法．该方法利用影响指数的概念，在保证一定辨识精度的前提下，根据每个Volterra核函数对辨识结果贡献的大小对其进行筛选，然后用筛选出的有效核函数作为对原系统的近似，从而达到降低辨识维数减少计算量的目的。该方法为克服“维数灾难”，实现在线辨识Volterra级数提供了一个有效解决途径。最后，文中用一个工程实例验证了该算法的有效性。     

基于框图的分数阶非线性系统仿真方法及应用

针对在实际情况中应用越来越广泛的分数阶微积分系统,提出了分数阶微积分方程的框图求解法。通过Simulink搭建仿真框图,可以直接求出分数阶非线性微积分方程的数值解析解。该方法最大的优点是能够解决由一般的分数阶微积分知识所不能或是很难求解的复杂分数阶微积分问题,对于分数阶的线性微积分方程也完全适用。用仿真实例进一步演示了该方法的简洁、有效,可以解决任意的分数阶微积分方程的求解问题。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

基于数据的机械论黑箱辨识方法研究

总结了基于数据的机械论（Data-based Mechanistic）黑箱辨识算法（简称DBM）在常规黑箱辨识算法中的基本框架和两类重要模型时变参数（Time Variant Parameter）模型（简称TVP）和状态依存参数（State Dependent Parameter）模型（简称SDP）的特点,并利用DBM方法和其他非线性辨识算法分别对时变参数方程和杜芬方程进行分析和比较,发现尽管方法本身具有拟合精度高,不存在过拟合现象,可以较精确的反应参数对于状态或者时间的依存关系等特点,但是SDP方法在分析复杂问题时存在搜索效率低,计算时间长的缺点。最后通过引入遗传算法对搜索方式进行改进,从而降低了所要搜索的规模,大大减少了计算量。     

一种基于遗传算法的神经网络控制方法研究

给出一种采用遗传算法同时进行神经网络控制器的权值和结构优化设计的方法，并将该方法分别应用于球杆系统和连续搅拌反应釜系统的控制，仿真结果表明，用该方法得到的神经网络控制器具有结构简单、泛化能力强、控制效果良好的特点。