基于状态子空间辨识算法的双阶挤出系统动态特性建模研究

针对高聚物挤出发泡所用的双阶挤出系统中需要解决连接体压力稳定控制的动态建模问题,提出了一种用于双阶挤出系统预测的状态子空间系统辨识策略,该方法利用系统的输入输出数据成功辨识出了双阶挤出系统的动态模型,并将实际测量数据与辨识得到的模型仿真输出数据进行对比,结果验证了基于状态子空间的辨识算法得到的系统模型能很好地反映实际情况。     

双率Hammerstein系统的极大似然递推辨识

针对一类双率Hammerstien系统的参数辨识问题,基于辅助模型辨识思想,利用极大似然原理和递推辨识技术,提出一种极大似然递推辨识算法.主要方法是针对模型中的未知输出构造一个辅助模型,用辅助模型的输出预测未知输出.该方法可以直接基于双率输入输出数据进行参数辨识.仿真实验表明,所提出的算法能有效地辨识双率Hammers...     

Hammerstein系统遗忘因子有限窗口分解辨识

提出一种带遗忘因子和分解辨识策略的有限数据窗口递归最小二乘Hammerstein系统辨识方法。针对Hammerstein系统具有耦合参数的问题,将Hammerstein系统分解为2个子系统：一个子系统包含线性子系统参数,另一个子系统包含非线性子系统参数;提出一种基于遗忘因子的有限窗口递归最小二乘方法对分解模型进行在线递归估计;仿真示例验证了所提算法能够快速跟踪参数,实现对Hammerstein系统的精确辨识。     

基于驱动电机控制的电动汽车坡道静止保持系统

针对传统坡道驻车系统制动力释放时间延迟或提前会引起坡道起步具有冲击和后移问题,文中提出了一种基于驱动电机控制的电动汽车坡道静止保持系统,基于驱动电机系统参数建立了坡道静止保持系统动力学模型.对于模型中坡度和整车质量参数的不确定性,系统采用了参数辨识-自抗扰技术控制策略.参数辨识技术作为控制器输入初值,并使用自抗扰控制技术补偿辨识误差.实验数据表明:变遗忘因子最小二乘法能够估算坡度和整车质量参数,且误差在15%以内.此外,控制器中自抗扰算法能消除参数估算误差和扰动,与传统PI控制器相比,具有控制车辆后移距离短、响应速度快的特点.      

CAR模型的可变遗忘因子多误差随机信息梯度辨识

CAR模型在过程建模中得到了广泛应用.传统的随机信息梯度算法虽然可以辨识CAR模型,但是算法收敛速度慢、估计精度不高.为解决这一问题,提出了一种带可变遗忘因子的多误差随机梯度算法.首先用信息向量取代信息标量,提出了一种多误差随机信息梯度算法;然后,将误差信息引入遗忘因子,提出一种可变遗忘因子.数值仿真表明,所提算法能够以较快的收敛速度获得精度较高的参数估计值.     

基于多模型在线辨识的滑模变结构控制

为了改善复杂非线性系统中传统滑模变结构控制系统的控制效果,提出了一种将多模型在线建模与滑模变结构控制结合的方案.首先,根据输入输出数据利用在线数据聚类的方法建立多个局部模型,实时对局部模型进行更新,并通过加权综合获得非线性系统的在线辨识模型;然后,针对系统的辨识模型设计基于趋近律的滑模变结构控制器.仿真结果表明,控制方案对系统模型的不确定性具有良好的鲁棒性.     

一种工业电炉的模糊自适应系统

首先给出一种在线修改遗忘因子的模糊辨识方法。并以工业电炉为控制对象，通过在线辨识模糊模型获得模糊控制规则，实现了模糊自适应控制。实验结果表明，采用该方法，有效地改善了控制系统的性能，提高了系统的鲁棒性。     

基于数据的MATLAB系统辨识工具箱模型识别

系统辨识是研究建立系统数学模型的理论与方法.从实测的系统输入输出数据或其他数据,用数值的手段重构系统数学模型的办法称为系统辨识.在实际应用中,可以采用许多方法从给定的系统响应数据,如时域响应中的输入和输出数据或频域响应的频率、幅值与相位数据等拟合出系统的传递函数模型,但由于这样的拟合有时解不唯一或效果较差,故一般不对连续系统数学模型进行直接辨识,而更多地对离散系统模型进行辨识.MATLAB的系统辨识工具箱中提出了各种各样的系统辨识函数.在介绍了系统辨识的基本理论和方法的基础上,利用Matlab仿真工具箱对给定实例进行仿真分析.通过仿真结果比较可见,两种方法都能够与实验对象有较好的拟合,而近似最优4阶辅助变量法所得模型拟合精度高于最小二乘法所得模型.     

子空间预测控制方法在线性变参数系统中的应用

提出了一种针对线性变参数系统的新型子空间预测控制方法。该方法首先通过子空间辨识算法获得线性变参数系统的子空间预测输出。然后,对构造的输入输出矩阵进行QR分解得到子空间预估器,将子空间预估器用于设计模型预测控制器。该控制器包含了积分作用,可消除稳态误差。最后,通过风机扑翼动力学系统的仿真实验,证明了该方法的有效性。     

基于Laguerre函数模型的多变量广义预测自适应控制

通过对Laguerre函数模型结构的分析 ,把多变量广义预测自适应控制方法应用于该模型中 ,利用Laguerre函数模型近似控制对象系统结构 ,将模型中间参量的辨识和模型的预测输出有效的统一了起来 ,克服了单纯基于参数化模型预测控制通常需要已知系统的时延和阶次的局限 ,为适合该类模型的工业对象应用提供一种有参考价值的控制方法。     

基于VFF-RLS的力传感器的动态特性研究

在科学实验与工业生产中,力传感器动态特性会直接影响传感器的精度,因此研究力传感器动态特性具有重要意义。针对应用于手术机器人的应变式力传感器动态特性难以满足精度要求的问题,文中研究了基于最小二乘参数辨识方法在力传感器振动结构中的应用。由于递推最小二乘（RLS）对于二阶振动系统模型辨识难以同时保证快速性和抗干扰性,文中提出了一种基于可变遗忘因子的递推最小二乘参数辨识方法。首先,通过建立随机振动系统模型,对系统的输入/输出特性进行仿真与分析,确定了遗忘因子函数中的参数,仿真结果表明,文中提出的方法在保持更快收敛速度的同时,使参数辨识误差和收敛预测误差相比于RLS有明显的降低,相比于最小二乘有良好的时变性;然后,在阶跃测试标定法基础上对微创外科手术机器人力传感器的动态参数进行辨识,获得该传感器系统的结构动态特性,即固有频率和阻尼比。实验结果表明,文中提出的方法有较好的收敛性和稳定性,有效地提高了辨识精度。     

基于系统辨识的滑油试验台油温智能控制

针对航空发动机滑油试验台油温控制系统时变、时滞、非线性和难在线实时控制等问题,提出应用带遗忘因子的递推最小二乘法对系统参数在线辨识和遗传算法整定模糊PID初始参数的组合控制方案。通过matlab编程仿真,和常规方法整定的PID控制及模糊PID控制对比,结果表明,这种基于系统辨识的智能控制算法在系统的稳定性、抗干扰性及鲁棒性方面,明显优于常规控制算法。     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

含非线性摩擦的伺服系统连续模型直接辨识

为准确描述伺服系统的动态特性与摩擦非线性,提出了一种非线性连续模型直接辨识方法. 该方法以离散输入输出数据与速度方向的逻辑值作为辨识输入,通过等价变换将未知参数都转移到模型的线性部分中,再运用基于状态变量滤波器的直接辨识法求得未知参数,从而获得伺服系统的非线性连续模型. 通过仿真及在双向转台伺服系统的实验表明,该方法在有噪声的情况下仍能准确辨识出非线性连续模型,能准确描述伺服系统的动态特性.     

基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题，提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律，以实现闭环系统的稳定控制和干扰抑制。首先，将卡尔曼滤波器作为系统的状态观测器，在含有随机噪声干扰的情况下，估计系统的最优状态；其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化，使系统快速收敛并准确跟踪参考轨迹，实现运动过程中重复干扰信号的抑制；最后，以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法，并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明，本文提出的控制方法可以保证被控系统稳定运行，当环境中存在随机非重复性噪声或重复性干扰时，被控系统都可以保持良好的鲁棒性。     

基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题，提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律，以实现闭环系统的稳定控制和干扰抑制。首先，将卡尔曼滤波器作为系统的状态观测器，在含有随机噪声干扰的情况下，估计系统的最优状态；其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化，使系统快速收敛并准确跟踪参考轨迹，实现运动过程中重复干扰信号的抑制；最后，以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法，并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明，本文提出的控制方法可以保证被控系统稳定运行，当环境中存在随机非重复性噪声或重复性干扰时，被控系统都可以保持良好的鲁棒性。     

机器人多模型反演滑模控制策略研究

针对机器人工作环境的改变对系统模型产生的影响问题, 提出了一种机器人多模型反演滑模控制策略。对传统多模型控制的PID(Proportion\|Integral\|Differential)型切换指标进行了改进, 形成带权值和遗忘因子的PID型切换指标, 使切换指标更具实时性。不同于采用先前的估计虚拟控制输入作为当前控制输入, 引入滑模面作为虚拟控制输入, 消除了机器人运动模态的导数项, 简化了控制率, 然后利用Lyapunov直接法保证稳定性。仿真结果验证了所设计的控制策略的有效性。