基于故障检测的惯性航姿系统内阻尼姿态组合算法

在平台式惯导系统中可通过阻尼网络来阻尼系统的振荡误差,而在捷联惯性航姿系统中也可以借鉴这个思想,通过加速度计的信息对陀螺漂移进行修正.文中提出了分别利用陀螺仪和加速度计来解算载体姿态,然后通过卡尔曼滤波器进行数据融合的方法.由于加速度计信息进行阻尼的方法只有在系统处于非加速度运动状态才可用,因此,本文将故障检测理论中的残差χ 2检验法应用在卡尔曼滤波器中,进行运动状态的实时判断,并根据判断结果进行相应的处理.此外,算法中还考虑到传感器测量野值带来的影响,提高了算法的容错性能和灵敏度.最后,采用实际系统的动静态试验验证了本算法的有效性.     

用模糊控制器改善矿井提升机环流变换器输出电压波形

为保证矿井提升机平稳起降,设计了一种基于模糊算法控制的环流变换器,目标是保证变换器电压输出波形为对称的正弦波.在具体的系统实现中,变换器主回路选择环流控制方式,采用高性能DSP作为模糊控制核心,通过加权平均判决的模糊决策算法对变换器主回路晶闸管的触发角进行调制,从而有效控制输出电压波形.实验结果显示,采用这种模糊控制的环流变换器的电压输出性能得到大幅改善,波形对称且非常接近正弦形,能够保证矿井提升机停位准确,减少冲击.     

多回路分布式控制系统网络传输周期的选取

控制回路的网络传输周期是安全优先分布式控制系统的重要设计参数. 为求取该参数,在对多回路安全优先分布式控制系统建模后,提出了基于控制性能和网络调度的协同设计方法,并给出该方法的形式化表达式. 利用状态相对误差及李雅普诺夫等理论,建立该方法中回路性能的描述函数,推导出了指定稳定度约束下的最大允许传输间隔求取公式. 最后的仿真实例证实,该方法不仅能保证网络的可调度性而且能保证回路具有指定的动态性能.     

应用小波的PV振荡周期多分辨率检测

该文提出了一种新的使用小波技术检测PV数据信号振荡周期的方法. 首先使用小波技术对PV数据进行降噪;然后在不同分辨率上,应用冗余二进制离散小波变换(DDWT)来分解PV振荡信号,并检测该信号的小波系数极值,重构PV信号,避免降噪后的PV信号失真;最后基于本文提出的新算法,计算获得PV振荡信号的周期.     

无线传感器网络中可变同步周期时间同步算法

介绍了时钟同步算法在无线传感器网络中的应用及其重要性及基于层次的传感器网络时间同步算法,进而提出了有价值的节省能量消耗可变周期的同步算法.可变周期完成时间同步算法,根据最近的时间偏移和时间同步周期来调整同步的时间周期的长度.能够减少时间同步的次数,减少同步协议的开销,进而减少节点的能量开销.     

基于遗传算法的SVC电力系统低频振荡抑制技术

为了延伸静止无功补偿器的作用,即在控制电压的基础上对系统中存在的低频振荡进行抑制,对其添加新的辅助阻尼控制器,并采用遗传算法对控制器参数进行进化,在全局信号中搜索出最优解,并提出了衡量系统低频振荡非线性度的参数。经计算机软件Matlab/Simulink仿真验证,在单机无穷大系统中,该辅助阻尼控制器可以很好地抑制系统低频振荡。     

模糊神经网络优化的研究

模糊神经网络具有强大的自学习和自整定功能,然而,随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.     

基于模糊竞争学习的模糊自校正控制

提出一种基于模糊竞争学习的模糊自校正控制方法.先通过基于模糊竞争学习确定一种在线模糊辨识算法,并给出递推模糊竞争学习算法收敛性证明.在采用此模糊辨识方法对对象进行在线估计的基础上,再用调节器实现参数的自动整定.为验证此法的有效性,还给出了非线性系统的控制结果.     

一类非线性系统的模糊自适应控制

针对一类非线性系统,把模糊T S模型和自适应模糊逻辑系统这两种模糊逻辑方式结合起来,提出了一种自适应控制方案.首先,采用模糊T S模型来对非线性系统建模,由线性矩阵不等式得到模糊模型的控制律.其次,构建了自适应模糊逻辑系统,应用自适应模糊逻辑系统补偿器来消去建模误差.证明了闭环系统满足期望的H∞性能,仿真结果表明了该方案的可行性.     

推理网络的回路识别算法

推理网络是一种特殊的有向图,有效地识别出推理网络中的回路不仅对电路分析和图论研究有意义,而且对智能计算机系统的自动知识获取更有着特殊意义.该文设计并用Turbo-PROLOG语言实现了一个推理网络的回路识别算法,该算法也适用于一般形式的有向图.     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

基于模糊粗糙神经网络的交通流研究

交通流预测是实现道路交通科学管理的重要内容,文章概述了模糊粗糙神经网络的基本原理,通过模糊粗糙隶属函数建立了基于模糊粗糙神经网络的交通流控制模型,设计了两级协调模糊控制器,结合模糊控制理论和神经网络各自的优点,构造了模糊粗糙神经网络.通过实践结果证明,该算法精度高,学习速度快,适应能力强,对实时交通流预测有一定的指导意义.     

基于模糊PID算法的地铁屏蔽门门机系统的研究与仿真

针对地铁屏蔽门控制系统高可靠性的要求,将模糊PID算法应用于门机控制系统,使电机快速平稳地跟踪速度给定值,以形成较为理想的S曲线.实验结果表明,门机系统在模糊控制器的调节下具有自适应性,有很强的抗干扰能力,达到了较好的控制效果。     

车削加工过程的模糊控制

针对车削加工过程控制的复杂性,将模糊控制技术应用于车削加工过程.建立车削加工过程的模糊自适应控制系统,以恒切削力为控制指标,设计了车削加工过程模糊控制器.在MatLab软件平台上对控制系统进行仿真,取得了很好的控制效果,为实现加工过程的恒力切削提供了一种有效的方法.     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.     

一种基于模糊聚类的可解释性建模方法

提出一种基于模糊聚类的可解释性建模方法.利用提出的一种含有熵的聚类有效性函数来评价模糊聚类方法的有效性和可解释性,从而确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法来调整模型的参数.该方法应用于Box-Jenkins 数据仿真实例,仿真结果表明该方法不但能保证系统的精确性,还具有很高的可解释性.     

基于Simulink的液压半主动悬架模糊控制系统仿真

建立了二自由度1/4车体液压悬架的数学模型,利用模糊控制工具箱设计汽车液压半主动悬架模糊控制器,通过应用MATLAB/Simulink对比仿真,得出了具有模糊控制器的液压半主动悬架的控制效果明显优于被动悬架,为半主动悬架在车辆上的应用提供了成功的范例.