非线性多变量液压系统的智能控制

根据非线性多变量液压系统的特点，设计了一种在全论域范围内带自调整因子的模糊控制加开关控制和智能积分环节的复合控制器。数字仿真和实时控制的结果表明，本控制器算法简洁，控制性能优良。     

多变量非线性系统的逆系统解耦控制

本文对多变量非线性控制系统的一种新方法——逆系统解耦控制进行研究,给出状态反馈解耦条件,同时提出逆系统解耦镇定条件,最后以两自由度机械手进行仿真。     

基于ADAMS-MATLAB联合仿真的液压活套多变量解耦控制

对于具有非线性、强耦合、不确定特性的液压活套系统的多变量控制一直是轧制控制领域的难点问题,为了进一步提高热连轧带钢的控制品质,首先利用ADAMS建立了液压活套虚拟样机模型,然后利用M ATLAB设计了一种基于互不相关解耦策略的液压活套迭代学习控制系统,利用ADAM S/Sub模块与M ATLAB/Simulink接口得到联合仿真模型.基于此模型,对传统PID控制系统与所设计的控制系统进行了仿真研究,仿真结果表明所设计的控制系统可以更好地减弱活套张力与高度系统的耦合作用,使活套控制系统获得更好的控制效果.     

热连轧活套系统的解耦补偿预测控制

针对热连轧活套系统的强耦合特性,提出一类基于预测原理的交叉解耦控制策略.将一个两输入两输出的强耦合系统分解成两个相互影响的单输入单输出的子系统.基于预测控制原理,在一个周期内,顺序更新每个子系统的控制律,并保留未来的预测控制信息,补偿子系统之间的耦合影响,然后开始新的循环.基于H∞原理,将预测值与实际值的误差作为扰动处理,降低子系统之间的耦合影响,提高控制精度,简化控制器设计,减轻计算机的负担.仿真结果证实了该方法具有较好的解耦效果和控制性能.     

热连轧液压活套不确定系统的滑模控制

针对一类多输入多输出热连轧液压活套不确定系统设计了滑模控制器.首先利用特殊线性变换将原不确定系统化成标准形式,然后基于Lyapunov函数方法和线性矩阵不等式(LMI)技术给出了滑模面函数,根据滑模到达条件设计了一种新的控制策略,并且给出了理论性证明.最后仿真结果表明,该控制器可使活套控制系统获得较好的控制效果,有效地提高热轧带钢精轧机活套系统的控制精度,并使活套系统迅速达到平衡稳定状态.该控制器具有很强的鲁棒性能,非常适合于复杂的活套系统.     

基于神经网络的多变量非线性系统的广义预测控制

为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器。     

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。     

热连轧活套高度和张力系统的解耦控制

为了进一步提高板带热轧厂厚控精度及控制品质,需对具有非线性、强耦合、不确定、多约束特性的活套系统建立工程上适用的数学模型,以实现活套高度与张力系统的解耦控制.在分析其动态耦合过程的基础上,考虑到实际的活套系统在工作过程中变量的变化离其稳态工作点的偏差很小,以实际热轧现场数据为依据,给出了完整的传递函数表达形式.采用线性预测模型的BP神经网络PID控制策略以减弱系统的耦合影响,以提高控制效果.仿真结果验证了本算法的有效性,表明解耦后的活套控制系统可获得更好的控制效果.     

基于递归神经网络的多变量系统预测控制

针对线性PID控制器系数难以整定的问题，构造了一种用神经网络实现的非线性PID控制器．多个具有相同结构的非线性PID控制器并联，对多变量系统实现解耦控制器．结合预测控制的思想，提出两种控制方案．第一种是在递归多步预测的基础上，在广义最小方差目标函数下实现控制，第二种利用多步预测目标函数在线修正解耦控制器的权值．仿真实验表明这两种方法的有效性．     

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。     

微型液压系统与主动控制技术

介绍了最近发展起来的微型液压系统及元件，讨论了其在某些高新技术领域的应用，阐明了微型液压系统在主动控制中的应用前景     

基于Laguerre 函数近似模型的多变量系统增量型预测控制的算法

探讨了基于Laguerre函数近似模型的多变量系统的增量型多步预测、多步控制算法 ,并进行了仿真 ,结果表明该算法具有较好的控制性能     

非线性控制系统的局部镇定

在对非线性控制系统x=Ax+f(x)+Bu+G(x)u的镇定性研究中,通过反馈精确线性化及零动态方法确实带来一些方便,但常要求系统满足可控性秩条件或要求其零动态具有渐近稳定性。该文将系统分解2个子系统,即x1=A1x1+B1u+f1(x1,x2)+G1(x1,x2)u和x2=A2x2+f2(x1,x2)+G2(x1,x2)u。其中,第一个系统是可控的,而第二个系统则可直接构造反馈控制律u(x),使其闭环系统x=Ax+f(x)+(B+G(x))u(x)在x=0处渐近稳定。     

非线性网络控制系统的稳定性分析

针对传感器为时钟驱动、执行器、控制器均为事件驱动的一类非线性网络控制系统(net-worked control systems,NCS),通过在信息接收端设置一定长度的缓存,可以将时变的网络诱导时延转化为固定时延,并且将此类NCS建模为一类具有输入输出时延的非线性时延系统.基于建立的模型,利用Lyapunov定理和Razumikhin定理给出了系统渐近稳定的充分条件,同时给出使系统保持渐近稳定的最大允许网络诱导时延.最后通过算例验证了时延小于最大允许网络时延时,NCS是稳定的.     

非线性系统神经模糊自适应控制的问题与策略

针对具有未知动力学的机械臂系统 ,提出一系列神经模糊自适应控制方法。提出神经模糊动态逆稳定自适应控制方法 ,该方法使用动态神经模糊系统逼近非线性动态系统 ,设计的动态逆控制器可以通过参数的设定保证闭环系统在初始控制段的动态性能 ,而无需事先要求机械臂状态位于某一紧集的假设。结合延时神经模糊网络 ,引入降维观测器估计输出重定义后机械手的速度矢量 ,从而建立了非线性系统的控制器观测器设计的新方法。采用了动态逆和“Back-stepping(后退 )”的技术 ,将以上方法成功推广到了考虑执行电机动力学特性的柔性连杆机械臂问题上     

基于非线性拟合方程的多变量决策树算法

根据数据属性间存在的线性相关和非线性相关影响决策树性能的特点,提出了一种用拟合回归建立决策树的算法,并利用这种相关性来提高分类能力.该算法选择了一个较优的属性子集,对此子集中的属性进行加权组合,用于构造决策树的节点,采用二次多项式来拟合两个属性间可能存在的相关性,从而构造出分类能力更强的决策树.研究中用UCI标准数据集对各种算法进行测试及比较,实验结果及分析表明此决策树算法具有良好性能.     

电站分布式控制系统建模支撑系统

介绍了最新研制的电站分布式控制系统建模支撑系统（ＤＣＳＭＳ）。建模人员通过绘制组态图来进行控制系统组态，系统可以将组态结果转换成ＦＯＲＴＲＡＮ语言仿真源程序。ＤＣＳＭＳ将源程序进行编译和连接后可以调入系统调试；在调试系统中可进行单步运行、快速运行、冻结、复位、停止等操作，并可用鼠标选取所要调试的变量。ＤＣＳＭＳ还具有在线组态功能，它可以根据组态结果直接运行实现控制策略，可以进行结构和参数的在线修改。ＤＣＳＭＳ可以较大程度地加快建模进程     

非线性混沌系统的鲁棒自适应控制

研完了不确定非线性Chua's混沌系统的跟踪控制问题.通过坐标变换将Chua's系统转换为严格反馈控制系统的一种通用形式,然后利用Backstepping方法和鲁棒控制技术,设计了参数自适应控制律,对存在的不确定性和未知干扰的非线性系统实现了输出跟踪.基于Lyapunov稳定性理论所设计的控制器不仅使系统输出跟踪给定的期望输出,而且使得系统对于所允许的不确定系统状态全局一致有界.仿真结果表明了所设计方法的有效性.     

一类非线性系统的自适应控制

提出一种带有状态观测器的非线性系统自适应控制策略 ,实现了非线性系统的镇定和零误差跟踪 .这种方法简单有效 ,尤其适用于状态不可观测系统和输出无法直接连续测量的非线性系统 .     

非线性系统的模糊Backstepping自适应容错控制

针对一类受扰动的且伴有执行器故障的严格反馈不确定非线性系统,提出了一种模糊自适应容错控制方法.当故障发生时,改变控制器结构使其融合故障.设计中,模糊逻辑系统用作在线逼近系统的未知动态和未知的故障函数,结合模糊自适应控制与backstepping技术,给出了模糊容错控制器方法,并基于Lyapunov定理严格证明了所提出的鲁棒模糊自适应控制方法能够保证整个闭环系统的稳定,最后通过仿真实例验证了该方法的有效性.所提出的模糊自适应容错方法扩展了经典容错控制方法的结果,给出的结果更具有一般性意义