基于ABC-SVM固体氧化物燃料电池电堆建模与仿真

为了更好地满足工程上对SOFC (solid oxide fuel cell)性能预测和控制方案设计要求,提出利用人工蜂群算法(ABC)优化支持向量机(SVM)来建立SOFC电堆模型。通过利用ABC算法优化SVM参数(核函数值宽度和惩罚因子),采用优化后的参数作为SVM的初始参数建立模型,与SVM、GA-SVM和PSO-SVM模型进行对比。实验结果表明:ABC-SVM模型平均平方误差小,说明该算法可以很好的预测在不同氢气流速下SOFC的电压/电流特性曲线。该模型对SOFC预测和控制方案设计有一定价值。     

基于改进RBFNN的SOFC辨识建模

针对现有的固体氧化物燃料电池(SOFC)模型过于复杂,难以满足控制系统的设计需要的弊端,基于一种改进的径向基函数神经网络(RBFNN)辨识技术建立了SOFC的非线性模型.在建模过程中,以SOFC的燃料利用率为模型的输入,电压和电流为模型输出.利用800组实验数据作为训练样本,建立了SOFC的电流-电压辨识模型.仿真结果表明了所建模型的有效性和精度.该模型的建立为先进的控制策略研究奠定了基础.     

200 MN双缸油压机同步控制系统的设计

采用多输入 多输出(MIMO)鲁棒控制技术,设计了一个同步运动外回路控制器和一个非线性单输入 单输出(SISO)的基于压力的扰动观测器的控制器作为油缸的内回路控制器,解决了油压机电液同步运动的控制问题.     

基于NGPC的UUV路径跟随控制

针对水下无人潜航器（UUV）路径跟随问题,提出了一种基于模型的非线性反馈跟随控制方法.考虑UUV两输入、三输出的非线性跟随模型,选择与输出误差和控制误差相关的性能指标函数,利用基于最小化指标函数的非线性广义预测控制算法设计路径跟随器.针对UUV跟随模型简化后不确定性对路径跟随效果的影响,在控制闭合回路中提出了基于积分形式的水动力参数辨识方案,以减小路径跟随过程中规划路径和实际跟随路径之间的位置误差.最后,通过湖试验证了所提出方法的有效性.     

基于SVM的水下机器人预测S面控制

针对舵桨联合操控水下机器人系统的非线性特点,将预测控制的思想引入经典S面控制中,构造了一种基于支持向量机（SVM）的预测S面控制器,改善了S面控制器的控制效果,增强其自适应性.用支持向量机辨识水下机器人的非线性系统模型,充分发挥了SVM的泛化能力,能准确预测其运动状态.构造二次型性能优化函数以获取S面控制器的最优控制参数,进而获得水下机器人最优控制律.仿真结果表明：基于支持向量机的预测S面控制器具有结构简单、响应速度快、鲁棒性好等优点可行且有效.     

制导炮弹姿态非线性模型预测控制仿真分析

为实现对某制导炮弹攻角、侧滑角和速度倾斜角指令的快速跟踪控制,应用具有解析控制律的非线性模型预测控制方法设计其控制器.将制导炮弹控制器分成内、外两个回路来设计,通过外回路控制器将攻角、侧滑角和速度倾斜角指令转成弹体角速度指令,再由内回路控制器转成舵偏角指令.仿真分析了非线性模型预测控制参数(控制阶数和预测时域)对制导炮弹控制器的影响,得到其对控制效果影响的定性规律.仿真结果表明,合理选取控制阶数和预测时域组合,可使该控制器具有良好的控制效果,系统控制响应快,基本实现无差控制.     

催化裂化装置的非线性预测控制

基于反馈线性化方法,提出了一种有输入、输出约束条件的多入多出非线性系统的预测控制方法。催化裂化装置(FCCU)的反应再生部分是一个典型的非线性系统,基于FCCU的机理模型,采用该控制方法设计了非线性预测控制器,并对其跟踪能力和稳定性进行了仿真分析。仿真结果表明,所设计的控制器具有良好的跟踪性能和稳定性。     

催化裂化装置的非线性预测控制

基于反馈线性化方法,提出了一种有输入、输出约束条件的多入多出非线性系统的预测控制方法。催化裂化装置(FCCU)的反应再生部分是一个典型的非线性系统,基于FCCU的机理模型,采用该控制方法设计了非线性预测控制器,并对其跟踪能力和稳定性进行了仿真分析。仿真结果表明,所设计的控制器具有良好的跟踪性能和稳定性。     

一种基于2次核函数支持向量机的多步预测控制算法

提出了一种基于2次多项式核函数支持向量机的多步预测控制方法。通过黑箱辨识和线性化技术得到非线性系统的近似模型,根据预测控制机理,最小化滚动时域的二次型目标函数,利用模型算法控制的方法得到控制器的解析输出。通过一个标准预测模型和一个工业用连续搅拌槽式反应器的模型仿真验证了该控制器的性能,仿真结果表明:该控制器有着良好的预测性能。     

固体氧化物燃料电池系统仿真分析与控制

固体氧化物燃料电池（SOFC）系统是一个非线性、多变量和强耦合的系统,很难用传统的建模方法来建立。本文基于BP神经网络的方法,利用MATLAB/Simulink平台构建SOFC系统模型,并在该模型的基础上增加PID控制,实现了闭环控制系统的分析。实验结果表明,该模型预测精度高,由预测模型得出的温度数据与实际数据的绝对误差为0.011%,增加的PID控制算法具有很强的抗干扰能力。     

含电压稳定裕度约束的模型预测电压控制器设计

本文提出一种基于模型预测控制的新型电压控制器设计方案,当系统发生扰动导致电压下降时,该控制器通过调节发电机参考电压设定值和无功补偿点的电容器投切量,使故障后系统电压恢复并满足给定的电压稳定裕度。该滚动优化模型中,目标函数综合考虑了电压偏移和控制成本,其等式约束为系统微分代数方程式,并将电压稳定裕度约束引入到不等式约束条件中。为了提高求解效率,采用直接动态优化方法将该动态优化模型转化为非线性规划问题,并采用AMPL优化建模软件提供的内点算法求解。以新英格兰39节点系统为基础构造的算例表明了所提方法的有效性。     

船舶航向的神经网络二阶导数多步预测模糊自适应控制

针对大型船舶控制特性,设计了船舶航向的神经网络二阶导数多步预测模型及其辨识和预测算法,提出基于径向基函数神经网络多步预测模型和模糊小脑模型关节神经网络控制器的大时滞船舶航向模糊控制自动舵方案,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对具有大时滞、不确定非线性特性的大型船舶实现高精度输出跟踪控制.仿真结果表明对设定航向具有精确的跟踪控制效果.     

燃料电池的模糊神经网络辨识建模与电压控制

针对直接甲醇燃料电池(DMFC)输出电压易受电池负载变化影响的问题,提出了利用模糊神经网络辨识技术建立DMFC的电特性模型.基于该辨识模型,设计了一个自适应模糊神经电压控制器,其参数采用改进的BP算法进行在线修正.仿真结果表明,对DMFC采用辨识建模的方法是有效的,建立的模型精度较高,所设计的自适应模糊神经电压控制器性能优越.     

基于U模型的非线性系统Super-Twisting滑模控制研究

为了对基于U模型的非线性控制系统进行研究,利用Super-Twisting控制算法,解决非仿射非线性系统的控制问题,对非线性函数进行神经网络逼近,运用Super-Twisting控制算法进行控制。选取恰当的Lyapunov函数,对Super-Twisting算法的收敛性进行了证明。为了验证该方法的可行性和有效性,利用Matlab软件进行仿真,结果表明在神经网络自适应Super-Twisting控制器的作用下,被控系统具有快速的跟踪性能和输出的有界性。     

基于PSO算法的HVAC系统LSSVM预测控制

针对暖通空调(HVAC)系统,提出一种基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)的预测控制方法。该方法利用LSSVM建立HVAC系统预测模型并预测系统的输出值,引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造加权预测控制性能指标。由PSO算法滚动优化得到系统的最优控制量。利用该控制方法对一个HVAC系统进行仿真实验,结果表明该方法具有较好的控制效果。     

航空发动机模糊自适应广义预测解耦控制

为克服航空发动机控制回路间的耦合作用,针对具有不确定大时延的航空发动机分布式控制系统,提出了一类模糊自适应广义预测解耦控制算法.利用发动机非线性模型的输入输出数据对模糊自适应推理网络进行离线训练,网络的前提参数训练后固定,后件参数则可在线调整以使网络能更好地逼近实际系统.将模糊自适应推理网络作为广义预测控制器的预测模型,可以省去常规广义预测控制器的反馈校正机构.仿真表明:当参考轨迹为阶跃信号、斜坡信号时,所设计的控制器均具有良好的动态跟踪特性和解耦特性,当时延发生变化时,系统输出仍然能稳定地跟踪参考轨迹,说明该控制器对时延不敏感,鲁棒性强.