临界增益与临界振荡周期的一种估计方法

基于被控过程阶跃响应的特征面积，提出了一种估计临界增益和临界振荡周期的方法，并将其应用于自整定ＰＩＤ控制上，数字仿真的结果证实了方法的有效性。     

一种新的电液伺服系统神经网络自适应控制

提出一种基于直接模型参考的神经网络与滑模变结构控制相结合的神经网络自适应控制方法并对电液伺服系统进行控制,仿真结果表明用该控制方法的控制系统能实现较高粗度的控制,且具有较强的鲁棒性和自适应能力,具应用价值。     

一种三段式模糊控制在电液伺服系统中的应用

在研究泵控马达电液伺服系统的自适应控制中，提出了一种分三阶段实施的模糊控制策略，并进行大量实验研究，结果表明，该方法克服了模糊控制的不精确性和易振荡性，且在相当宽的惯性负载情况下，系统的特性都是令人满意的，中说明了三段式模糊控制的基本原理，并给出了其用于泵控马达电液伺服系统的实验结果。     

一种新型加权无差自适应算法及其应用于火电厂控制的仿真研究

本文推导出一种新型加权无差自适应控制方法,它可以应用于开环不稳定系统及非最小相位系统,被控对象之中可以含有直接传输项.系统的稳态误差与加权参数的选择无关,而且理论与仿真均证明此算法的稳态误差为零.本文用此算法对火电厂中具有直接传输项和非最小相位的汽轮机主汽门调节系统进行控制仿真,并与其他算法进行了比较.其结果证明,此方法有较强的鲁捧性、可靠性与实用性.     

一种温度控制的新算法

在热传递模型基础上推导了二参数(时间因子与比例因子)控温理论公式,对于实时控制过程,因时间因子有较强的鲁棒性可固定不变,而对比例因子采用智能算法在线自适应调整,本算法具有简单快速的特点,对大惯性系统能获得较快而无超调的动态特性、其控温效果明显优于常规的PID调节器。     

DDC数字控制的两种算法

微机DDC控制核心的部分就是算法问题,本文介绍了两种在目前应用最广泛的算法,较详细的讨论了它们的数学模型与计算公式。     

一种用于功率自适应控制的有效方法

有许多场合需要进行电台发射功率自适应控制，利用数字电位器可编程控制特性，采用软硬件结合的方法，克服这种非线性困难的影响，结合某型电台进行了功率自适应控制应用研究，效果明显，由此给出了一种用于功率自适应控制的有效方法。     

一种扩展时域自适应预测控制的直接算法

提出了一种新型的扩展时域自适应预测控制的直接算法。它适用于时滞未知、开环不稳定和最小相位系统，具有计算量小的特点。文中证明了该算法的佤稳定性和收敛性，并以仿真研究表明此方法的有效性。     

一种杂波环境下的多目标跟踪算法

以实用有效的 JPDA算法为基础 ,运用直接计算后验概率的快速关联算法 ,结合两级自适应滤波器 ,同时考虑邻近目标干扰引入等效噪声协方差 ,提出了一种杂波环境下的多目标跟踪算法。理论分析和计算机模拟结果表明 ,算法有效降低了数据关联算法的复杂度 ,且计算量显著减少 ,实时性得到提高     

一种串并联结构的自适应控制系统

本文给出了一种串并联自适应控制结构。利用全状态跟踪概念,在不要求可调系统和参考模型参数完全匹配的条件下,构造了一种按球域切换的惯性型自适应规律,证明了系统的稳定性和各变量的一致有界性,从而得到了比文献[1]更进一步的结论。用微处理机进行的实时仿真验证了理论结果。     

一种基于小波神经网络的自适应控制方法

提出了一种基于小波神经网络的自适应控制方法,该方法利用两个小波神经网络作为自适应系统的辩识器和控制器来构成自适应控制系统。由于小波函数具有紧支性以及神经网络的非线性映射能力,因而在所构成的控制系统中,辨识器能更准确地近似具有较强非线性被控对象的动态特性,控制器能产生较为复杂的控制规律。仿真结果表明,该系统比一般神经网络控制系统具有调节速度快和超调小等更好的控制效果。     

一种基于微粒群算法的自适应滑模控制

提出了一种基于微粒群算法的自适应滑模控制方法,把微粒群算法运用于自适应滑模控制器设计中.首先利用一种自适应算法估计系统中总不确定量的上确界,然后利用微粒群算法对自适应滑模控制器的切换参数和自适应参数进行优化调节,在改善系统控制性能和鲁棒性的同时削弱了抖振.仿真研究结果证明了该方法的有效性.     

一种多变量离散MRAS递减自适应增益算法

本文将文献[2]中提出的递减自适应增益SISO离散MRAS自适应算法推广到多变量情况,在此基础上,提出了一种新的AMFC算法及MRAS辩识器,证明了在有量测噪声干扰时辩识器的参数估计是渐近无偏的。     

一种新的改进型自适应控制方法及仿真

本文提出了一种新的基于超稳定性理论和仅仅利用控制对象的滤波输入和输出信号设计自适应控制的方法,并将这种方法应用于非线性液压控制系统.本方法可以不必测定对象输出量的各阶导数,采用比例+积分自适应律.研究了3阶系统跟踪2阶模型时的算法.仿真结果表明,利用本文提出的方法具有良好的跟踪性能.     

一种快速收敛的遗传算法及其应用

为了解决遗传算法的收敛速度和全局收敛性之间的矛盾,提出了一种快速收敛的遗传算法,即“适应度缩放”加“有偏外来移民”的遗传算法。将该方法应用于柔性结构振动主动控制中的作动器／传感器位置及反馈增益的优化,其优化效果明显优于传统的优化算法。数字仿真结果表明,对于复杂非线性约束优化问题,该遗传算法具有较好的快速收敛性和全局收敛性,由优化了位置的作动器／传感器和优化增益的控制系统具有良好的减振效果。     

高压直流系统数字仿真的一种快速算法

本文在考虑了描述高压直流输电系统的微分方程特点的基础上,给出了一种快速解算这些方程的计算方法。这种算法与四阶龙格-库塔方法相比在不降低精度和保证稳定性等前提下,减少了计算量,从而较大地提高了数字仿真的速度。 本文通过对一个算例的计算,并与通常采用的四阶龙格-库塔方法的计算结果进行了比较,其计算速度提高了约1.8倍。     

动态系统参数估计的一种新方法

分析了利用Ｈｏｐｆｉｅｌｄ神经网络进行系统参数估计的基本原理，把参数估计问题转化为Ｈｏｐｆｉｅｌｄ网络的能量函数的最小化问题．当能量函数达到最小值时，Ｈｏｐｆｉｅｌｄ网络的输出即为待估计的参数值．仿真实验证明了该方法的有效性．     

LTE系统中一种改进的CQI修正算法的设计

在LTE系统下行链路中,由于无线信道的随机变化特性,使得终端测量上报的信道质量指示CQI值不准确,最终影响数据的传输质量,所以必须对测量上报的CQI值进行修正。然而原有的CQI修正算法存在一定的缺陷,介于此,本文在原有算法的基础上提出了一种改进的CQI修正算法,可实现随着信道的变化,基站对终端测量上报的CQI值进行修正,从而自适应的选择合适的调制编码方式,以最大化地利用无线信道的传输能力。本文最终在LTE下行链路平台上进行仿真,结果表明,当终端在高速信道模型ETU300下运动时,在采用真实噪声功率估计的情况下,改进后的算法相比于原算法能获得更高的性能增益。