基于NGACH和ANFIS的调谐模型构建

针对传统的自适应模糊推理系统无法解决波动聚类现象,通过分析自适应模糊推理系统和非线性广义自回归条件方差的特性,提出了融合自适应模糊推理系统和非线性广义自回归条件方差的调谐模型.调谐模型实质是指在对ANFIS和NGARCH进行独立运行的基础上,对运行结果进行动态调谐操作,从而提高系统的预测精度.最后,结合实际的项目数据,证明调谐模型提高了传统ANFIS对于波动聚类现象的应对能力,获得较好的运行效果.     

一类非线性系统的广义预测控制

将广义预测控制应用于Hammerstein模型描述的非线性系统,得到了一类非线性系统的广义预测控制算法.仿真结果表明,该算法具有较强的鲁棒性.     

一类非线性滞后系统的广义预测控制

对将线性系统的广义预测控制算法推广应用到非线性系统的控制问题进行了研究,即在每个控制周期内,递推预测非线性滞后系统在将来时刻的工作点,在工作点附近对非线性系统进行线性化,根据得出的线性化模型进行广义预测控制,并采用动态寻优的方法逐步逼近最优控制,仿真结果表明:非线性系统的广义预测控制算法能快速有效地跟踪系统的设定值,控制效果良好.     

一类非线性系统的自适应广义预测控制

利用Hammerstein模型描述一类非线性系统，提出了一类适用于非线性系统的自适应广义预测控制算法（NAGPC），该算法将整个控制系统分解成线性和非线性两部分考虑；在线性部分中，根据广义预测控制（GPC）算法中控制增益阵F的特点导出了一种速度较快，计算量不大的GPC改进算法。非线性部份利用插值原理给出了一种便于计算机实时计算的根值解法，并将其解作为整个系统的控制输入。仿真结果表明，NAGPC算法计算速度快，鲁棒性较强，稳定性较好。     

多变量非线性系统模糊直接广义预测研究

对参数未知多变量非线性系统提出一种模糊直接广义预测控制算法．该算法将多变量非线性系统转化为多变量时变线性系统,然后利用模糊系统来逼近控制增量表达式,对控制器参数向量即网络权值向量中的未知向量基于跟踪误差进行自适应调整．     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

一类带有广义不确定性非线性系统的自适应模糊反演控制

本文结合自适应控制、模糊控制和反演控制方法,针对带有广义不确定性的严格块反馈型非线性系统,设计了一种自适应模糊反演控制律。对反演控制律设计的不足之处,采用自适应模糊控制去逼近非线性系统中带有广义不确定性的非线性函数,从而实现了无需精确数学模型的全新控制律,避免了因存在不确定性对系统带来的不良影响。在此基础上,利用李亚普诺夫方法分析了系统的稳定性和收敛性。仿真结果表明：本文所设计的控制律,对严格块反馈型非线性系统中存在的不确定因素具有较强的鲁棒性和自适应性。     

非线性多变量电液伺服系统解耦自适应控制

本文结合非线性多变量电液伺服系统控制，提出了一种新颖的广义最小方差预测校正参考模型自适应解耦控制，将参考模型控制，预测控制的校正思想和广义最小方差自适应控制相结合。该方法不需研究非线性环节的模型，算法简捷。     

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.     

超混沌Lü系统的自适应广义投影同步

基于自适应控制方法和Lyapunov稳定性理论,分别在参数完全未知和部分未知的情况下,设计适合超混沌Lü系统广义投影同步的非线性自适应控制器,并进行数值仿真.结果表明,该方法使2个恒同超混沌Lü系统在全局范围内实现广义投影同步,在部分参数未知的情况下,实现了参数的跟踪.     

大时滞不确定对象的数字控制系统设计方法

提出一种新的控制算法－时滞并联自适应控制算法，简写为ＳＰＺ。理论分析和仿地具结果表明，在被控对象为任意阶、纯滞后时间为任意长的稳定的慢时变系统中，应用此算法设计系统，系统的阶跃响无振荡、无超调，无振铃、系统静着为零。这各 法进壬线参数辨识，运算时间不长，适用于实时控制，程序占用存贮空间不大，用单片机就能实现，系统造价 ，很工程实用价值。     

一种智能开关控制算法及其在电阻炉微机群控系统中的应用

本文提出了一种对过程参数变化有较好适应性的智能开关控制算法，并介绍了该算法在实际电阻炉群控系统中的硬件和软件的实现。系统运行结果表明，该算法使用便利，需要整定的参数少，并有着较好的输出响应。     

COMPUTER DECOUPLE CONTROL OF TEMPERATURE AND HUMIDITY IN PREPROCESSING CHAMBER OF AIR-CONDITIONING TEST EQUIPMENT

This paper deals with the application of decouple Control theory to temperature and humidi-ty control in air-conditioning system. The decouple control algorithm for bivariable systems isderived applicablly for air-conditioning system. The algorithm is used to design a temperatureand humidity computer control system for the preprocessing chamber of air-conditioning testequipment. The results of the real-time control experiments indicate that the decouple controlalgorithm is feasible, the control quality is improved and high control precision is achieved.     

一类多变量系统的解耦适应控制

本文提出了一种多变量系统的解耦适应控制算法,该算法简单、灵活并且容易实现.系统各通道的控制器可按不同的要求独立设计,控制器参数可以在线计算。仿真结果证明了该算法的适应能力.     

预测型智能自整定PID控制器

提出一种预测控制和遗传算法相结合的自整定ＰＩＤ控制算法．该算法利用预测技术克服时滞,利用遗传算法优化ＰＩＤ控制器的参数．通过对工业过程中典型的大时滞被控过程进行数字仿真表明,这种控制算法鲁棒性强、响应速度快、抗干扰能力强,对控制系统有扰动、参数时变尤其时滞时变的大时滞生产过程有较好的控制效果．     

网带炉计算机控制系统的软件设计

本文介绍了网带炉计算机控制系统的软件设计方法和控制算法，分析了系统设定值急剧变化时，控制算法如何克服其对系统造成的冲击，改善系统动态特性的方法。介绍了循环链式中断处理算法的调功原理，也简要介绍了事件触发的报警算法、历史趋势显示算法。     

运动控制系统自学习问题研究

研究了运动控制系统在重复运动方式下的自学习问题,设计了开环迭代自学习、闭环迭代自学习和预测自学习三种控制算法和结构,并对比分析了各种自学习控制算法的特点。实验结果表明,学习控制结构简单,计算量小,便于实现,对被控对象的动态模型没有严格的要求,可以明显改善具有周期性输入控制系统的轨迹跟踪精度。     

多输入多输出随机线性离散系统的在线测辨

本文讨论多输入多输出(MIMO)随机线性离散系统的在线测辨问题。根据Luenberger标准型的稳态Kalman滤波表示提出了一套在线测辨方法,即用残差法的结构测辨和递推增广工具变量法(REIV)的参数估计。本文给出了残差平方和的递推算式,并证明了如果采用本文所提出的工具变量,那末REIV算法是渐近无偏的。最后,我们还给出了计算机模拟算例,说明本文所提出的在线测辨算法是行之有效的。     

Robust Predictive Control of Uncertain Systems with Time-delay Using Tight Sets of Predicted States

A robust model predictive control （MPC） algorithm for discrete time linear systems with time-delay （RPC.TDS） subjected to constrained input control is presented, where the polytopic uncertainties exist in state matrices and input matrices. In the algorithm the standard optimization of quadratic objective function has been transformed into optimization of sum of N ＋ 1 upper bounds of the quadratic objective function with respect to N control moves and a state feedback control law, where N is the control horizon. The feasibility of the optimization problem guarantees that the algorithm is robustly stable. The simulation results verify the effectiveness of the proposed algorithm.