参数不确定性混沌系统的自适应控制

混沌系统的镇定是混沌系统控制的重要研究方向,文中给出了一类具有参数不确定性的混沌系统的无源化自适应控制器,通过面向无源性的设计方法,使系统稳定在零平衡点,并通过仿真实例,验证了该控制器的有效性。     

一个新混沌系统不稳定平衡点的镇定

用线性反馈控制和自适应控制方法研究了一个新的混沌系统不稳定平衡点的镇定问题.当系统参数已知时,借助系统在平衡点附近的线性化模型,利用状态线性反馈控制器可以镇定系统所有的平衡点;当参数未知时,利用自适应控制策略,可以把系统镇定到期望的不稳定平衡点.利用Lyapunov函数和LaSalle不变原理对结论给予了严格证明,并用数值仿真说明了这种方法的有效性.     

一个新混沌系统的镇定

研究一个新混沌系统的不稳定平衡点的镇定问题.当参数已知时,根据Lyapunov稳定性理论,分别设计了合适的非线性反馈控制器和线性控制器,使受控的新混沌系统期望镇定的任一不稳定平衡点全局指数稳定;当参数未知时,利用自适应策略,构造了相应的控制器使受控系统期望镇定的任一不稳定平衡点渐近稳定.数值仿真结果表明,这些控制方法是有效的.     

混沌免疫混合算法参数自适应调整的优化设计

为提高免疫算法的求解性能,在免疫克隆选择算法中融入了混沌优化操作.分析了抗体群选择概率的重要性并给出其变化的计算式,采用抗体群的连续3代平均适应度变化率以自适应地调节抗体选择概率参数值.给出了混沌免疫混合算法参数自适应调整的优化设计的具体步骤,运用混沌免疫混合算法参数自适应调整的优化方法、免疫克隆选择算法以及其他文献方法对起重机结构主梁截面优化设计.结果表明:混沌免疫混合算法参数自适应调整的优化方法具有自适应能力强、计算效率高及优化设计精度高等优点.     

混沌时间序列的非线性滤波预测模型的研究

基于混沌动力系统相空间延迟坐标的重构、混沌序列产生的确定性和非线性机制、混沌序列高阶奇异谱的特征及二阶Voherra自适应滤波模型,提出了高阶非线性HONFIR滤波模型和Sigmoid函数的少参数非线性自适应滤波预测模型,并介绍了相应的自适应算法。     

混沌的自适应和声搜索算法

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种混沌自适应和声搜索算法(CAHS)。在该算法中,首先采用混沌策略初始化种群,然后采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息。如果算法停滞,则采用混沌变异机制。本文用5个标准的测试函数对该算法进行测试,结果表明该算法(CAHS)比IHS和AHSPSO算法有较强的寻优能力和跳出局部最优解的能力。     

自适应神经网络在短期负荷预测中的应用

采用基于混沌算法的自适应预测模型,应用于电力系统短期负荷预测.选取重构相空间中的饱和嵌入维数作为神经网络的输入节点数,适当选择非线性反馈项,能使网络的动力学在权空间具有混沌行为.通过进化算法建立一种自适应机制,使得网络能够根据学习和训练的结果优化非线性反馈项.算例表明,该算法具有很强的自适应能力和鲁棒性,精度高.     

混沌范德玻-杜芬系统参数自适应反步设计

针对一类具有多个未知参数的混沌ADVP(范德玻-杜芬)系统,设计自适应镇定控制器.基于反步法思想,对所有未知参数设计自适应估计律,结合反步思想为一类不确定混沌系统设计自适应控制器.设计出的控制器只需施加于一个子系统,使得控制的实现更加方便.整个设计过程只须作一次极点配置和求解一个李雅普诺夫方程,简化了计算,得到了简单且易实现的标量控制器.仿真结果表明:受控系统能快速达到收敛.     

参数不确定混沌系统的自适应Backstepping控制

针对一个新的参数不确定混沌系统,提出基于误差补偿的自适应Backstepping控制方法.通过在每一步虚拟控制设计中增加一个误差补偿项,补偿未知误差动态对系统的影响,获得更加平稳的混沌镇定过程,并提高参数辨识的速度.同时,基于Lyapunov定理给出严格的理论推导,证明混沌控制系统中所有信号的一致有界性.对比仿真结果表明,该方法具有更好的瞬时响应.     

改进的粒子群算法在分形天线中的应用

针对基本粒子群算法初始种群的盲目性、搜索过程中粒子多样性丧失的问题,提出了一种自适应混沌差分粒子群算法,该算法提高了种群粒子的多样性,具有更快的搜索速度和更高的求解精度。利用自适应混沌差分粒子群算法优化设计了一款小型化多频微带分形天线,这对于实际工程应用具有一定的指导作用。     

精馏塔的神经元PID解耦控制研究

本文针对精馏塔这一多变量、非线性耦合对象,提出了一种神经元PID解耦控制方法。该方法在精馏塔精确模型补偿解耦控制基础上,采用神经元PID控制器进行控制。分析了控制器的结构及其学习算法,进行了PID和神经元解耦控制仿真实验,仿真结果表明该方法优于常规PID控制效果。     

增益自适应神经元控制及其在纸张定量控制中的应用

针对不确定时滞系统,提出了一种新的神经元控制方法。采用遗传算法对神经元增益在线自适应调整,而遗传算法使用了递增式算法,在每个时间间隔内都有一个稳定的增益值输出,并递增地向最优方向发展。克服了遗传算法收敛慢和每个采样周期输出的随机性。并对造纸过程中的纸张定量控制系统进行了仿真实验研究,仿真结果表明了该方法的有效性。     

使用单个自适应神经元的智能控制

提出一种适用于控制的自适应神经元模型以及使用单个自适应神经元的智能控制方法,描述了神经元的学习策略和收敛性,给出了神经元系统控制学习算法及其学习控制机理证明.实例表明了这种新颖的智能控制方法简单可行的优点.     

专家控制与神经元控制结合算法的研究

提出了一种改进的神经元控制算法，此算法采用专家控制与神经元控制相结合的方法，有效地解决了神经元网络控制时学习速度较慢、动态响应过程长、克服扰动不力等问题，具有较强的鲁棒性。控制性能优于经典ＰＩＤ方法。典型工业过程对象的仿真表明了本算法的可行性和有效性。     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ 控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ 控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可以有效地应付非线性对象。     

Kalman滤波在单神经元PID控制中的应用

针对单神经元PID控制器包含输出噪声, 从而导致控制性能下降的问题, 提出一种基于Kalman滤波理论的改进单神经元自适应PID控制算法. 该算法通过引入状态空间的概念, 采用时域上的递推方法进行数据滤波, 控制对象的输出值经过Kalman滤波算法处理后再返回闭环控制系统. 实验结果表明, 改进算法能有效消减控制系统的输出噪声, 接近于无噪声的理想状态, 提高了控制性能.     

采用遗传网络算法实现非线性系统的神经网络控制

提出一种对于非线性系统遗传算法的神经网络控制模型 ,并给出了新的神经网络训练模型 .该模型的主要优点是 ,优化网络连接权重 ,优化网络拓扑结构     

基于预测神经元模型的语音线性预测系数求解新方法

采用预测神经元作为语音信号线性预测模型的一种实现形式,可将线性预测系数的求解问题转化为预测神经元的训练问题,并运用BP算法得到了[神经元权值（即线性预测系数）的递推计算公式,考虑到语音信号能量的不确定性,提出了运用相对预测误差能量作为判断的参数,并按清音和浊音中两种情况讨论了收敛判据,由于利用预测神经元的迭代训练算法,理论上可以最大限度地挖掘语音样本中的相关性,因而可得到非常精确的线性预测系数,计算结果表明,运用预测神经元方法所得到的线性预测系数,精度明显高于传统的杜宾算法和格型算法。     

数控机床神经元自适应位置控制算法

在传统PID控制器的基础上,基于神经元的自学习特性,提出了适用于数控机床位置伺服控制的神经元控制器。该算法的特点是不需要系统建模,结构简单,控制参数实时自适应调节,运算简单,适用于工程实际应用。仿真和数控机床伺服系统的实时控制实验表明,当受控对象的运行环境未知时,该自适应控制算法仍然有效。     

一类不完全微分PID控制的实现方法

提出一种不完全微分PID控制的实现方法,不完全微分PID控制算法是基于Smith预估控制原理并利用单神经元来实现的.利用MATLAB仿真软件对该实现方法在隧道式炉中的应用进行仿真研究.仿真结果表明,该实现方法不但能实现对时滞系统的有效控制,而且还具有较好的抗干扰性和鲁棒性的优点.