复杂系统的一种模型降阶方法

为简化复杂系统控制器或观测器设计,提出一种模型降阶方法,根据线性系统包含原理的约束与聚集两类条件,采用平衡法与奇异值分解法相结合的联合降阶法,得到复杂系统的降阶模型.仿真结果表明,这种模型降阶方法是可行的.     

奇异摄动双线性系统的降阶及其在固定床反应器中的应用

本文讨论多参数奇异摄动双线性系统的降阶。因为用奇异摄动法降阶的直接结果不符合双线性形式,就进一步提出了一种近似的降阶模型。方法相当简单。它不要求摄动小参数方面的知识,并避免了复杂的数值计算。所给方法的有效性,通过在氨合成反应器和本文建立的甲醇反应器的双线性模型降阶的应用获得证实。     

基于部分可控性矩阵的模型降阶方法及误差分析

针对单输入单输出系统,利用部分可控性矩阵的M-P广义逆作为集结矩阵,提出了一种新的近似集结法模型降阶方法。首先给出了当系统可控与不可控时的2种降阶模型,然后通过误差最小分析归结为一种降阶模型,并利用向量到子空间的距离给出了不同阶降阶模型误差的一个简单计算方法。以此误差作为标准,可以方便地选择满足需要的降阶阶数及降阶模型。最后以实例表明了该方法的有效性和应用性。     

一种将改进连分式与Routh近似相结合的降阶法

提出了一种将改进连分式法与Routh近似法相结合的降阶方法,像改进连分式法一样用原系统的分母构造一个新的闭环传递函数,再用Routh近似法将其降阶得到简化系统的分母,进一步用长除法得到简化系统的分母.仿真结果表明这种方法不仅能保证系统的稳定性,而且还能保证降阶系统的低频特性.     

基于低阶自适应模型及时滞补偿的单晶硅直径控制研究

直拉单晶硅直径与功率之间是一个复杂的四阶振荡系统,并有一定的惯性滞后,因此,使用常规方法控制该系统不能获得满意的性能.采用自适应降阶模型加时滞环节拟合复杂高阶系统,并进行时滞补偿控制.仿真结果表明:带有时滞环节的自适应降阶模型具有良好的自动拟合复杂系统及时滞补偿能力,使得直径控制系统具有良好的动静态性能.     

系统降阶的马尔柯夫参数拟合法

降阶是应用大规模动态系统的重要问题。本文提出的方法是:求出原系统大量的马尔柯夫参数,并根据应用要求确定降阶模型的阶数。然后根据由本文作者提出的准则——模型的马尔柯夫参数尽可能与原系统相一致同时模型的静态增益却应与原系统必须相等,采用最小二乘拟合法来求出降阶模型的参数。在降阶模型中引入了纯滞后,这样就能显著地提高拟合的精度。本文通过几个数例证明作者提出的方法,计算方便,拟合精度较高,可以用来解决多数高阶单输入单输出稳定系统的降阶问题。     

基于BPOD的气动弹性降阶及其在主动控制中的应用

流体动力系统是一个高阶的非线性复杂系统,这严重限制了优化和控制在该系统中的应用。模型降阶技术是解决这一问题的有效工具。将特征正交分解方法（Proper Orthogonal Decomposition,POD）和平衡截断方法结合起来,形成平衡特征正交分解方法（Balanced Proper Orthogonal Decomposition,BPOD）,并应用到气动伺服弹性模型降阶中。该方法将由POD快照得到系统可控和可观Gramian矩阵的近似表达,通过该近似得到平衡降阶模型。以一个二维翼段的气动弹性系统为例,首先将流体控制方程线化;然后利用BPOD方法得到非定常气动力的降阶模型以及降阶的气动弹性系统;最后,对降阶系统设计主动控制律,通过控制面偏转来抑制翼型颤振。数值仿真结果表明BPOD降阶模型可以精确地模拟高阶非线性的流体动力系统并且可以有效地应用于气动弹性主动控制中。     

Ⅱ型聚集条件下的系统模型降阶

给出系统Ⅱ型聚集条件，在系统与其Ⅱ型聚集的可控性和可观性Ｇｒａｍｉａｎｓ矩阵之积范数之差最小意义下，把系统的Ⅱ型聚集作为其降阶模型。用此方法讨论－１８阶系统的模型降阶问题。     

小波变换在MEMS降阶建模中的研究

获得系统的宏模型是MEMS系统级建模与仿真的关键．提出将小波变换的方法应用于MEMS降阶建模．介绍了小波变换的理论基础，提出了运用小波变换的方法对MEMS进行多尺度降阶建模的基本思想和算法的基本原理．针对最常见的静力学问题．建立了有限元求解方程．采用小波变换的方法提取出系统的几个不同阶次的降阶模型．算例表明：利用该方法通过适当的降阶次数。提取降阶模型可以大幅度地减少计算时间、降低计算复杂度．特别适合MEMS这种大系统的降阶建模．     

光伏系统模型的多时间尺度降阶

为了解决光伏接入的电力系统模型复杂和分析困难的问题,提出了一种简单实用的光伏发电系统模型降阶方法。综合考虑主电路及控制策略建立了光伏发电系统小信号模型,分解模型中的多时间尺度特性以确定快速状态和慢速状态,并用相对速度估计法验证了快慢状态分解的正确性,避免了由摄动参数选取不当引起的降阶前后系统稳定性不一致的问题。通过忽略快动态变量对原模型进行降阶,添加校正项得到了零阶近似模型和一阶近似模型。最后在MATLAB中分别对比了降阶模型、校正模型与详细模型的动态响应和计算误差。研究结果表明,降阶模型和校正模型均能够正确反映详细模型在小扰动下的动态响应,且在提高计算速度、简化分析过程方面有明显优势。     

智能抛物面桁架天线的建模和模型降阶

设计了一个智能抛物面桁架天线，采用有限元方法得到了它的动力学模型．由于此模型的阶次太高，给以后的振动控制工作带来了极大的困难．采用模态集结法对其高阶模型进行降阶．通过零极点比较、输出曲线比较和将针对低阶模型设计的线性二次型最优控制律加入原高阶模型等方法对降阶结果进行了验证．     

面向缩聚模型的结构损伤识别研究

为了减少结构健康监测系统中传感器的数量,创新性地结合缩聚原理和自适应二次乘方和误差法提出了一种面向缩聚模型的结构损伤识别方法.根据模型缩聚原理对结构有限元模型进行了缩聚,依据缩聚后有限元模型、利用自适应二次乘方和误差法对结构参数进行了识别和追踪,从而实现了结构损伤的识别.对某一大型平面桁架结构进行了仿真,期间考虑了白噪声和地震波的影响;对某一悬臂梁结构进行了实验,以研究白噪声、正弦、拟El-Centro 3种激励下的6种情况.结果表明:所提方法只需使用少量的传感器便可精确地识别出结构中损伤的发生时刻和损伤的程度及位置,仿真结果的最大误差小于3%,实验结果的最大误差小于5%.     

非线性波浪的数值模拟

为快速有效地模拟三维波浪问题,采用高阶谱方法建立了完全非线性波浪的数值计算模型.高阶谱方法是将速度势函数展开成Fourier级数的形式,通过快速Fourier变换求其空间导数,具有很高的计算效率和精度.把数值结果与五阶Stokes波理论解和聚焦波实验结果相比较,并计算了初始面升高引起箱体内液体运动问题,验证了所建立的数值计算模型的有效性.     

一种适于强横向变速的高阶差分正演模拟方法

波动方程正演模拟法相对于射线法具有精度高、效率低的特点。为了提高其效率 ,提出了一种高阶差分正演模拟方法。该方法考虑了速度场局部的强横向变化 ,适于复杂介质的正演模拟 ;在相同精度下 ,高阶差分的空间横向间隔可取为低阶差分的 2～ 4倍 ,有较高的计算效率 ;高阶差分加上合适的边界条件能较好地解决网格频散和边界效应问题。通过对Marmousi模型的试算 ,验证了该方法对复杂速度模型的适应性、有效性和实用性。     

建立GPS水准综合模型的探讨

目的 为了提高GPS水准的拟合模型在逼近高程异常曲面时的逼近精度和可信度。方法 在总结已有研究成果的基础上，提出了应用有限元法与移动法的加权综合模型来逼近高程异常曲面的方法，并建立了一个二阶规划模型。结果 通过对实测数据的计算分析可发现：当有限元法和移动法的拟合中误差分别为18．9mm和14．4mm时，有限元法与移动法的加权综合模型的拟合中误差仅为6．0mm。结论 有限元法与移动法的加权综合模型的逼近结果比单一模型的逼近结果有了较大的提高，是逼近高程异常曲面的一种有效方法。     

面向能源规划的围护结构负荷简化预测模型

提出了一种单体建筑围护结构动态空调负荷预测的简化模型,在保证满足区域预测结果精度的同时,将模型输入参数简化至6个;同时采用劳伦斯伯克利国家实验室开发的Buildings Modelica Library开源模型库来建立模型,并验证了该模型的精度;在此基础上运用线性集合法对简化模型进行降阶处理,有效提高了负荷预测的计算速度.该模型的提出,使得区域每栋建筑简化快速模拟均成为可能,为进一步推广到区域空调负荷预测提供了方法基础.     

一种新型的经理人股票期权激励模型

剖析标准期权模型在经理人股票期权激励实务应用中存在的两大问题,论述了亚式期权模型和指数期权模型在解决上述问题中表现出的各自特点和不足,提出和构造一种同时结合亚式期权和指数期权双重特性的新型期权模型(A-I模型).综合运用无套利原理、风险中性原理、ITO定理和一二阶矩近似法,给出A-I模型价值的近似解析解.数值结果表明,A-I模型显示出更好的激励效应.     

高阶反向响应过程的分数阶PID控制器设计

针对具有反向响应特性的高阶过程,提出了一种分数阶PID控制器设计方法.为了便于控制器设计,采用一种改进的微粒群优化算法对高阶过程模型进行简化处理,在此基础上,根据内模控制原理设计分数阶PID控制器,该控制器仅有一个可调参数,有效降低了控制器整定的复杂度,并根据最大灵敏度指标推导出控制器参数整定的解析表达式,克服了参数选择的盲目性.仿真结果表明,该方法可使系统具有良好的设定值跟踪、扰动抑制特性以及克服参数摄动的鲁棒性.     

基于特征空间变换与LSTM的中短期电煤价格预测

针对电煤价格影响因素多且非线性多时间滞后难以建模的问题,提出一种基于特征变换与LSTM的数据驱动的中短期电煤价格预测方法.为了充分挖掘海量数中蕴含的电煤价格规律,提出不同时间尺度颗粒度信息的特征变换方法;为解决多变量少样本造成过拟合,基于卡方分析和相关系数筛选中短期煤价的主要影响因素;以LSTM神经网络为基础,采用特征平移相关性分析方法确定不同影响特征序列的滞后性,通过主层次分析法优化模型中的信息冗余,在此基础上形成基于特征趋势的深度学习模型;利用多年历史数据及与多种模型的对比分析可知本文模型的有效性与准确性.     

Modeling and Control of Active Suspensions for MDOF Vehicle

The conventional method for analyzing active suspension control for a vehicle is only to analyze a quarter or half car with a lower order degree-of-freedom (DOF) model, but such models do not actually model practical applications. Accurate models of a suspension control system require a multi-degree-of-freedom (MDOF) vehicle model with a detailed model of the controller. An MDOF model was developed including the influence of factors such as the engine, the seats, and the passengers to describe vehicle motion using a reduced order model of the controller designed by using the H∞ control method. The control system performance has been investigated by comparing the H∞controller with a linear quadratic (LQ) controller.