基于PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

辨识与控制分离的广义预测控制算法

提出了一种自适应广义预测控制策略．其中，对象参数辨识及预测模型参数计算等以较大的采样周期进行，滚动优化控制以较小的采样周期进行．将辨识与控制运算分别放在２个不同的中断服务程序中，使辨识与控制分离，通过不同采样周期的模型变换建立起辨识与控制的联系，可大大缩短控制运算时间，提高控制的实时性     

非线性Hammerstein-Wiener模型辨识预测控制

为解决工业过程控制领域中非线性系统的模型辨识与预测控制问题,提出一种基于BP神经网络模型的预测控制策略,采用一种分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法建立非线性预测控制器.利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现了一种基于支持向量机Hammerstein-Wiener辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.     

基于支持向量机的未知非线性系统辨识与控制

针对一个未知非线性系统，提出了基于支持向量机的建模与控制结构。该控制结构以支持向量机为辨识器，并用指数梯度算法来求控制作用。仿真实例表明了提出的方法是正确、有效的。     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

基于神经网络的系统辨识

本文介绍了一种由系统的输入和输出建立系统预测模型的方法——基于神经网络的辨识。并给出了网络的递推公式,并举例。仿真结果表明,辨识的精度可人为确定。该方法适用于复杂的控制问题或要求控制精度较高的控制问题,如原油含水控制及井下压力的控制等方面。     

基于单神经元自适应PID控制的水轮机调节系统研究

文章针对水轮机的大惯性以及调节系统各环节的非线性特性,提出了一种单神经元自适应PID控制方案,并通过编制仿真程序对系统进行了仿真实验。实验结果表明,采用单神经元自适应PID控制的水轮机调节系统,使其具有更小的超调量和更好的调节性能,有效地改善了水轮机常规PID调节摆动时间长、自适应能力差等问题。     

基于自适应控制的非自治混沌系统的参数辨识

以自适应控制理论为基础,对非自治混沌系统的参数辨识研究,针对Duffing系统和一离心调速器混沌系统,设计了有效的自适应控制律,实现了一类非自治混沌系统所有参数准确和快速的辨识.理论分析和数值仿真都表明了所设计的参数辨识控制律有效性.     

基于打包的网络化系统的预测控制

采用了一种新的网络数据传输协议, 即输入与输出数据均打包传送. 在这种通讯协议下, 讨论了网络化系统的预测控制器的设计, 并作了稳定性分析. 证明了观测器与增广系统状态反馈的设计满足分离原理, 利用线性矩阵不等式给出了相应的控制器的设计. 通过一个数值例子验证该方法的有效性.     

基于NN非线性系统的广义预测控制与模拟

利用最小二乘法理论，建立了一种适合非线性系统的广义预测控制方法，通过仿真验证了其具有良好的适应性和有效性。     

基于模糊预测控制的机车制动控制方法

为了减少模型参数、噪声耦合和随机性干扰对机车制动控制系统控制精度和稳定性的影响,提出1种基于模糊预测控制的制动控制方法,利用基于满意度的T-S模糊建模方法建立精确的预测模型.研究结果表明:通过模糊遗传算法进行滚动优化,获得全局最优解作为预测控制控制器的输出,进而提高系统控制快速性和稳定性,仿真结果验证了该方法的有效性.     

基于遗传算法的水轮发电机组模糊调速器的研究

针对水轮机调节系统模糊控制存在的问题 ,结合遗传算法在水轮机组控制中的应用现状 ,提出了一种采用遗传算法在线优化模糊隶属度函数的方法。仿真结果表明 ,该方法可以自适应地跟踪控制对象的参数变化 ,有效地对模糊控制器进行在线优化 ,从而为水轮发电机组的在线智能控制提供了一条有效途径     

基于Hammerstein模型和GA的非线性广义预测控制

针对Hammerstein型的非线性系统,给出了一种基于GPC的预测控制方法.分析了使用近似法求解控制量的缺点,据此提出了基于遗传算法的控制量优化求解策略.以一个热交换器作为仿真实例,分别使用遗传算法和两种近似法求取控制量,并比较了3种情况下的控制效果.仿真结果表明基于遗传算法的预测控制器具有良好的性能.     

生物组织热物性参数辩识的遗传优化

基于探针测量生物体有限个温度点来辩识热物性参数的理论,提出利用一种混合遗传算法来优化生物组织热物性参数,该混合遗传算法是将标准遗传算法与模拟退火算法结合,不但增强了遗传算法的全局收敛性,而且使算法在进化后期有较强的爬山性能,加快了进化后期的收敛速度．     

基于系统辨识的滑油试验台油温智能控制

针对航空发动机滑油试验台油温控制系统时变、时滞、非线性和难在线实时控制等问题,提出应用带遗忘因子的递推最小二乘法对系统参数在线辨识和遗传算法整定模糊PID初始参数的组合控制方案。通过matlab编程仿真,和常规方法整定的PID控制及模糊PID控制对比,结果表明,这种基于系统辨识的智能控制算法在系统的稳定性、抗干扰性及鲁棒性方面,明显优于常规控制算法。     

基于模拟退火布谷鸟算法的直流伺服系统静态摩擦参数辨识

针对非线性摩擦对直流伺服系统性能的影响,提出一种基于模拟退火布谷鸟算法提高摩擦参数辨识精度的方法。采用LuGre摩擦模型建立伺服系统静摩擦参数与力矩的关系表达式,并分析其稳态特性,以此构建参数辨识的目标函数。引入模拟退火中的Boltzmann选择机制,结合迭代全局最优值对布谷鸟算法发现概率的自适应性进行了增强,以改善算法的寻优效果,通过分析比较得知改进算法的时间复杂度与原算法一致。在相同摩擦参数设置下,改进布谷鸟算法的辨识精度优于传统方法,利用其辨识结果补偿伺服系统运行的非线性摩擦力矩,得到了良好的控制效果。实验结果表明,该方法可以使摩擦参数的辨识适应度值提高2~3个数量级,有效改善了系统的控制性能。     

基于UKF的汽轮机调节系统参数辨识方法研究

在介绍UKF（Unscented Kalman Filter）滤波算法的基础上,将其应用于汽轮机数字电液调节系统的参数辨识.通过仿真验证了方法的有效性.结果表明,UKF滤波能够得到较为满意的估计精度,是实现汽轮机调节系统参数辨识的一种有效的新方法,具有重要的工程应用前景和使用价值.     

基于GA遗传算法的ARMA模型的辨识方法

提出一种基于浮点数编码遗传算法的系统辨识方法,融合和改进了一些遗传操作,并把该方法应用于有噪声背景下的ARMA模型参数的辨识。实验表明,该方法可有效地克服噪声干扰,可获得系统参数的无偏估计。     

基于模拟退火遗传算法的板材优化下料

通过对板材优化下料问题的研究,给出了一种较为实用的具体的模拟遗传算法,该算法融合了遗传算法和模拟退火算法的优点,兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作,也有模拟退火算法中冷却进度表和接受概率等寻优控制技术,可以更好地实现板材下料问题的快速求解。     

桥梁振动控制系统的GA-BP神经网络非参数辨识方法研究

文章提出了一种基于GA-BP神经网络的地震激励下桥梁振动控制系统的非参数辨识方法,该方法避免了BP算法易陷入局部极小值、训练速度慢、误差函数必须可导及受网络结构限制等缺陷,克服了传统系统辨识要对结构进行预先假定、容错能力差、无法辨识系统非线性特性等问题,考虑到结构-控制装置的相互作用,可以真实反映桥梁结构动力特性.