基于dsPIC30F4011的逆变电源复合控制

将重复控制和双闭环控制相结合应用于单相逆变电源系统,建立了仿真模型,进行仿真实验。应用数字信号控制器dsPIC30F4011实现了该复合控制方法。     

中频正弦波逆变器的复合控制方法的研究

通过对电压、电流双环反馈控制和重复控制方法在中频正弦波逆变电源中的控制特点进行分析,总结了两种控制方法的优缺点。为了提高中频逆变电源输出正弦波的品质,研究了一种基于以上两种控制方法的复合控制方法,优化了控制策略,简化了两种控制策略的控制器设计。在理论分析的基础上,完成了基于DSP的复合控制系统设计。仿真和实验结果证明复合控制具有上述两种控制方法的优点,为实现高品质的正弦波逆变器提供了一种较好的控制策略。     

基于深层神经网络的雷达波形设计

针对雷达波形多准则优化目标函数难以建立的问题,降低目标响应的不确定性,提高雷达检测性能,提出了一种基于深层神经网络的雷达波形设计方法。首先,根据雷达回波数据形式进行深层神经网络(DNNs)结构设计;然后,将基于信噪比(SNR)和互信息(MI)准则产生的信号随机混合并与其所对应的环境信息组成训练集,对DNNs训练;最后将另一部分基于互信息准则产生的信号与其对应的环境信息作为测试集,利用DNNs生成信号并进行测试。实验结果表明,使用该方法产生的信号作为雷达发射波形与仅基于MI准则产生的信号作为雷达发射波形相比,雷达回波与目标的互信息量最大提高了21.37nat,雷达接收信号的信干噪比最大提高了1.35dB。与线性调频信号相比,相应的互信息量最大提高了950.76nat,相应的信干噪比最大提高了18.23dB。     

谐振型变流器建模的脉冲波形积分法

应用脉冲形积分法对串（并）联谐振型变流器进行小信号建模分析。在建模中，通过周期性脉冲函数将变流器的各个子拓扑等效成一个拓扑，并对小信号采样函数进行拉氏变换；同时根据变流器的不同类型作出相应的近似处理，最后，将计算机仿真数据与实测数据进行了对照比较。     

挤塑机温控系统中模糊-PI复合控制的应用

将模糊控制器用于温控系统的控制，克服了传统PID控制参数整定繁琐，对控制对象的参数变化缺乏自适应性的不足，提出了Fuzzy—PI复合控制算法，实验结果表明，采用复合控制的温控系统具有稳态精度高和鲁棒性强的特点．     

基于遗传禁忌搜索算法优化的CMAC-PID液压弯辊复合控制

针对液压伺服系统存在时滞、饱和等非线性特点,提出一种基于遗传禁忌搜索算法的CMAC-PID复合控制的板形控制策略,用遗传禁忌搜索算法优化PID控制器的初始参数,然后结合CMAC网络有效控制板形控制系统中弯辊力。仿真证明,该复合控制算法提高了系统的精度,加快了系统的响应速度,并且具备较强的抗干扰能力。     

Fuzzy-PID复合控制在电加热炉温度控制中的应用

针对电加热炉这种具有较大的滞后性、非线性、时变性的控制对象,采用Fuzzy-PID复合控制方式克服了单纯采用PID控制或Fuzzy控制导致系统性能变差甚至不稳定的缺点,取得了较好的控制效果。     

模糊神经网络复合控制算法在恒温水浴加热系统中的应用

用智能控制中的模糊神经网络对温度进行控制的方法,该方法可以有效地解决水温控制的难点,达到满意的控制效果.通过优化关键算法,提高了运算速度,增强了实时性.试验结果表明,在恒温水浴加热器的温度控制中,该控制器能够全面改善系统的动静态性能,有效地解决了恒温水浴加热器大时滞、难建模的问题.     

应用于DC—DC变流器的P—Fuzzy—PI复合控制

在分析了不同控制方法对变流器性能影响的基础上,提出了ＤＣ－ＤＣ变流器的Ｐ－Ｆｕｚｙ－ＰＩ复合控制器的一种设计方法．并提供了调制Ｂｕｃｋ电路的仿真参数及数字信号处理器ＴＭＳ３２０Ｃ５０在该复合控制器中的实现．     

基于重复控制的CVCF电源波形控制技术

对重复控制的理论，特别是模型不精确情况下的控制器设计问题进行了研究，给出了适用于恒压恒频逆变电源的重复控制器，提高了产出版社为电源在非线性负载情况下的输出电压品质。文中分析了重复管制器对谐波的抑制机理；从系统极点分布规律入手，推导出控制器与受控对象之间的最佳关系；基于对消的思想，给出了采用部分对消的重复控制器设计方法，并在控制器中引入了特殊的FIR函数，提高了系统的稳定性。最后，通过实验对新的设计法进行了验证。实验表明，采用新的控制器，逆变电源输出波形的谐波含量降到了0.446%，误差收敛速度也大大提高。     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略：首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性．学习结束后，将该神经网络作为控制器对系统实施控制．对一个具体的线性系统在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器．而且在系统发生未知故障时，同样具有容错性．     

神经网络在自动控制中的应用

从神经网络的产生、特点、发展以及在自动控制中的应用等方面，对神经网络进行了综述。     

车辆起步过程神经网络PID控制研究

针对车辆起步工况的多样性, 笔者设计了神经网络PID(Proportion Integration Differentiation)控制器, 通过对离合器的转速跟踪控制, 在保证发动机不熄火的前提下, 实现了AMT(Automatic Manual Transmission)车辆快速平稳起步的控制目标。为了验证控制器的有效性,建立了中型卡车的传动系模型, 其中包括发动机、 离合器、 变速箱、 主减速器和车轮等, 并且根据实际起步情况, 设置了正常起步、 急起步、 载重起步和坡路起步4种工况, 进行了AMESim-Simulink联合仿真实验。通过与传统PID控制器的控制效果相比较, 分析得出,神经网络PID控制器能在变工况下很好地完成AMT车辆起步控制, 具有良好的自适应性。     

基于RBF神经网络的伺服系统模型参考自适应控制

为进一步提高控制质量,提出一种RBF神经网络模型参考自适应控制策略,设计出伺服系统的控制方法,并给出RBF神经网络辨识模型参数的学习过程.仿真结果表明采用该策略控制效果良好,完全满足控制要求.     

人工神经网络理论在控制领域中的应用综述

力图从人工神经网络的研究历史出发,在对人工神经网络在控制系统中的应用现状作出概述之后,针对当前的自动控制领域所遇到的难点问题,说明为什么人工神经网络理论能在其中获得如此广泛的关注,并详细论述其适用于控制工程领域应用的主要特征。     

神经网络智能PID参数最优控制及应用

本文提出了一种神经网络智能ＰＩＤ参数最优控制系统，给出了有效的基于共轭梯度的神经网络学习算法。仿真实验和应用结果表明，这类智能控制器可用于难以建立数学模型的控制系统。     

神经网络解耦控制在多变量控制系统中的应用

应用神经网络解耦控制,实现多变量系统的最优控制.通过引入神经网络环节,对多变量系统进行解耦,解耦后的子系统变为单变量系统.因此将多变量控制变成单变量控制.解耦控制采用前馈补偿器解耦,解耦补偿器采用BP神经网络结构.仿真结果表明,该控制策略具有较好的动态跟踪特性,能满足复杂多变量控制系统的控制要求.     

基于MATLAB神经网络的复吹转炉终点氧含量的预报模型

钢水终点氧含量是转炉炼钢的控制目标，它与钢水碳含量、钢水温度等多个变量之间存在着严重的非线性关系。利用MATLAB环境，提出基于BP神经网络的转炉炼钢终点氧含量预报模型，并结合某钢铁企业一座90t转炉的实际数据进行了模型验证。结果表明，该方法收敛速度快，预报精度较高。     

神经网络在广义预测控制中的应用

利用ＢＰ神经网络技术把多变量系统解耦为单变量系统,并推导出基于ＡＲＭＡＸ模型的隐式ＧＰＣ算法。用此算法控制解耦后的系统。