多变量系统的变时滞无模型自适应单值预测控制

针对难以建模的变时滞多变量非线性系统的控制问题,基于改进具有辅助向量的多变量紧格式动态线性化泛模型,参考多变量单值预测控制算法,提出改进的目标函数,给出变时滞多变量无模型自适应单值预测控制算法,采用自适应递推算式的优化算法进行优化,给出了目标函数的加权网络参数的在线优化算法,解决了试凑法确定加权网络参数的问题.试凑法确定的加权网络参数不能保证控制算法最优,综上研究提出在线优化参数的变时滞多变量无模型自适应单值预测控制算法,仿真结果说明,单值预测控制算法具有无模型自适应控制性能及预测控制功能和参数寻优功能,故算法具有优良的控制性能.     

随机非线性系统的在线修正参数预测滤波PID控制

针对一类随机NARMAX模型,分析了其可采用PID控制的约束条件.提出采用辅助模型的可克服算法病态的遗忘因子递推最小二乘算法对被控对象进行参数估计,利用动态切平面逼近的预测算法对系统输出进行预测,基于一具有预测控制性能的增量型预测滤波PID控制算法,根据可克服算法病态的直接极小化指标函数自适应控制算法和Robbins-Monro算法,给出了具有在线修正PID控制参数和加快PID控制参数收敛速度的随机NARMAX模型的自适应预测滤波PID控制算法.仿真研究表明:因给出的PID控制算法具有预测控制性能和在线修正参数性能,故系统具有较好的控制品质.     

基于一种改进自适应模糊神经技术的PEMFC系统建模和控制

从质子交换膜燃料电池(PEMFC)实际应用的角度出发，应用自适应模糊神经网络技术对PEMFC系统进行建模与控制．在建模过程中，同时应用实验数据和专家经验对模型进行辨识，使模糊节点具有明确的物理意义和初始参数的选择更加容易．在控制过程中，将训练好的网络模型作为PEMFC控制系统的参考模型，采用自适应神经网络学习算法(ANA)在线对控制器参数进行自适应调整，采用最近邻聚类算法(NCA)对控制器的模糊规则库进行更新．在仿真实验中，将自适应模糊控制算法与PID和传统模糊算法进行比较，结果表明本算法控制性能优良．     

一类基于模糊系统的非线性鲁棒自适应预测控制

基于模糊系统研究了一种新的非线性鲁棒自适应预测控制算法,并应用于空天飞行器(ASV)再入飞行的姿态控制律设计.利用模糊系统的一致逼近能力,逼近被控对象中的未知干扰和不确定性因素,并基于Lyapunov方法设计了鲁棒自适应控制律.模糊系统的权值无需调整,仅需根据系统的跟踪误差调节鲁棒自适应控制器中的参数,在线调整的参数仅为2个,从而大大简化了控制器的设计.理论分析证明了闭环系统的所有信号一致最终有界.利用所提控制算法设计了ASV高超声速飞行姿态的控制系统,仿真的系统响应时间为l.5s,且无超调,这表明该算法对参数不确定性和外界干扰具有较强的鲁棒性.     

基于印刷干燥节能设备的模糊自适应PID研究

研究印刷干燥节能设备工作原理,提出设备的主要控制参数,并确定控制方案。分析了模糊运算规则,提出模糊自适应PID控制算法,利用模糊规则获得参数调整算法,并在线对常规PID控制器的参数进行调整,提高PID的控制性能。系统经过实际调试运行,具有良好的效果,提高系统的响应速度和控制精度。     

自适应PID控制在风力发电机试验系统的应用

将模糊自适应的控制模型与常规PID控制算法相结合,设计一种自适应模糊PID控制器,利用这种控制器的控制参数在线调整功能,以适应被控过程的参数时变性,并将其应用于风力发电机试验系统电源组的控制系统,来改善试验系统电源组的控制性能.结果表明,控制器参数易于整定,且具有较好的自适应性.应用自适应模糊PID控制的风力发电机试验系统电源组的控制系统能够适应被控对象在较大范围内的变化,具有较强的自适应性和优良的控制性能.     

烘干过程自适应控制系统设计

用自校正调节器(STR),可获得回旋窑烘干过程的最佳性能控制。无疑,在线辨识是自适应控制的核心。设计步骤为在线模型参数估计和参数自整定。本文采用IVLs辨识算法和Dahlin控制算法。IVLS法的闭环辨识收敛更快,但对激发函数的幅值和噪音更为敏感。试验表明,非自适应运行将为自适应系统的投运提供必要的准备。     

烘干过程自适应控制系统设计

用自校正调节器(STR),可获得回旋窑烘干过程的最佳性能控制。无疑,在线辨识是自适应控制的核心。设计步骤为在线模型参数估计和参数自整定。本文采用IVLS辨识算法和Dahlin控制算法。IVLS法的闭环辨识收敛更快,但对激发函数的幅值和噪音更为敏感。试验表明,非自适应运行将为自适应系统的投运提供必要的准备。     

基于改进型神经动态规划算法的单容液位优化控制

单容液位控制系统是一个强非线性、多约束、时滞的复杂系统,传统的PID控制算法很难对其进行精确自适应优化控制。介绍了一种改进型的神经动态规划(NDP)算法,其中模型网络用小波神经网络来替代,并针对单容液位控制系统的液位进行自适应优化控制。仿真结果表明,基于神经网络的NDP算法在鲁棒性、控制精度和控制效果都优于传统的PID算法。     

旋转弹仓的自适应模糊滑模控制

针对存在啮合冲击、非线性摩擦以及参数大范围变化的旋转弹仓的位置控制问题,提出了一种自适应模糊滑模控制算法.该算法由2个模糊系统组成,分别用于逼近未知的理想控制律和补偿逼近误差,不需要知道系统的数学模型,具有较好的鲁棒性.在模糊逼近系统中,引入自适应算法在线调整模糊系统参数,改善了控制性能,提高了鲁棒性;在模糊补偿系统中,根据滑模变量调整控制作用,保证了滑模条件,削弱了抖振.空载、半载和满载3种情况下的实验结果表明,所提出的自适应模糊滑模控制算法对旋转弹仓的参数变化、啮合冲击以及非线性摩擦等不敏感,具有较高的控制精度.     

确定性多变量非线性系统的在线修正参数预测滤波PID控制

针对确定性多变量NARMAX模型,分析了其可采用PID控制的约束条件。提出一种增量型预测滤波解耦PID控制算法,基于递推参数估计算法对系统模型进行参数估计,采用逐步迭代预报算法进行预测,结合一种可克服算法病态的直接极小化指标函数的自适应控制算法和Robbins-Monro算法,给出了确定性多变量NARMAX模型的具有在线修正参数的预测滤波PID控制算法,因指标函数中含有输出的预测值,故算法具有加快PID控制参数收敛到有效值速度的性能。仿真研究表明,因为所提出的PID算法具有在线修正参数和预测控制的性能,故系统具有较好的控制品质。     

工业机器人的多微机自适应控制算法

本文应用参数辨识和动态递阶控制方法研究工业机器人轨迹控制问题,提出了一种采用多微机系统的自适应控制算法,其在线执行时间短,便于实现。计算机仿真结果表明,本算法其有良好的控制效果。     

BP神经网络自学习PID算法在PLC的实现

目前神经网络自适应PID算法在理论研究方面的成果已经较多,在实际生产过程中的应用较少。以水箱控制为被控对象,利用神经网络在线调节PID控制器参数来增强系统的自适应能力,并采用PLC编程语言完成算法实现,将其应用于实际的液位控制系统中。实际运行结果表明,该系统运行稳定可靠,调节时间和上升时间提高了30%。     

基于神经网络的模型参考自适应逆飞行控制

针对飞行安全控制问题,结合动态逆方法和神经网络理论,提出了一种基于改进BP神经网络的模型参考自适应逆控制方法,应用到飞行控制系统中。该方法在控制器中引入神经网络算法,在经典BP神经网络控制算法的基础上,使用遗传蚁群算法优化神经网络参数,在线调整网络的权值和阈值,避免了传统梯度下降法的缺点,提高了自适应算法的效率,达到了抗干扰的目的。从而改善了飞机飞行稳定性和操纵性。在波音747—100/200飞机模型上仿真实验表明了该方法的可行性和鲁棒性,能够保障飞行安全。     

BP神经网络自学习PID算法在PLC的实现

目前神经网络自适应PID算法在理论研究方面的成果已经较多,在实际生产过程中的应用较少.以水箱控制为被控对象,利用神经网络在线调节PID控制器参数来增强系统的自适应能力,并采用PLC编程语言完成算法实现,将其应用于实际的液位控制系统中.实际运行结果表明,该系统运行稳定可靠,调节时间和上升时间提高了30%.     

基于神经网络的ATM网络ABR业务流量控制

提出了异步转移模式ATM网络可用位速率ABR业务一种基于神经网络的流量控制方法。采用基于径向基神经网络的流量控制算法可以实现在线学习,自适应根据流量大小的变化和网络的拥塞状况调整神经网络的模型参数。仿真结果表明与传统的静态反馈方法相比,文中所用的算法可有效地提高信道的利用率和降低信元丢失率。     

面向无线传感器网络的自适应模糊神经拓扑控制算法

为有效控制无线传感器网络节点能耗,提出一种自适应模糊神经控制系统,并设计基于自适应模糊神经拓扑控制算法——AFNTC.该算法中模糊控制器参数由人工神经网络训练后获得,且通过反馈、循环的方式,不断调整节点的通信范围控制节点传输功率,从而使节点实际能耗接近预设的期望值,延长网络生命周期.实验结果表明,AFNTC算法能达到节点能耗可控的目的,相比模糊控制的拓扑控制(FCTP)算法和局部平均(LMA)算法,具有更低、更稳定的节点平均耗能.     

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.     

时变纯延迟发动机模型的参数辨识及控制方法

航空发动机随着环境条件和工作状态的变化,其特性参数将发生很大的变化,且由于燃烧延迟等因素的存在,航空发动机可以被看作是带有一定程度的纯延迟的时变系统。而针对带有纯延迟特性的控制算法———Smith控制器,通常用于定常纯延迟系统的控制。当被控系统参数未知且时变时,Smith控制算法就不能完全补偿时变参数对系统特性所造成的影响,从而很难获得令人满意的控制效果。利用最速下降法和自动调整遗忘因子的最小二乘参数估计修正算法,分别在线辨识某涡轴发动机的延迟时间和动态模型参数,并将辨识获得的参数用于Smith控制器的自适应实时调整,进行控制算法的设计,实现涡轴发动机的实时闭环控制。仿真结果表明,该算法能够快速准确地辨识出系统参数,具有良好的跟踪性能。把该算法应用于纯延迟系统的闭环控制时,大大改善了Smith控制器的抗干扰能力,明显改善了涡轴发动机控制系统的稳定性和鲁棒性。     

车辆单神经元模型参考自适应控制算法研究

针对智能车辆油门控制系统,提出了一种单神经元模型参考自适应控制算法.首先通过实验研究获得油门控制系统的传递函数,再以该函数获得的数学模型为依据设计了自回归滑动平均模型（NARMAX）神经网络,并对系统输出进行离线辨识和在线预测.采用免疫模糊思想改进二次型单神经元控制算法,构建基于NARMAX神经网络预测的模型参考自适应控制系统,定义了一种评价车辆纵向运动的目标函数,采用浮点遗传算法寻找各控制器的最优值.仿真结果表明,NAR-MAX神经网络可辨识和预测车辆油门系统的动力特性,与免疫模糊和二次型单神经元算法相比,单神经元模型参考自适应算法的阶跃响应速度显著提高.