网络拥塞控制系统建模及流量控制器设计

在考虑多回路时延、网络负载动态变化和高优先级业务影响的前提下,基于流体流理论,推导建立了可调服务速率的业务流量控制数学模型,并提出了一种简单实用的流量控制算法,所得出的控制机制适用于高优先级业务和"尽力而为"业务共存的网络环境,较好地克服了网络传输时延的影响,并对该控制机制的稳定性、抗干扰性、鲁棒性和公平性进行了仿真试验。     

高速网络中基于模糊神经网络的拥塞控制研究

拥塞控制是基于高速网络的多媒体通信研究中的主要难点之一。以ＡＴＭ为研究对象提出了一种基于模糊神经网络的流量预测方法。通过仿真比较、分析了基于常规方法和模糊神经网络方法的性能,证明所提出的方法有效。     

一种克服大纯滞后的预测控制方法

针对一般工业过程中存在的大纯滞后问题,提出了一种克服大纯滞后的预测控制方法.首先由神经网络辨识出非线性系统的纯滞后时间参数,再用构建的神经网络预测模型预测出未来相应时刻的系统输出,然后用该输出来调整当前时刻的控制量,从而达到预期的控制目的,仿真结果验证了该方法的有效性.     

纯滞后控制系统采样周期的选择

工业控制中许多对象都具有纯滞后特征，对纯滞后系统的控制问题进行研究，具有理论意义和实际应用参考价值。在纯滞后系统中，由于对象存在纯滞后时间τ，因此常使人觉得，对这类系统的控制，采样周期选择为τ控制效果比较好，而一些文献也执此观点。为探讨纯滞后控制系统中采样周期的选择问题，用数字仿真方法，对选择不同采样周期的控制效果进行了计算，对采样周期的合理选择问题进行分析。数字仿真结果表明，对纯滞后控制系统，有关文献给出的采样周期T选择为纯滞后时间τ的结论是不合适的，其控制效果并不好。     

ATM网络ABR流量的比例与滞后-超前控制

为了克服异步传输模式(ATM)网络不确定时延和饱和非线性的影响,基于比例控制和滞后超前控制方法研究可用比特率(ABR)服务流量控制器设计问题,给出了控制幅值约束和缓冲区容量约束下系统满足ABR流量控制要求的条件,提出了满足这些条件的比例控制器和滞后超前控制器的设计方法。该方法能使ABR流量控制系统在网络传输时延不确定时,有效控制网络中瓶颈节点缓冲区的队列长度,同时能够及时响应ABR可用带宽的变化,从而避免拥塞和丢包的发生,使链路带宽得以充分利用。     

大纯滞后对象的智能控制方法

讨论了1种基于大纯滞后对象的智能控制方法,并针对工业热处理炉研究了该算法的应用.     

神经网络解耦控制系统的分析

本文基于神经网络的理论研究提出了一种新的神经网络解耦控制方法，该方法以被控对象的一组实测数据作为样本，训练出用神经网络描述的逆动力学模型，并将它作为解耦控制器投入到控制系统中．对某二元精馏塔控制的仿真结果表明该方法是切实可行的．     

具有小滞后的连续控制系统的容错控制器设计

研究了小滞后线性连续控制系统的容错控制问题，证明了通过适当选取Ｒｉｃｃａｔｉ方程中的权矩阵Ｑ和Ｒ，当小时滞满足一个不等式时，含有执行器或传感器故障的系统模型的闭环系统为渐进稳定的。给出了系统的容错控制器的设计方法。并用一个例子说明了该方法的有效性。     

基于MACS系统的流量滞后控制

本设计基于和利时的MACS系统,通过设备组态、数据库组态、算法组态和画面组态等环节完成并完善了流量滞后控制系统的设计。采用史密斯预估补偿控制方案,与单回路PID控制相比,取得了明显的控制效果。     

大滞后对象的控制方案

本文简单介绍了史密斯预估补偿的基本原理、改进方法、应用实例及效果分析。     

非线性系统的神经网络自学习控制

提出了一种对非线性系统的神经网络自学习控制方法,基于逆动力学控制的思想,构造了神经网络结构一致的控制器和辩识器。辨识器采用多层前向网络结构和广义Ｄｅｌｔａ学习规则算法实现了对系统逆动力学模型的动态辨识,并通过在线动态传递权值给神经网络控制器的方法实现了神经网络辨识器的神经网络控制器的有机结合,从而使整个控制系统具有很强的自适应和自学习能力,所提出的控制方案可适用于不含滞后环节和包含滞后环节的非线性     

基于神经网络的Smith补偿PID控制设计

针对工程实践中常见的纯滞后对象,在Ｓｍｉｔｈ补偿控制基础之上,利用人工神经网络的非线性映射功能对控制对象进行在线辨识,达到对时滞补偿预报的目的;利用神经网络ＰＩＤ控制器（Ａｄａｌｉｎｅ网络）代替常规控制器,实现了对时滞复杂对象的在线自适应控制;并根据ＩＴＡＥ性能指标原则对神经网络控制器参数进行整定,得到一组经验公式。仿真结果验证了本文神经网络控制方案的有效性。     

神经网络智能控制系统辨识模型结构的研究

目的 研究神经网络智能控制系统辨识模型的基本结构。方法 分析了控制系统动态模型的输入、输出关系,依据模型等效的最优化原理和神经网络任意逼近有限不连续函数的性质,提出神经网络辨识模型的基本结构。结果 该基本结构不仅适用于高阶线性系统,也适用于非线生及时变系统,可达到较高的辨识精度,保证了由此构成了神经网络控制系统具有较好的自适应性和鲁棒性。结论 所提出的基于神经网络系统辨识模型的基本结构具有一般性和     

钢包精炼炉的电极系统智能建模及控制

针对钢包精炼炉电极控制系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,提出一种基于神经网络实时在线辩识的内模控制方案.控制器采用神经网络解耦,将混沌机制引入到BP算法中,用以加快学习的收敛速度.仿真结果证实了控制策略的有效性.     

计算机网络中面向拥塞控制的一种模糊流量控制机制

未来的计算机网络将是一种能够提供多种不同服务,支持多种不同应用需求,有着集成服务支持能力的高速分组交换网络。为充分提高该类网络性能,设计一个高效的流量控制机制是关键问题。为此,本文以ATM网络中的相关研究为背景,提出了一种基于模糊逻辑的显式速率（ER）控制机制。通过管理交换机缓冲区瞬时队列长度及其变化率,并利用一组语言规则,该机制计算出交换机可支持的流量速率。仿真结果表明该机制是稳定的、鲁棒的;它能有效地避免网络拥塞并具有更高的链路带宽利用率。     

基于径向基函数网络的非线性通用模型控制

为了克服通用模型控制器要求过程一阶微分模型应该有显式解的局限性,提出了一种基于神经网络的通用模型控制方法,将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型,从而保证通用模型控制策略的可实现性。其参考轨迹是一条典型的二阶曲线,由于径向基函数网络具有许多优点,该控制策略中的神经网络为径向基函数网络。该控制器参数具有明显的物理意义,参数整定方便。仿真实验验证了该控制策略的有效性。     

基于神经网络的人工肌非线性控制

运用非线性控制的逆系统方法,提出了一种基于神经网络的人工肌非线性控制方案,由原系统导出n-m阶逆系统模型,并与原系统一起构成具有反馈结构的伪线性系统,从而可方便地运用线性控制理论完成对控制系统的设计,用BP神经网络逼近逆系统模型,并借助于递推预报误差算法来训练神经网络,该算法与传统的BP算法相比具有更好的收敛特性,设计了一个具有单关节的人工肌试验系统,给出了人工肌关节跟踪正弦波和矩形波参考信号的试验结果,与传统的线性控制方案比较,基于神经网络的人工肌非线性控制方案能够得到更快的控制速度和更高的控制精度。     

基于径向基函数神经网络迟滞非线性自适应控制

提出了一种新的动态迟滞非线性模型．将一定数量不同死区宽度的backlash模型并行相加,作为一个动态系统以仿真执行器中的迟滞特性．利用该模型,采用伪控制方法设计了一套具有未知迟滞特性非线性系统的神经网络自适应控制方案,通过自适应算法来调整干扰项的上限．采用Lyapunov稳定性理论进行了严格证明,仿真试验验证了所提方案的有效性．     

非线性振动控制的神经网络离散逆系统方法

针对非线性结构振动控制难以用线性控制方法精确控制的情况，提出神经网络离散逆系统方法．建立了结构的离散化模型，再用神经网络将非线性系统通过逆系统变换变为伪线性系统，对该伪线性系统可以用一般线性方法精确控制．该方法将非线性结构控制问题转化成了线性结构控制问题，使问题难度大大减小．对某非线性建筑结构振动作了控制仿真，实现了精确线性化，控制效果曲线与对线性结构控制效果曲线几乎完全吻合．神经网络离散逆系统方法发挥了神经网络和线性控制各自的优点，可用于强非线性结构的振动控制．     

神经网络在控制领域中的应用

本文综述了近年来神经网络在控制领域的应用情况，并讨论了存在的问题和发展趋势。