基于LS-SVM逆系统的焦炉集气管压力系统内模控制

焦炉集气管压力是炼焦生产过程中重要的工艺参数,其值是否稳定,直接影响到煤气质量、焦炉寿命、焦炭质量和生产环境。针对焦炉集气管压力系统是一个强干扰、非线性和多变量耦合的复杂系统,采用LS-SVM辨识出焦炉集气管压力系统的逆系统模型,并将其串联在原系统之前,运用逆系统的方法将集气管压力系统解耦成2个相互独立的单输入单输出伪线性子系统。同时,对解耦后的系统采用非线性内模控制策略以保证系统的鲁棒性和稳定性。仿真和应用结果表明该控制策略的解耦控制效果较好,提高了系统的快速调节能力和跟踪精度,而且增强了系统的鲁棒性,可以保证焦炉集气管压力稳定在现场工艺要求的范围内。     

LS-SVM在线误差补偿的导弹自适应逆控制律设计

为了提高导弹控制系统的鲁棒稳定性,提出一种基于最小二乘支持向量机(LS-SVM)在线误差补偿的导弹自适应逆控制律设计方法.将非线性导弹系统的内部不确定性和外部干扰视为综合误差项,设计LS-SVM误差补偿器逼近系统的综合误差,通过选取合适的权值调节律来提高LS-SVM的逼近精度,最后引入鲁棒控制项抑制逼近误差给系统带来的...     

一类非线性系统基于LS-SVM的自适应滑模控制

针对一类具有不确定性和外部扰动的非线性系统,研究了一种基于李雅普诺夫函数和最小二乘支持向量机的自适应滑模控制方案。该方案利用LS-SVM回归的逼近能力设计反馈线性化控制器,并推导出控制器权值参数向量的自适应律。通过滑模控制技术提高系统对外部干扰和逼近误差的鲁棒性。利用李雅普诺夫函数方法证明了整个闭环系统的稳定性。仿真研究验证了所提控制方案的可行性和有效性。     

基于最小二乘支持向量机动态逆的非线性系统自适应控制

提出基于最小二乘支持向量机动态逆的一种非线性系统自适应控制方法.该方法采用最小二乘支持向量机辨识非线性系统的动态逆模型,并将其串联在原系统之前得到复合的伪线性系统.对于建模误差、不确定因素等引起的非线性系统逆误差,采用在线最小二乘支持向量机进行自适应补偿.最小二乘支持向量机的在线参数调整规律由Lyapunov稳定性理论导出,并证明了非线性闭环系统的稳定性.仿真结果证明了该方法的有效性.     

基于逆系统的六自由度机械臂解耦内模控制

六自由度机械臂的强耦合非线性特性加大了机器人控制的难度,为解决这一问题,研究了一种解耦控制方法.基于拉格朗日力学建立六自由度机械臂的动力学模型,并利用逆系统方法推导其逆系统模型,将逆系统模型串联在原系统的前面构成伪线性系统.仿真实验表明,该系统被解耦为6个二阶积分子系统,但建模误差与外部干扰会影响模型的准确性,从而影响...     

基于神经网络广义逆的感应电机变频系统内模控制

为提高感应电机变频调速系统的鲁棒性和抗干扰能力,提出了基于神经网络广义逆系统的内模控制方法.在分析原系统可逆性的基础上,先用动态神经网络逼近原系统的广义逆模型,从而串接在原系统之前组成广义伪线性复合系统,实现系统的线性化与开环稳定,有利于系统的综合.再对广义伪线性系统引入内模控制,保证系统的鲁棒稳定性.采用该系统进行了阶跃响应和跟踪效果试验.结果表明,该方法能够成功地实现系统的线性化,并且当系统存在建模误差和负载扰动的情况时,仍能使系统保持高性能的控制.     

六轴机械臂广义逆系统 SVM 辨识与控制

针对六轴机械臂系统强耦合和不易求取精确的动力学模型的特性,提出了基于支持向量机（ SVM ）辨识的广义逆解耦PID闭环控制方法。将SVM常见的3种核函数应用于机械臂实际系统的广义逆模型辨识中,通过回归预测效果和性能指标比较可知,采用高斯径向基核函数辨识的SVM模型预测输出与实际系统输出趋势一致,且得到的性能指标平方相关系数（ r2）和平均平方误差（ MSE）较好。实验结果表明,基于SVM广义逆解耦的PID控制算法能够实现对实际机械臂系统的高精度轨迹跟踪,具有工程实用性。     

无轴承异步电机最小二乘支持向量机逆解耦控制

为了实现无轴承异步电机径向悬浮力、转速和磁链的非线性动态解耦控制,提出了基于最小二乘支持向量机逆的解耦控制策略,在分析无轴承异步电机原系统可逆的基础上,首先采用最小二乘支持向量机逼近原系统逆模型,然后将逆模型串接于原系统之前构成伪线性复合系统,将无轴承异步电机线性化解耦成径向二自由度位移子系统、转速子系统以及磁链子系统,最后为了进一步提高整个控制系统性能,为伪线性复合系统设计了闭环控制器,并采用Matlab对控制方法解耦性能进行了仿真.仿真结果表明:该方法能够成功实现无轴承异步电机系统的非线性解耦控制,并且系统具有优良的鲁棒性和动、静态性能,克服了传统解析逆解耦控制方法过分依赖于系统模型的缺点.     

关于矩阵广义逆的几个性质

Magnus和Neudecker曾讨论Moore-Penrose广义逆所具有的“乘积化简”和“加减分拆”等若干较好性质。本文推广得到最小二乘广义逆和最小范数广义逆等也具有这些性质,为其进一步应用提供了方便。     

基于LS-SVM的热带气旋强度预报

建立了基于最小二乘支持向量机的热带气旋强度预报模型。针对机理建模和神经网络建模无法提供热带气旋强度预报的有效解决方案,研究了基于最小二乘支持向量机的回归模型。利用给定的热带气旋数据集,使用交叉验证和网格搜索的方法对最小二乘支持向量机回归模型进行了参数优化选择。实验结果表明,建立的热带气旋强度的12,24,48和72 h的预报模型,都满足了预定的误差要求。     

基于模型预测控制的三相四桥臂有源电力滤波器

针对现有有源电力滤波器数字化控制方法对模型依赖性较强的缺点, 在介绍了正负序系统和零序系统解耦控制的基础上, 提出了一种三相四桥臂有源电力滤波器的模型预测控制(MPC)方法, 以差分方程作为预测模型, 保留了常规MPC中的反馈校正和滚动优化环节, 推导出了最优控制率. 与常用的预测电流控制方法做了对比, 得出了带电源电压观测器的预测电流控制只是模型预测控制的一个特例的结论; 详细分析了参数对稳定性的影响, 修改MPC的参数, 可以在省略带通滤波器的情况下, 允许更大的连接电抗参数建模误差, 鲁棒性比预测电流控制更高.此外, MPC和重复控制相结合消除了MPC所固有的稳态误差. 仿真结果验证了所提方法的有效性和正确性.     

基于模型完全动态延时逆的内模控制方法

分析了常规内模控制中存在的缺点,提出了一种基于模型完全动态延时逆的内模控制方法,取消低通滤波器的设计,以逆的延时时间的调整来提高系统的鲁棒稳定性,并结合自适应逆控制原理,采用有效消除被控对象下游输出端和上游输入端扰动的内模控制方法。     

基于ELM的单相有源电力滤波器的内模控制

为了克服单相有源电力滤波器的非线性特性,在基于数据的基础上,由极限学习机建立有源滤波器非线性系统的内模和逆模,实现基于极限学习机的内模控制.根据内模控制系统稳态误差,评估内模控制系统的性能,并将极限学习机的内模控制系统与神经网络、核岭回归、支持向量机等方法进行比较分析.试验仿真表明,基于极限学习机的内模控制系统具有系统稳态误差小、鲁棒性强等特点.     

单周控制四桥臂三相四线制有源电力滤波器

提出一种基于单周控制的四桥臂三相四线制有源滤波器.该控制方法不需要检测三相负载电流和三相电源电压,不需要使用任何乘法器,可以大大简化谐波检测电路和电流跟踪控制电路.整个控制电路由4个带复位积分器、几个触发器、比较器和一些模拟器件组成,控制电路简单、可靠、无延佑迟.主电路开关频率恒定,容易实现.在对四桥臂变换器的三相四线制有源滤波器进行分析、建模的基础上,进行了仿真研究,仿真结果表明单周控制三相四线制有源滤波器能有效地补偿系统谐波、零序和无功电流,而且响应快、补偿性能好.     

基于广义逆的无谱逆反卷积算法

在时域循环卷积运算实现反卷积方法的基础上,基于广义逆的概念提出了一种改进算法,该算法不仅可以有效地避开无谱逆问题,而且运算量增加较少,易于编程实现。     

基于内模设计法的非最小相位系统控制

针对非最小相位系统的结构特点,提出内模控制器参数的合理算法.仿真结果表明,根据该方法设计的控制器具有较理想的控制效果,且控制器结构简单.     

新型三相三线制并联有源滤波器的模糊滑模控制方法

为了提高有源滤波器参考电流跟踪控制的精度,改善系统对非线性负载扰动的鲁棒性和适应性,采用一种新型的模糊滑模控制方法,设计了一种模糊滑模控制器,用于三相三线制并联有源滤波器的参考电流跟踪控制.谐波电流检测采用p-q谐波电流检测方法,能快速、准确地检测出负载电流中的谐波分量.直流侧电压采用PI控制方法实现稳定控制.Simulink仿真结果显示,与传统的滞环比较控制方法相比,所设计的新型模糊滑模控制方法能够有效地降低跟踪误差,提高有源滤波器的谐波补偿效果.     

飞行模拟器操纵负荷系统内回路的逆模型控制

为了改善基于力回路的飞行模拟器操纵负荷系统的力感模拟逼真度,分析了内回路跟踪性能对力感模拟逼真度的影响;在基于结构不变性原理抑制多余力的基础上,提出了比例结合前馈逆模型补偿的复合控制策略,在不影响内回路稳定性的前提下,该复合控制策略能有效拓展内回路的频宽.仿真结果显示,该复合控制策略提高了内回路的跟踪性能.在基于RT-LAB的快速原型控制实验平台上进行了半实物仿真实验,结果表明该控制策略可以明显改善内回路的跟踪性能,从而显著提高操纵负荷系统力感模拟的逼真度.     

Wiener型系统基于神经网络的在线训练算法广义预测控制

利用RBF神经网络在训练算法和广义预测控制算法进行了Wiener型非线性模型预测控制的研究，仿真表明这种做法是可行的。     

基于Kalman滤波和LQG控制的起重机控制研究

针对双载荷轨道起重机在抬升重物时的消摆时间长、定位速度慢的问题,提出采用最优控制理论和卡尔曼滤波算法,设计线性高斯二次型(Linear Quadratic Gaussian, LQG)控制器并对其进行残余振动抑制。首先,运用Lagrange方程建立起重机系统的非线性动力学方程,其次,运用雅可比矩阵将非线性方程线性化,得到系统的状态空间方程;通过证明线性系统的可控性和可观性,选择合适的权函数,设计最优二次型线性调节器(Linear Quadratic Regulator, LQR)和最优状态估计器来得到LQG控制器,通过建立相关模型的Simulink控制系统仿真表明：设计的LQG控制器能有效衰减残余振动;通过与PID控制器对比分析,所提出的LQG控制器能更有效衰减残余振动幅值,振动的超调量更小,所需的稳态时间更短,验证了该控制策略的有效性和可行性。