基于改进的Bang-Bang控制算法的拉索半主动控制研究

为了提高磁流变(magnetorheological,MR)阻尼器对斜拉桥拉索振动的控制效果,避免在经典的Bang-Bang控制算法下拉索振动幅度很小而MR阻尼器出力却很大的不合理情况,提出基于位移限定的改进的Bang-Bang控制算法(以下简称新算法)。在Simulink中建立相关模型进行数值模拟分析,将基于新算法的半主动控制的控制效果与主动控制、被动控制及基于经典的Bang-Bang控制算法的半主动控制的控制效果进行比较。结果显示,基于新算法的半主动控制对拉索振动控制效果要好于被动控制及基于经典的Bang-Bang控制算法的半主动控制,其控制效率相对于被动控制和经典的Bang-Bang控制算法分别提高30%和10%以上。这表明新算法对拉索的振动控制效果有一定的改善,因而对实际工程有一定的参考价值。     

基于Bang-Bang的水泥立式辊压磨模糊PID控制

为实现多变量、大延时、非线性的水泥立式辊压磨自动控制,提出基于Bang-Bang和模糊PID的控制器设计方法。通过Bang-Bang控制方法来加速跟踪收敛速度,采用模糊PID控制器以保证跟踪误差收敛至任意小的界内。该方法应用于山东某水泥厂原料粉磨系统,运行结果表明,设计的控制器能够使系统稳定,达到了减小磨机振动、提高产量和节能降耗的目的,从而验证了其有效性。     

基于单片机控制的智能开关的设计与实现

文章根据开关控制的要求,提出了基于单片机控制的智能开关的总体设计思路,并以单片机、交流互感器和固态继电路为主要器件,从硬件电路和软件两方面实现了对电路的设计。经过实际测试,电路达到了最初的设计要求。     

三能级原子振幅退相干的Bang-Bang动力学控制

采用量子Bang-Bang控制技术对三能级原子系统的振幅退相干动力学解耦进行了研究. 分别给出了3种不同的能级结构下满足解耦条件的Bang-Bang控制群和这些控制群的具体的脉冲序列.     

三能级原子振幅退相干的Bang-Bang动力学控制

采用量子Bang-Bang控制技术对三能级原子系统的振幅退相干动力学解耦进行了研究. 分别给出了3种不同的能级结构下满足解耦条件的Bang-Bang控制群和这些控制群的具体的脉冲序列.     

Bang-Bang和PID结合控制在智能车调速系统中的应用

将Bang-Bang和PID结合控制应用于智能车调速系统中,有效地提高了系统的动态响应速度,同时PID控制也能在一定程度上消除Bang-Bang控制在调速中的抖动,实验证明调速效果良好。     

汽车坡起中EPB的Bang-Bang控制研究

针对车辆坡道起步问题,提出了基于Bang-Bang控制的气压式EPB控制策略.分析了坡道起步过程中的受力变化以及气压式EPB工作原理,研究了电磁阀的工作特性,提出了EPB电磁阀的脉宽调制（PWM）和脉频调制（PFM）的结合控制方式.研究了坡道起步过程中驱动力矩与制动力之间的对应关系,提出了坡道起步需求气压理想控制目标,采用Bang-Bang控制算法作为系统控制策略核心算法控制EPB电磁阀.在试验车上进行了坡道起步试验,起步平稳无溜车,控制效果良好,证明了控制策略的可行性.      

基于预测控制的逆变器数字控制技术研究

针对当前数字控制逆变系统中控制延时和参数扰动等问题,文章将无差拍控制和重复控制相结合,提出一种预测电压控制算法.以单相全桥逆变器为控制对象,设计出预测控制策略并进行系统的MATLAB/SIMULINK仿真.仿真结果表明,该预测控制算法有效地改善了系统的暂态和稳态性能,满足一定的控制精度和实时性的要求,具有良好的应用价值.     

电液位置伺服系统最少拍控制应用研究

阀控式电液位置伺服系统是液压伺服控制系统中应用较为广泛的一种，而传统的模拟控制存在着结构复杂、功率密度低和控制策略机械等弊端．针对上述弊端，并结合电液位置伺服控制系统惯性大，要求控制精度高等特点，本文在对其进行分析、简化、数学建模的基础上，直接运用最少拍控制理论对其进行了离散化设计，得到了最少拍数字控制器，并以阶跃输入作为典型输入信号进行了实验验证．结果表明，实现了对电液位置伺服系统的实时监控，并且简化了结构，提高了控制的可靠性和灵活性。     

基于递推梯度控制的自适应智能开关控制器

对大惯性及纯滞后系统的自适应智能开关控制器给出了一种递推梯度形式的控制规律。分析了一种对温度进行控制的控制规律和实验结果,并进行了仿真研究。仿真结果表明,基于递推梯度控制的自适应智能开关控制器鲁棒性更优越。     

基于多约束随机模型预测控制的无人车运动规划与控制

提出了一种基于随机模型预测控制的无人车运动规划方法。在道路坐标系下,采用质点运动模型和高斯分布对周围动态车辆的预测轨迹进行位置不确定性表征,并使用随机模型预测控制（SMPC）中的机会约束进行描述,以此建立车辆空间位置的约束。通过变步长求解方式获得基于运动学模型的初始控制序列。基于此初始解,考虑车辆动力学信息,引入基于横摆角速度和质心侧偏角关系的稳定性约束,求解最优控制量。在多种工况下,通过仿真试验验证了所提出方法的有效性和稳定性。     

神经元网络智能预测控制

本文基于自学习神经元网络模型，建立了智能预测控制系统，给出了网络系统的算法，阐明了智能控制器的设计以及自学习机理。仿真结果表明，方法具有良好的动态特性和鲁棒性，适用于大滞后系统和非线性系统。     

基于多速率采样系统的网络预测控制算法

针对网络控制系统（NCS）中存在的网络延迟和数据丢包问题,利用提升技术,将预测控制器和网络延迟补偿器相结合,提出了一种基于多速率采样系统的网络预测控制算法．仿真试验表明,该算法对网络延迟和数据丢包具有一定的补偿作用,不仅提高了网络资源利用率,且能保证闭环网络控制系统是渐近稳定的．     

一种基于非线性Laguerre模型的预测控制算法

利用Laguerre正交函数逼近非线性动态系统的各阶Volterra级数核 ,建立了系统的Laguerre非线性模型 ,在此基础上推导出基于该模型的非线性系统预测控制算法 ,对一类Wiener非线性系统的控制 ,进行了仿真研究。     

一种基于CARMA模型的直接预测控制算法

预测控制一般都建立在输出预测模型基础上，以一个最优化性能指标来求解未来的控制量，使得求解过程变得复杂。介绍一种基于CARMA模型的直接预测控制算法，并对其控制量进行了反馈校正和滚动优化，从而使得求解过程变得简便、快捷。     

一种基于遗传算法的多模型预测控制方案

针对时滞系统的特点,提出一种基于遗传算法的多模型预测控制方法.利用多个模型逼近整个被控对象的动态特性,针对每个子模型,设计相应的子控制器,通过加权的方式,将有限个控制量映射成最终的控制量;子控制器采用预测控制算法,利用遗传算法得到权值的全局最优解;比较该控制方案和PID控制在时滞系统中的应用效果.仿真结果表明：该算法不但克服了建模的不精确性和参数的时变性,使系统具有良好的控制性能,而且具有较强的鲁棒性.     

基于最优信息融合卡尔曼滤波的预测控制算法

针对噪声环境下的线性时不变系统,给出了基于最优信息融合卡尔曼滤波的预测控制算法.运用线性最小方差意义下的最优信息融合卡尔曼滤波方法获得状态估计,进而得到输出的N步超前预测值,最后通过最小化二次性能指标获得基于信息融合状态估计的控制输入.仿真实例验证了算法的有效性.     

基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.     

基于NLJ优化算法的多变量预测函数控制

基于差分方程模型推导了多变量预测函数控制算法,使其具有更加广泛的适用性.利用NLJ算法处理预测函数控制中的约束问题,简单明了,没有繁琐的数学公式推导,仿真结果证明了该算法的有效性,为预测控制约束问题的处理提供了一种新的途径.     

利用小脑模型提前计算的广义预测控制

给出一种新的广义预测控制方法，并把小脑模型（ＣＭＡＣ）应用于该算法中，避免了ＧＰＣ算法需要实时所进行的复杂计算．针对ＣＭＡＣ所需存储单元多的缺点，提出了一种改进计算ＣＭＡＣ输出值的方法，可大大减少存储单元．文中的方法对ＧＰＣ在实际中的应用有重要意义