基于动态神经网络的PID参数整定与实时控制

提出了一种基于对角回归神经网络的PID控制器结构,给出了PID参数在线自整定的学习控制算法。为检验控制效果同时还使用了静态BP网络来整定PID参数,并在Matlab环境下,分别建立了基于对角回归神经网络和BP网络的液位实时控制系统。实际的控制效果说明,基于动态网络的PID控制器工作稳定,具有较好的鲁棒性。     

基于迭代学习控制的PID控制器设计

针对传统的经验PID整定方法,提出了一种新的PID参数整定算法。该算法首先利用PD型迭代学习控制来进行期望轨迹的跟踪控制,然后根据迭代学习控制的输入输出数据序列,通过强跟踪滤波器来进行参数辨识,可获得对应于期望轨迹的优化的PID控制参数。给出了迭代学习控制的收敛条件,以及如何利用强跟踪滤波器来进行参数辨识。仿真和实验结果表明,采用该算法设计PID控制器,被控系统可以获得较佳的动态性能和较强的鲁棒性。     

用计算机自动整定PID控制参数的一种新优化方法

所提出的PID控制参数优化方法有助于现场工程师的整定操作。控制系统限定为单输入单输出过程,但可具有延迟和无自平衡调整的性质。为了过程参数的估算,定义了特征面积。为了优化控制参数,以加权平方误差积分形式定义了一种新的性能指标。由最优整定值获得的闭路响应特性具有期望的衰减因子和稳定裕度。所提出的算法可在直接数字控制(DDC)系统上付诸实现。用此系统进行了现场实验,其结果使我们确信此法适用于实际过程。     

基于遗传算法的车辆ABS在线整定PID控制及仿真

分析了ABS(防抱制动系统)PID控制方法的原理。提出了基于遗传算法的在线ABS PID控制方法。为了使控制器具有更高的搜索效率以满足ABS的实时性要求,改进了遗传算法的遗传算子,使复制与交叉操作并列存在,使用具有选择性的交叉操作,并改变变异操作的随机性,使其成为受控的随机操作。使系统能根据车辆的运行条件实时整定PID控制参数。仿真结果表明,基于遗传算法的在线ABSPID控制方法能有效抑制超调,控制ABS跟踪路面条件变化。     

基于负载分析与遗传算法的工业以太网控制系统设计

为减小网络延时对系统控制性能不良影响和实现冗余结构工业以太网系统控制要求，利用负载分析理论乖排队论，建立了网络延时计算模型，挣出了延时计算方法；根据该网垮延时，在传统PID控制器设计方法基础上，以保证系统时域与频域性能指标为评价目标，提出了利用遗传算法朱实现PID参数整定．为扩大算法的搜索空间，获得更多最优解，引入了排挤小生境策略，设计了基于该策略下系统设计的遗传算法。     

基于显式拥塞指示的自适应主动队列管理算法

目前Internet网络中间节点拥塞控制问题在网络和控制理论界已获得了广泛关注.本文提出一种基于神经元自适应PID控制器的AQM算法,针对TCP/AQM系统模型,结合中间节点队列管理和显式拥塞指示机制(Explicit CongestionNotincation,ECN)机制,采用梯度学习算法来在线调整基于神经元PID的AQM控制器参数,以实现标记/丢包概率的自适应调整,从而对网络拥塞程度作出及时响应,尤其在网络参数时变的情况下仍能保证良好的动态性能,并显著改善网络的服务性能(QoS).最后通过NS-2仿真结果表明,该算法在队列稳定性、平均丢包率等性能方面要明显优于基于常规PID的AQM算法.     

基于控制参数估计的再入滑翔目标智能轨迹预测算法

再入滑翔目标的轨迹预测是一项困难且具有意义的技术, 现有利用简单函数拟合控制参数进行轨迹预测的方法, 拟合精度不高且对数据的关联性不强。针对该问题, 本文结合长短期时序网络提出了基于控制参数估计的智能轨迹预测算法。首先, 通过设计快速轨迹生成算法, 结合攻角走廊模型快速生成大量机动轨迹, 构建数据集。然后, 建立了包含末点修正网络、控制参数修正网络及预测网络的智能轨迹预测框架, 利用数据集对关键控制参数的变化规律进行学习。最后, 结合目标运动模型积分外推实现轨迹的准确预测。仿真结果表明, 所设计的预测算法在不同机动模式下的预测平均误差不超过1.4 km, 最大误差不超过2.5 km, 能够实现轨迹的快速预测, 且对大气扰动造成的模型不确定性具有一定的鲁棒性。     

基于GASA算法的网络控制系统的控制器设计

提出了一种基于遗传算法和模拟退火算法的混合策略，用于单包传输下的线性网络控制系统中远程PID控制器的设计。这种新的混合策略被称为GASA算法。由于网络导致的延迟存在，GASA算法被用于确定最佳的PID增益。在求解过程中，GASA算法在各温度下依次进行GA和SA搜索，其中SA的初始解来自GA的进化结果，SA经过Metropolis抽样过程得到的解又成为了GA进一步进化的初始种群，而温度的更新由退温操作来控制。对设定的性能指标如超调量和调整时间的违背量将作为GAsA适应度函数中的惩罚项。本文对基于Profibus-DP网络的网络控制系统进行测试，并与修正Ziegler-Nichols法的优化结果进行比较，结果表明在对网络导致的延迟没有任何先验知识的情况下，用于网络控制系统中远程控制器设计的GASA算法能够获得满意的控制效果。     

基于动态RBF神经网络在线辨识的单神经元PID控制

针对工业控制领域中复杂非线性时变系统,提出了基于动态RBF神经网络辨识的单神经元PID控制方法。采用动态RBF神经网络辨识器在线辨识系统模型,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制。仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性。     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

基于T-不变量的可重复向量的求解算法

研究了Petri网中T-不变量与可重复向量之间的关系,并基于此关系给出一个求解可重复向量的新方法。首先定义了变迁扩充网的概念,证明一个网的可重复向量与其变迁扩充网的T-不变量之间存在一一对应关系,从而将一个网可重复向量的求解转换为其变迁扩充网T-不变量的求解上。在此方法中,如果利用FM-算法去求解T-不变量,则某些求解的步骤可以省略,从而得到一个类似于FM-算法的算法来求解可重复向量。此算法能够求出一组可重复向量,而任一可重复向量都可被这组可重复向量非负有理系数线性表出。     

一种基于自适应小波网络的非线性控制设计

针对含有未建模动态的非线性系统,结合非线性动态逆和小波网络提出了一种新的非线性控制方法。根据小波网络的逼近特性,利用具有在线学习能力的单隐层小波网络来补偿动态逆的误差,建立了基于自适应小波网络的控制结构,用李雅普洛夫函数导出了小波网络权值的自适应调整規则。通过自适应调节,使控制系统能对受控对象及时地作出反应。最后分析了小波网络的结构和输入。     

基于分解的结构复杂Petri网的语言行为描述

Petri网语言是用于系统行为分析的强有力手段，然而给定一个Petri网尤其是结构复杂的网系统。很难直接求解其语言表达式．针对这个问题，通过定义Petri网的库所指标函数，把一个结构复杂的网系统分解成结构简单的子网，即子网中每个变迁的输入库所和输出库所的数目均小于等于1，并分析了这些子网系统的语言特性．利用Petri网语言同步交运算，给出了一种求取结构复杂Petri网的语言表达式的方法，从而为利用网语言分析系统的行为提供了理论依据和方法。     

Kind of deadlock-free scheduling method

Deadlock must be avoided in a manufacturing system. In this paper, an efficient algorithm for finding an optimal deadlock-free schedules in a manufacturing system with very limited buffer is presented. This algorithm is based on the effective genetic algorithm (GA) search method, and a formal Petri net structure is introduced to detect the token player assuring deadlock-free. In order to make the scheduling strategy generated by GA meet the required constraint of deadlock-free, some results of the structure analysis of Petri net are involved as a criterion to select deadlock-free schedule from the population generated by GA. The effectiveness and efficiency of the proposed approach is illustrated by using an example.     

流程仿真的多层次PERT-Petri网模型

复杂流程中的工序持续时间有着很强的随机性,并存在资源约束问题。首先分析了常见的PERT和Petri网在流程仿真中的应用特点,提出了多层次PERT Petri网模型,给出了该模型的建模过程和递归仿真算法。该模型在上下层次分别采用PERT和Petri网对流程进行描述,充分利用了PERT直观简便的特点和Petri网在随机性和资源约束上的描述能力,有效地解决了复杂流程的建模与仿真问题。最后给出了一个例子,表明该模型更容易理解和构造。     

一种针对有瓶颈库所批生产过程的监控与调度集成方法

针对有瓶颈库所的批生产过程中出现时延的情况提出了一种启发式的调度算法,在用CTCH网对某生产系统进行建模的基础上,对该算法进行了仿真并得到了良好的结果,说明了算法的有效性.     

Pet ri 网在物资调运问题中的应用

将Ｐｅｔｒｉ网应用于物资调运问题的建模与仿真。阐述了如何将Ｐｅｔｒｉ网模型同数学规划模型进行相互转化。给出了ＤＳＰＮ仿真器的基本数据结构和算法。     

基于人工免疫网络机器人路径规划算法的进一步研究

本文进一步完善了基于人工免疫网络的移动机器人路径发现与规划算法,给出了算法的设计思想和流程详细的描述;并基于马尔可夫链理论,从数学上证明了该算法的收敛性;通过势场法、神经网络算法和遗传算法三种常用的移动机器人路径发现与规划算法的对比实验,表明文章所设计的算法具有很好的柔性,能够适应于不同的规划环境,解决了其它规划算法无法克服的规划难题以及欺骗性问题,表现出了高度的智能性。     

基于测试重要度的Petri网序列优化算法

针对故障诊断测试序列优化问题,提出一种基于测试重要度的Petri网序列优化算法。该方法依据测试代价原则,并引入测试重要度函数,采用Petri网全局搜索算法,在传统测试优化目标测试费用和故障检测率的基础上,选择包含故障信息量大的测试,有效缩减测试序列的长度,并结合测试代价的反馈计算,减少总体测试费用。研究表明,所提出的优化算法克服了传统算法陷入局部优化的缺点,能够有效地减少总体测试代价。     

缓冲区容量为2的单臂树形多组合设备的建模与调度

在半导体制造中,多组合设备被广泛应用于晶圆加工.对于缓冲区容量为2的单臂树形多组合设备,当机械手的移动时间远远小于晶圆加工时间时,它是否存在一个1-晶圆最优周期调度仍是个有待解决的问题.针对此问题,本文首先运用Petri网对系统进行建模,经过对单组合设备调度和相邻设备协调运作的分析,证明系统的1-晶圆周期达到下界值时总是可调度的,并给出相应的调度算法.最后通过实例验证了算法的有效性以及实用性.