基于复合正交神经网络的广义通用模型自适应控制

在自适应逆控制中应用复合正交神经网络具有算法简单、学习收敛速度快等优点,将复合正交神经网络与广义通用模型控制器策略相结合,提出了一种基于神经网络的广义通用模型自适应控制方法.该控制方法中的参考轨迹为一条典型的二阶曲线,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。     

电液伺服系统的自适应模糊滑模控制

针对电液系统的非线性特性及其参数不确定性,设计一种自适应模糊滑模控制器。该控制策略基于带积分补偿的变结构控制器,并利用自适应模糊控制方法,把滑模控制器中的不确定项进行模糊逼近。将此控制策略应用到电液系统中,仿真结果显示此控制方法具有较强的鲁棒性和良好的跟踪性能。     

基于模型参考的自适应PID控制器

提出了一种基于模型参考的自适应 PID控制器 ,通过引入一自适应误差信号 ,根据模型参考自适应控制原理的方法 ,推导了 PID参数整定的自适应率 .仿真结果表明 ,该控制器与典型的PID控制器相比 ,显著提高了系统的动态响应性能 ,系统输出能够很好地跟踪参考模型的输出 ,具有一定的抗干扰性 ,鲁棒性较好     

伺服驱动系统无模型自适应控制

高速高精的应用场合要求伺服驱动系统需要具备很好的动态响应性能和很强的鲁棒性来应对外界的干扰.但系统参数时变特性、不确定性以及非建模动态等因素导致伺服驱动系统的精确模型无法辨识得到.提出一种基于虚拟参考反馈校正的伺服驱动系统无模型自适应控制方法.该方法实时采集过程输入和输出数据,以当前系统运行状态的最新数据序列更新PI控制器参数,达到自适应控制的目的,保证系统的跟随性能.并且该方法结合稳定性约束条件以确保整定出来的伺服参数位于系统的稳定域内.仿真和实验结果表明,相比传统PI控制,提出的无模型自适应控制方法具有更好的动态响应性能、稳定性和鲁棒性.     

基于模型参考自适应的直线电机转速辨识

针对直线永磁同步电动机全闭环控制系统易受干扰、降低系统性能指标、存在不稳定因素等问题,提出了基于模型参考的自适应模糊神经网络在线辨识方法,用梯度法实时修正模糊控制器的输入和输出隶属度参数,建立了模型参考自适应模糊神经网络速度伺服系统模型,给出了模糊神经网络控制器的设计方法.仿真和实验结果表明:该方法提高了速度检测装置的分辨率和动态响应能力,系统具有很强的鲁棒性.     

黑箱系统的一种简便自适应预测控制策略

采用一种输入输出增量式一元线性回归模型作为黑箱系统的预测模型,应用投影算法估计模型参数.该模型将对象输出增量分解为2个分量:一个为非零控制增量作用下的强制分量,另一个为控制增量为零时的自由分量,是一种非齐次时变线性模型.此外,应用广义预测控制理论,提出了一种基于该模型的自适应多步预测控制策略,导出了基于该模型的多步最优预测算式和最优控制律.该控制策略不仅具有广义预测控制的强自适应能力和强鲁棒性,且模型参数少,算法简单,适用于黑箱系统的控制.仿真结果表明该控制策略是有效的.     

永磁直线同步电机自适应内模控制研究

为了解决永磁直线同步电机（PMLSM）运行过程中对系统参数摄动及负载扰动等不确定因素敏感的问题,结合内模控制和模型参考自适应控制各自的优点,设计了PMLSM自适应内模控制器（AIMC）.仿真结果表明,自适应内模控制器同常规PI控制器相比,具有更好的动态稳定性和跟踪性能,对外界干扰具有较强的鲁棒性.     

多模型自适应PID解耦控制器

对于一类非线性、强耦合、离散时间系统,提出了基于多模型的多变量自适应PID解耦控制策略,取消了系统平衡点参数已知的条件.控制策略包括一个完全自适应PID解耦控制器,一个参数重赋值自适应PID解耦控制器,多个参数固定PID解耦控制器和一个切换机制.理论分析表明,通过合理地选择切换函数,自适应PID控制器保证系统BIBO稳定,参数重赋值自适应PID控制器和参数固定PID控制器改善系统性能.     

自适应滑模跟踪控制研究及其应用

对模型跟踪自适应控制进行了新的探讨，提出了自适应滑模跟踪控制策略．对模型跟踪误差建立了滑动模型，实现了滑动模态控制，保证模型跟踪误差快速趋于零．该控制策略用于机械加工过程的仿真结果表明，其对机械加工过程参数变化的扰动有较好的适应性和较强的鲁棒性．     

非线性Hammerstein-Wiener模型辨识预测控制

为解决工业过程控制领域中非线性系统的模型辨识与预测控制问题,提出一种基于BP神经网络模型的预测控制策略,采用一种分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法建立非线性预测控制器.利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现了一种基于支持向量机Hammerstein-Wiener辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.     

基于粒子群算法优化最小二乘支持向量机的网络安全态势评估

为了提高网络安全态势评估的准确性,提出一种基于最小二乘支持向量机和粒子群优化算法的网络安全态势评估模型.通过分析参数对最小二乘支持向量机性能的影响,并采用粒子群优化算法选择模型参数,建立网络安全态势评估模型,最后采用仿真对比实验测试模型的有效性和优越性.结果表明,本文模型获得理想的网络安全态势评估结果,可以为网络管理人员提供有价值的参考信息.     

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。     

湿法冶金草酸钴粒度分布建模与优化研究

提出了一种基于实数编码的自适应遗传算法的优化控制策略,对湿法冶金草酸钴粒度分布进行了优化控制研究.利用最小二乘支持向量机与草酸钴合成过程动态机理模型相结合的混合建模方法,来预报草酸钴的粒度分布.在所建立的混合模型基础上,确定了草酸钴粒度分布的优化模型的目标函数与约束条件,并运用自适应遗传算法实现了对草酸钴粒度分布的优化.优化结果表明,所建立的优化模型较好地优化了草酸钴的粒度分布,提高了产品的质量,对草酸钴的工业生产以及促进硬质合金工业的发展有指导意义.     

基于多尺度最小二乘支持向量机的舰船备件器材多类分类

针对远海任务舰船备件器材的分类管理,通过运用支持向量机理论,充分发挥多尺度核在非线性分类中的优势,借助最小二乘原理,构建了多尺度最小二乘支持向量机学习模型。在实际运用中,通过选用高斯径向函数作为多尺度核函数,以训练样本数据分布的离散系数作为核函数宽度参数取值依据,采取ECOC方法建立了多类分类模型,实例计算表明,该方法对远海任务舰船备件器材的分类是有效、可行的。     

On-line Weighted Least Squares Kernel Method for Nonlinear Dynamic Modeling

Support vector machines （SVM） have been widely used in pattern recognition and have also drawn considerable interest in control areas. Based on rolling optimization method and on-line learning strategies, a novel approach based on weighted least squares support vector machines （WLS-SVM） is proposed for nonlinear dynamic modeling. The good robust property of the novel approach enhances the generalization ability of kernel method-based modeling and some experimental results are presented to illustrate the feasibility of the proposed method.     

基于改进自适应粒子群算法的混合核函数最小二乘支持向量机大坝变形预测

针对大坝变形影响因素的复杂性以及监测数据的非线性、随机波动大和预测难度大等问题,提出一种改进自适应粒子群(particle swarm,PSO)算法的混合核函数最小二乘支持向量机(least squares support vector machine,LSSVM)模型,实现了大坝水平变形的时间序列预测方法.基于Mer...     

最小二乘支持向量机在害虫预测中的应用

针对害虫发生量数据的小样本、非线性特点,提出一种最小二乘支持向量机的害虫预测方法.首先采用多元线性回归分析法选择害虫发生量的影响因子,然后通过遗传算法对最小二乘支持向量机参数进行优化,最后建立害虫发生量与影响因子之间复杂的非线性关系模型.采用二代玉米螟百株幼虫虫量对模型性能进行检验,结果表明,相对于多元线性回归、BP神经网络模型,最小二乘支持向量机提高了二代玉米螟发虫量的预测精度,是一种有效的害虫变化预测方法.     

支持向量机在小子样IC可靠性评估中的应用

小子样问题是IC可靠性评估中急待解决的客观问题,本文从工程实践的实际需求出发,提出了基于支持向量机的小子样可靠性评估方法,并给出了支持向量机在栅氧化层击穿寿命分布评估中的应用实例。通过与常规的最小二乘评估方法相比,其评估精度有了很大的提高,试验结果分析能更真实地反应栅氧化层的可靠性特点。     

基于改进最小二乘支持向量机的导弹备件消耗预测

在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集、熵权法、自适应粒子群优化算法与加权最小二乘支持向量机的组合预测模型应用于导弹备件消耗预测的构想。首先阐述了粗糙集、信息熵、自适应粒子群优化算法和加权最小二乘支持机的基本原理,并改进了自适应粒子群优化算法的搜索方式和最小二乘支持向量机的加权方法;然后建立了基于粗糙集、熵权法和自适应粒子群优化加权最小二乘支持向量机的导弹备件消耗预测模型,并分析了其实现过程。实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值。