基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。     

弹载消旋平台双模控制与仿真研究

为了消除弹体转动对惯性平台及天线运动耦合的影响,设计了旋转导弹消旋平台,并将模糊控制器与常规PID相结合,建立消旋平台Fuzzy-PID双模控制仿真模型。采用MATlAB和MATlAB/ADAMS联合仿真方法对消旋平台双模控制系统进行仿真分析。结果表明,Fuzzy-PID双模控制使惯性平台及天线的稳态性能得到明显改善。     

基于电控柴油机、TC+AMT及制动的TCS研究

针对某4×2车辆,设计了基于电控柴油机、TC AMT及驱动轮独立制动联合控制的牵引力控制系统的方案,并提出了控制策略。建立了动力传动系统、整车等数学模型。在Matlab\Simulink环境下搭建了仿真模型,并对典型工况进行了仿真分析。结果表明所提出的牵引力控制策略能够使柴油机、TC AMT及制动系统的控制有机结合,有效地改善车辆在弱附着路面上的起步加速能力。     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

重载双波冲击试验机正波系统建模与仿真

为使冲击试验机的模拟试验过程尽可能的贴近于实际的水下爆炸环境,满足最新抗冲击标准的要求,同时把传统中型冲击试验机的最大测试能力从2,700kg提高到5,000kg,对双波冲击试验机中用于产生正波的液压驱动系统、波形发生系统和基础隔振系统分别构建了动力学模型。根据模型分别针对设备在冲击速度为5.0m/s、4.0m/s和3.3m/s测试条件进行了系统仿真。仿真结果表明,该系统可以产生与最新抗冲击标准BV043/85和MIL-S-901D相吻合的冲击加速度波形。     

CMAC神经网络用于分析和设计非线性过程控制系统(Ⅱ)——控制策略

本文是基于 CMAC神经网络分析和设计复杂控制系统的第二部分 ,提出了基于评价函数和CMAC预测器的控制器的设计方法 ,通过分析控制算法的收敛性和控制系统的稳定性 ,得出了控制器参数的选取方法 .该方案适用于过程的输入输出数据是可测的 ,并且可用第一部分提出的方法得到对象的 CMA C预测器 .仿真实例证明该方案是正确和实用的.     

带有限缓冲器的多出口串行生产线无阻塞最优控制及性能分析

研究了带有限缓冲器的多出口串行生产线的无阻塞最优控制问题 ,得到了生产线的状态方程及最优控制 ,然后用极大代数上矩阵的行差单调性理论给出了生产线的性能分析.     

利用偏度分析建立动态检测门限的野值剔除方法

提出了一种采用动态门限检测和剔除野值的新方法。以往的单一检测门限不能可靠地清除观测数据中的全部野值 ,原因是缺少判断有无未剔除野值的识别机制。这里 ,借助于统计偏度分析建立了这种判别机制 ,从而能够有效地判断出是否存在有未被剔除的野值 ,并通过调节野值检测门限来达到彻底清除野值的目的。最后 ,还将此法推广到复数域     

基于神经网络的一类非线性系统的变结构控制

在已知名义系统的基础上 ,将小脑关节模型控制器 (CMAC)神经网络用于一类状态反馈可线性化的多输入多输出连续时间非线性系统的变结构控制中。利用自适应技术估计了估计误差的大小 ,减小了系统的不确定性 ,并利用模糊控制技术调整了变结构增益 ,改善了系统的性能。在很弱的假设条件下 ,应用Lyapunov稳定性定理证明了闭环系统内的所有信号为均匀最终有界。算法在导弹控制系统中的应用进一步证明了本文方法的有效性。     

加载柔性臂振动的非线性应力反馈控制

用数值仿真的方法讨论了一种用新型的非线性应力反馈律来镇定加载柔性臂振动的问题。该方法使用跟踪微分器取得柔性臂根部应力信号的微分信号,并与根部应力信号一起组成非线性控制输入来控制加载柔性臂的振动.其镇定效果明显地优于有关问题的现有实验结果。