基于新型Smith预估器的网络控制系统

提出了一种针对网络时延和被控对象时延的新型Smith预估器,以便有效地抑制网络时延对网络控制系统性能的影响.该预估器不包含网络时延预估模型,无需对网络时延进行在线测量、估计或辨识,适用于网络时延为随机、时变和不确定的网络控制系统.仿真结果表明,在网络时延大于1个乃至数十个采样周期的情况下,基于该新型Smith预估器的网络控制系统具有较强的鲁棒性,且具有良好的动态性和抗干扰能力.     

基于参数自校正AR模型的网络时延估计

针对网络随机时延这一问题,提出了参数自校正AR模型的网络时延估计算法,并对其进行预测.首先兼顾预估精度和算法实时性的原则确定了模型的参数,建立了网络时延的AR模型;在此基础上,通过LMS算法对时延进行在线预测,并根据新的时延值在线调整模型的参数;通过仿真结果验证了该算法具有很好的预测精度和实时性,具有一定的应用价值.     

基于时延特性建模的多断面短时交通流预测

针对现有交通流预测方法未充分考虑多断面车流演变规律，提出基于时延特性建模的时空相关性计算方法. 该方法采用对不同断面、不同时刻交通流的分布相似性度量，对输入的车辆到达数据序列进行切割构建时空相似度矩阵，得到相邻断面之间的时延参数. 基于时延特性建模，将多断面之间的流量信息进行融合，使用长短时记忆(LSTM)网络进行流量预测. 通过对实际路段数据的预测和结果分析，验证所提方法的有效性和实用性.     

基于参数修正灰色模型的时延估计

针对网络时延的估计问题,提出了基于参数修正灰色模型的时延预测方法.首先,建立传统灰色时延预测模型,将网络时延看成是一个非平稳的随机时间序列;通过传统灰色预测方法对参数α和u进行计算,并依据修正方法在线调整两个模型参数,进而通过修正处理的参数重新建立灰色预测模型,来提高时延的预测精度.仿真结果表明了该算法具有很好的预测精度和实时性.     

网络控制系统的时延估计和自适应预测控制

提出了基于最小二乘支持向量机（LS-SVM）的网络时延预估网络控制系统（NCS）的自适应预测控制方法．先将网络时延转化为非线性时间序列，再用径向基函数（RBF）作为LS-SVM的核函数，建立NCS的时延预测模型．用通过该模型预测的时延设计自适应控预测制器，补偿和控制NCS的时延．仿真结果表明，该时延预测方法对NCS的随机时变时延有较高的预测精度，根据预测的时延设计的控制器能使系统的输出很好地跟踪期望的输出．     

基于有限测量信息的加权最小二乘法在配电网状态估计中的应用

为了适应测量装置数量受限的配电网控制的需要,提出一种基于有限测量信息的配电网状态估计方法.模型中将区域配电网节点电压幅值和相角作为状态变量,测量节点电量、负荷规划数据分别作为实际测量量和伪测量量,利用加权最小二乘法权重参数的合理配置保证模型的合理性并求解.通过对英国某区域配电网实例仿真计算,结果表明：本文状态估计模型能够根据有限测量量进行网络全节点的状态估计,且平均估计误差满足实际应用要求;同时,定性描述了测量点数量、估计初值与状态估计误差的关系,为进一步探索测量点优化配置和最优状态估计求解奠定基础.     

基于滑模MRAS的无直流母线电压传感器PMSM模型预测电流控制

为了提升三相永磁同步电机(PMSM)控制系统的性能,针对PMSM控制系统中直流母线电压传感器故障的问题,基于自适应技术与滑模变结构理论,提出了一种无直流母线电压传感器的PMSM模型预测电流控制(MPCC)策略.采用自适应技术与滑模变结构方法相结合构造直流母线电压滑模变结构模型参考自适应(MRAS)观测器,以实现对直流母线电压值的准确实时估计;利用模型预测电流控制策略,以达到减小电流和转矩脉动的目的.用滑模控制技术,在滑模面中引入速度误差积分项,并同时采用非线性指数函数和指数趋近律,设计转速控制器,以提高系统鲁棒性.仿真结果表明:所设计基于滑模MRAS观测器的无直流母线电压传感器MPCC控制策略不仅能够快速准确的估计直流母线电压值,而且能够保证PMSM系统在直流母线电压传感器故障时稳定运行,进一步提高了系统的可靠性.     

网络流量测量的模型与算法研究

为了防止单纯的升级网络,提升网络性能,对网络流量的预测和量度进行研究显得尤为重要。论文利用长相关特性的时序分析法构建FAR IMA模型,并利用此模型对网络流量的测量算法进行研究。通过构建满足流量特性的流量模型,提出了一个基于小波技术和时间序列分析的混合流量预测模型,并利用此模型的流程测量算法对真实网络流量数据的短期行为趋势进行了分析和预测。实验结果表明此预测模型可以较为全面地描述和标识流量的各种特性,对网络流量行为进行有效而准确的跟踪和测量。     

基于神经网络的信号交叉口进口车道交通延误预测

基于误差反向传播(Back Propagation,BP)神经网络建立了适应能力较强的信号交叉口进口车道平峰时的交通延误网络模型,并利用邯郸市某信号交叉口进口车道的平峰小时交通延误的数据,对该BP神经网络预测模型进行训练和测试.比较分析预测结果和实际数据,结果表明该BP神经网络对于交叉口进口车道的交通延误预测结果可靠有效.此外,在交通情况更加复杂的信号交叉口或者时间段,以该模型为基础可以建立更加可靠的预测信号交叉口进口车道交通延误模型.     

具有信号时延的列车网络控制系统的鲁棒控制

针对具有信号时延的列车网络控制系统,研究其鲁棒稳定性问题.把该系统建模为具有线性时滞的系统模型,基于Lyapunov稳定性理论,以Riccati不等式方程的形式给出了具有信号时延的列车网络控制系统时滞独立鲁棒稳定的充分条件,同时设计了鲁棒控制器,结合数值实例给出相应的仿真结果,仿真结果验证了方法的有效性.     

基于多线程技术的网络化数控加工系统

利用VC 多线程技术研制出基于网络的数控机床远程控制系统，可使计算机与数控机床进行远程数控代码接收与发送，为数控机床群的网络化控制与管理奠定了必要技术基础．本系统得到成功应用并取得良好的效果．     

远程实时PLC网络实验系统的设计与实现

基于网络的远程实时实验系统是计算机网络技术与实验教学体系的有机融合,它使得传统的实验教学突破了时间和地域的限制,充分的利用了现有资源,是远程教学技术发展的新阶段。文中对基于网络的远程实时实验教学的关键技术进行了研究,并开发了一个基于网络的远程PLC实验台的原型系统。     

基于拟T-S模糊模型的网络化控制系统稳定性分析

综合考虑网络化控制系统（NCS）出现时延和丢包问题,提出一种基于拟T-S模糊模型.以时延和丢包出现的概率作为隶属度,并根据丢包出现在系统中的不同环节,分别构造相应的系统模型,再利用线性矩阵不等式（LMI）方法证明系统的稳定性,并通过对一个二阶倒立摆系统的数值分析说明方法的可行性,从而为网络化控制系统的分析与设计提供了新方法.     

基于BP算法的中密度纤维板热压机压力控制研究

在中密度纤维板生产过程中,针对热压压力控制存在的大惯性、纯滞后和非线性问题,提出具体的解决方法.建立中密度纤维板热压机压力模型,运用基于BP(back propagation)神经网络的经典增量式PID控制方式,实现对热压过程的优化控制.通过仿真实验和结果分析得出:BP神经网络优化控制具有稳定性好、超调量少、震荡现象少等优势特点,改善了被控过程的动态性能和稳态性能,在提高系统抗干扰性能及参数时变的鲁棒性等方面优越于常规PID调节器     

基于EKF的神经网络在网络流量预测中的应用

在网络资源有限的情况下,建立合理的网络流量预测模型,并根据其预测结果及时做出控制决策或调整措施,对网络性能和服务质量的提高均有重要意义.根据网络流量的时变、非线性特点建立一个时间相关的流量预测模型,预测和分析网络流量状况,并利用人工神经网络在非线性建模方面的优势,给出了基于EKF算法的前馈神经网络的结构设计及学习算法.最后在Matlab环境下使用该预测模型对网络流量进行了仿真,结果表明该模型具有较好的自适应性和较高的预测精度.     

远动系统POLLING原理及其实现

本文提出了适应于DWY系列远动系统远动网络五层协议的概念,着重 分析了第三层POLLING通讯方式及其程序实现,并对其实时性进行了 计算,给出了最大响应时间。      

一种单播网络拓扑推断方法

现有的基于三元分组列车的网络拓扑推断方法,仅依据单一参数(时延或时延抖动)进行网络拓扑的推测,其推断准确度受到网络负载的影响,在网络负载较重时不能准确推断出网络拓扑.针对上述的问题,提出一种基于三元分组列车测量拓扑结构的方法,利用叶节点的层析信息将叶节点进行聚类,依据时延抖动和丢包率两个参数计算节点间的相关性,由底向上构造网络拓扑树.经过NS2仿真环境下实验验证,该方法有效减少了探测包的发送量,提高了推断的准确度,且网络负载对推断准确性影响较小.     

基于卡尔曼滤波和神经网络的PMSM参数辨识

永磁同步电机（PMSM）是一种非线性、强耦合的控制对象,电机参数的变化加大了其控制难度.因此,参数辨识对于其闭环控制系统的稳定运行有着重大的意义.文中针对这一非线性、强耦合的模型,研究了一种基于扩展卡尔曼滤波（EKF）和El man神经网络（El man NN）的永磁同步电机参数Rs,ψd和ψq的辨识方法.仿真结果表明,该方法具有很快的收敛速度,能很精确地辨识PMSM的Rs,ψd和ψq,该网络具有良好的泛化能力,在变速变负载等复杂情况下也适用.     

最优化路网可观可控性的DSRC 网设计模型研究

我国高速公路电子不停车收费系统联网建设即将实现全国联网,如此大规模的系统互联为高速公路的运行管理带来了新的契机.既提供了一种可靠的交通运行状态信息获取方式,也构建了一个具有相当覆盖范围的车路交互平台,从而实现路网的协同管控与出行服务水平的提升.基于此,首先给出路网可观性、可控性的概念模型;其次根据 DSRC设备双向交互的特点,提出面向路网可观性与可控性双目标优化模型,基于路网旅行时间测量误差最小化为目标的路网可观性评估模型及基于路网系统旅行时间最小化为目标的路网可控制性评估模型,最后,通过数值算例对模型进行了验证.结果表明,提出的模型是可行的、有效的.     

基于递归神经网络的预测模糊控制

为提高控制信息与实时状态的适应性，改善模糊控制品质，用传统模糊控制策略，根据当前时刻误差和预测误差变化值，预测下一时刻的控制输出和系统在未来时刻的误差,用递归神经网络预报系统未来输出值的功能，采用双系统交替控制模式．系统中包含1个模糊控制器和1个递归神经网络，一个工作，另一个学习，使控制系统具有自适应性．仿真结果表明，与常规模糊控制相比，预测模糊控制使超调减小，调节时间缩短．