内模控制策略在混合隔振系统中的应用研究

内模控制作为一种独特的控制结构,能够清楚地表明控制系统调节参数与闭环响应及系统鲁棒性的关系,从而兼顾系统性能和鲁棒性.为提高混合隔振系统的隔振性能,将内模控制理论应用于混合隔振系统.分析了混合隔振系统的动力学传递关系;设计了混合隔振系统的内模控制器.仿真结果表明,内模控制效果明显.     

基于内模控制的PMSM双闭环调速系统控制器设计与仿真

为提高永磁同步电机双闭环调速系统响应速度与抗干扰性,给出一种依据内模控制及有功阻尼概念的PMSM双闭环调速系统控制器设计方法.通过建模分析对PI+前馈解耦电流环控制器进行优化,依据内模原理设计出带有箝位积分法抗击分饱和的电流内环解耦控制器.在此基础上,构造有功阻尼代替自然阻尼,利用转速环频带带宽对PI调节器参数进行整定.通过计算机仿真验证,对比传统FOC控制下的调速系统,使用本文所设计的控制器可提升系统响应速度,降低系统超调量,仿真结果表明该方法的有效性.     

非线性方程组的一个修正牛顿法公式

给出非线性方程组牛顿法公式的一个修正公式,并证明该迭代公式是二阶收敛.数值实验结果表明了该算法的有效性.     

基于FFRLS算法的电池模型

建立二阶Thevenin等效电路电池模型。以最小二乘法(recursive least squares,RLS)为基础,对电池模型进行参数辨识,模型迭代过程中电路端电压的估计误差随数据的微小变化而陡然增大。引入遗忘因子,采用遗忘因子最小二乘法(forgetting factor recursive least squares,FFRLS)进行参数辨识,以削弱迭代中旧数据对参数的影响,增强新数据对参数的影响,结果使收敛速度提高、误差波动减小。经验证,运用该方法进行参数辨识的电池模型具有良好的精度。     

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况，提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数，利用列车运行过程中的状态偏差，推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数，通过迭代域的差分，证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证，结果表明，所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度，能够在较短的迭代次数实现对期望曲线的精确跟踪.     

基于多智能体的有限时间一致性迭代学习控制

针对多智能体系统的迭代学习一致性控制问题,提出一种基于有限时间算法的控制策略.首先引入虚拟领导者,利用有限时间算法处理前次迭代时各智能体与虚拟领导者间的跟踪误差,以提高误差收敛速率;在此基础上构造一种新的有限时间迭代学习律,改进后的学习律使系统误差收敛所需迭代次数显著减少;然后利用应用图论、李亚普洛夫稳定性理论证明了该学习律在有限时间内的稳定性,基于范数理论得到了学习律的收敛条件;最后通过Matlab数值仿真结果验证了本文方法的有效性.     

KS函数在控制曲面中的应用

为了使控制器既能具备鲁棒与非线性特性,又保持传统PID控制器的优势,拟采用基于神经元嵌入模糊控制表的阵列式非线性控制器．采用一种新的方法,将计算机辅助几何设计领域中,基于KS函数凝聚算法的三维几何外形磨光方法应用到控制曲面光滑拟合中,为子控制器的平滑转换与控制器参数自调整算法收敛提供了保证．     

改进的神经网络PID算法及在温度控制中的应用

PID控制器的一个重要问题就是如何有效地实现PID模型中比例、积分、微分参数的自适应整定.文中分析了神经网络算法中迭代收敛慢的特点,提出了在多个方向上搜索BP神经网络隐层和输出层权值的增量,寻求最佳的收敛路径.设计了基于ProcessLogix系统特点的天然气制冷温度控制系统结构,并成功地应用于武钢某制冷站综合控制系统中.     

基于逆系统方法的非线性二自由度内模控制

针对一类非线性连续系统,提出一种基于逆系统方法的二自由度内模控制设计方法.首先根据原系统设计阶积分逆系统,然后针对复合后的伪线性系统设计基于逆系统方法的2-DOF内模控制器.由于采用了二自由度控制器,使系统设定值响应同干扰响应分离,得以分别设计控制器.理论分析和仿真结果证明了文中提出的方法控制性能好,精度高,且控制器设计简单,使系统同时具有良好的跟踪性和鲁棒性.     

火电厂过热汽温串级PID的快速稳定优化

针对火电机组大迟延的特点,提出了一种基于鲁棒约束的串级PID（比例－积分－微分）控制器稳定域优化方法．该方法首先根据时延系统的模型得到串级PID控制器参数的稳定域,然后利用鲁棒灵敏度函数的最大值获得最优的控制器参数．通过对火电机组过热汽温串级控制系统的仿真研究,表明该方法可以快速地确定串级控制器的最优参数,为火电机组热力系统的PID控制器参数优化提供了一种简单有效的方法．     

基于单调速器法的并车控制器模型与并车推进装置特性分析

针对船舶并车推进装置的并车控制问题,介绍了单调速器法的控制原理,建立了基于单调速器法的并车控制器模型,并在动力装置性能仿真模型库的基础上,构建了CODAD并车推进装置的模块化实时仿真模型.分析了在单调速器控制方法下并车推进装置的稳态特性,并车过程和加速过程的动态特性.讨论了控制算法的优化,为控制策略的合理制定提供了理论基础.     

Observer-based adaptive neural iterative learning control for a class of time-varying nonlinear systems

In this paper an adaptive iterative learning control scheme is presented for the output tracking of a class of nonlinear systems. An observer is designed to estimate the tracking errors. A mixed time domain and s-domain representation is constructed to derive an error model with relative degree one for our purpose. And time-varying radial basis function neural network is employed to deal with system uncertainty. A new signal is constructed by using a first-order filter, which removes the requirement of strict positive real (SPR) condition and identical initial condition of iterative learning control. Based on property of hyperbolic tangent function, the system tracing error is proved to converge to the origin as the iteration tends to infinity by constructing Lyapunov-like composite energy function, while keeping all the closed-loop signals bounded. Finally, a simulation example is presented to verify the effectiveness of the proposed approach.     

Iterative Learning Based Adaptive Traffic Signal Control

Iterative learning control (ILC), as a branch of data-driven control, has obtained plentiful achievements both in theoretical research and practical application over the past two decades. Taking the traffic signal control system as a plant system, the paper introduces the idea of the ILC and fuzzy logic to design an adaptive data-driven traffic signal controller to improve the capacity of the intersection. The key rule of the signal control logic is described by fuzzy iterative theory, and the control strategy can adapt itself to the changing of traffic flow by iterative learning and handle the uncertainty and randomness in traffic system by fuzzy logic, so as to avoid the modeling of complex transport system and take advantages of data-driven on non-model control. Finally, the proposed method is testified to be applicable and effective based on the simulation results by VISSIM. The simulation result indicates that the effect of the proposed method is more effective than the fixed and actuated control approaches.     

һ�ֻ��ڵ���ѧϰ������Ӧ��ͨ�źſ��Ʒ���

迭代学习控制作为数据驱动控制的一个分支,经历二十多年的发展,无论在理论研究,还是在实际应用上都取得了丰硕成果. 本文以交通信号系统为被控对象,利用迭代学习控制和模糊理论的核心思想,设计基于数据驱动的信号交叉口自适应控制器,使交叉口的通行能力得到显著提升. 信号控制的关键规则采用模糊迭代理论,通过迭代学习使得信号控制策略适应交通流的不断变化,通过模糊理论处理交通系统中的不确定性和随机性,从而避免对复杂交通系统的建模,发挥了数据驱动的无模型控制优势. 最后,使用基于VISSIM的仿真平台对算法的有效性和实用性进行验证. 仿真结果表明,基于迭代学习自适应交通信号控制方法的控制效果优于定时控制和感应控制.     

一种基于迭代学习的自适应交通信号控制方法

迭代学习控制作为数据驱动控制的一个分支,经历二十多年的发展,无论在理论研究,还是在实际应用上都取得了丰硕成果. 本文以交通信号系统为被控对象,利用迭代学习控制和模糊理论的核心思想,设计基于数据驱动的信号交叉口自适应控制器,使交叉口的通行能力得到显著提升. 信号控制的关键规则采用模糊迭代理论,通过迭代学习使得信号控制策略适应交通流的不断变化,通过模糊理论处理交通系统中的不确定性和随机性,从而避免对复杂交通系统的建模,发挥了数据驱动的无模型控制优势. 最后,使用基于VISSIM的仿真平台对算法的有效性和实用性进行验证. 仿真结果表明,基于迭代学习自适应交通信号控制方法的控制效果优于定时控制和感应控制.     

一类虚拟国界预条件多重网络并行算法

对网格方程组作多重网格区域分裂并行计算,以消去法为预条件,讨论了Gauss消去法的迭代性质,指出该迭代法有效改善通常迭代在子域信息传递过程中的障碍性问题,提高多重网格区域分裂并行计算效率。     

Composite Control of Precalciner Exit Temperature in Cement Rotary Kiln

Introduction　　Thecementkilnisalarge scaledcomplexsystem ,inwhichtheinvolvedcontrolobjectsincluderawmealflow ,exittemperatureofwettower ,negativepressureofkilnheadcover ,spoutwaterofkilnhead ,temperatureinprecalciner ,rotatingspeedofkiln ,strokeofcooling…     

基于改进模糊PID-Smith控制器的高速动车组停车方法

为解决动车组制动过程中电制动与空气制动切换时控制模型参数变化和空气制动延时大的问题, 以提高动车组停车的精确性, 提出了一种改进模糊PID-Smith控制器; 通过分析动车组制动过程中单个车厢的力学模型, 考虑列车制动过程的特点, 建立了关于运行速度和制动力的二阶纯延时传递函数; 将离散化的二阶纯延时传递函数与单个车厢的力学模型结合, 建立了动车组多质点控制模型, 并分析了该控制模型的特点; 提出了一种改进的模糊PID-Smith控制器, 通过引入Smith预估控制器解决了动车组制动过程中空气制动系统延时大的问题, 使用递推最小二乘法在线辨识了模型参数, 以解决动车组制动过程中电制动切换到空气制动时的模型参数变化问题; 采用模糊PID控制器代替Smith预估控制器中的PID部分, 解决了PID参数整定难和鲁棒性差的问题; 采用MATLAB软件对CRH380A型高速动车组进行仿真, 在不同进站速度、不同减速度和不同程度干扰下, 使控制器控制动车组跟踪设定速度, 并与模糊PID控制器的结果进行对比。仿真结果表明: 改进模糊PID-Smith控制器得到的动力单元速度与其设定速度的误差在0.4 km·h-1以内, 而模糊PID控制器的误差在1.0 km·h-1以内; 采用提出控制器得到的停车误差在0.3 m以内, 而模糊PID控制器的停车误差在1.5 m以内; 提出的控制器满足高速动车组运行过程中停车误差小于0.3 m的要求。      

基于预测控制的动车组迭代学习控制方法

针对动车组运行过程中存在非线性扰动、参数时变等问题，以提高动车组的速度跟踪精度和乘客舒适性要求为目标，提出了一种基于预测控制的高速动车组迭代学习控制方法；通过采集动车组先前运行过程中的输入输出数据，使用带遗忘因子的最小二乘法实时辨识广义预测控制(GPC)中的预测模型参数并计算预测输出，根据以往过程的平均模型误差修正该预测输出，利用修正后预测输出引出迭代学习控制律，在线实时计算得到新的控制量，实现动车组速度跟踪；采用修正后预测输出设计二次型迭代学习控制律，通过充分学习列车系统的重复性特性来解决传统比例积分微分(PID)型迭代学习参数整定难、收敛速度慢和鲁棒性差等问题，并给出算法的收敛性证明；以实验室配备的CRH380A型动车组半实物仿真平台对该方法进行了测试，建立了列车的三动力单元模型，使其跟踪设定速度曲线，并与一些传统算法进行对比。仿真结果表明：在第8次迭代过程，基于预测控制的高速动车组迭代学习控制方法得到的动力单元速度与其设定的速度和加速度误差分别在0.3 km·h^-1和0.5 m·s^-2以内，且变化平稳，其性能优于PID、GPC和P型迭代...     

基于MFD的城市区域路网多子区协调控制策略

针对城市路网中区域性的大范围交通拥堵问题,提出了基于宏观基本图(Macroscopic Fundamental Diagram,MFD)的多子区协调控制策略,以提升路网的整体运行效益.该策略将城市区域路网划分为多个子区,每个子区的交通流又划分为内部流和转移流,综合两者建立了基于MFD的多子区交通流模型,并给出了对各子区交通流诱导时的边界约束条件;通过调节子区边界控制输入,设计了边界反馈控制器对各子区转移流进行动态诱导,继而进行了迭代分析,以判断其是否满足边界约束,并对控制器进行了Lyapunov稳定性分析.仿真结果表明,所提策略使城市区域路网中各子区车辆总数渐近收敛于设定值,且整体平均流量提高了约11%,大范围交通拥堵状况得到明显缓解.