基于改进遗传算法的单元机组非线性模型参数辨识

针对火电厂单元机组的特点及遗传算法工具箱在辨识多变量、非线性系统参数中存在的早熟、收敛速度慢等问题,对遗传算法工具箱进行了改进,以单元机组非线性动态模型为研究对象,提出了基于改进遗传算法工具箱的参数辨识方法．根据托电600MW机组的阶跃扰动试验数据,辨识得到了单元机组非线性动态模型的参数．结果表明改进遗传算法工具箱对单元机组非线性模型参数辨识具有良好的适应性,辨识得到的模型是有效可靠的．     

离散模型参考自适应控制的H^∞设计方法

本文基于H~∞控制理论,通过使被控对象与参考模型之间的误差传递函数的H~∞范数极小得到一种自适应控制器的设计方法。这种方法不论被控对象是否稳定或是否最小相位均适应,因此,它有较大的应用价值。文中论证了闭环系统的稳定性并给出了仿真例子。     

基于Matlab的汽车动力系统参数辩识

简要介绍了使用Matlab辨识工具箱中最新添加的非线性灰箱进行辨识的一般步骤,通过对实际项目中的沃尔沃V70测量数据,应用非线性灰箱中Levenberg—Marquardt算法和函数进行辨识和仿真实验,得出了合理的系统参数,并根据辨识结果给出了仿真实验的数据和系统拟合的曲线,实验效果表明了工具箱的算法程序具有很好的实用性。     

斯密斯预估器在非恒定流水力模型流量检测控制系统中的应用

针对非恒定流水力模型流量检测控制系统中被控对象的纯滞后性质,介绍了如何应用Smith预估控制算法,来有效克服纯滞后对控制系统稳定性的影响,提高系统控制的静态和动态品质.     

斯密斯预估器在非恒定流水力模型流量检测控制系统中的应用

针对非恒定流水力模型流量检测控制系统中被控对象的纯滞后性质，介绍了如何应用Smith预估控制算法，来有效克服纯滞后对控制系统稳定性的影响，提高系统控制的静态和动态品质。     

基于大时滞特性预估补偿的模型辨识及模糊控制方法

对具有大迟延特性的对象采用径向基神经网络辨识其预测控制模型,在不需要知道被控对象的精确物理解析数学模型,也不需要知道对象的脉冲激励响应模型和阶跃激励响应模型的情况下,可以实现对系统响应特性的在线辨识．采用分级模糊建模的思想,设计一种分级模糊控制器,可以极大地减小模糊规则基的规模,在分级模糊控制器的设计中,采用共生进化遗传算法对参数寻优,提高了进化速度．仿真试验证明,该方法的效果很好．     

基于模糊线性模型的舵减横摇广义预测控制

舵减摇技术是一项新的减摇技术,通常其控制器设计所用的舰船模型为通用线性模型,对实际上为非线性被控对象的控制性能要下降.文中依据非线性舰船模型,应用模糊神经网络简化出适应于舵减横摇控制器设计的模糊线性模型,并设计了广义预测控制器.在典型航行工况下进行系统仿真.仿真结果表明,针对模糊线性模型和通用线性模型,用同一种方法与参数设计的2个控制器,前者的减摇率可达到40.70%,要高于后者的25.38%.仿真证明了模糊线性模型的可用性.     

船舶电站同步发电机模糊PID励磁控制的研究

针对船舶电站同步发电机励磁控制系统被控对象的时变性以及非线性,设计了一种新型的模糊PID控制器。根据系统当前的电压偏差及电压偏差变化率,通过模糊推理和相关计算,得到PID参数的调整比例系数,实现PID参数的在线调整。仿真研究结果表明利用该方法设计的励磁控制器具有良好的动静态特性。     

基于T-S模糊模型的非线性系统辨识

研究了非线性多变量系统的T-S模糊辨识问题．提出一种利用测得的输入输出数据来计算非线性动态模糊模型的方法．使用模糊聚类简化了T-S模糊规则及前提参数的生成，采用加权最小二乘算法得出结论参数．将该辨识器用于一类非线性系统的模糊辨识，并与模糊神经网络的辨识结果进行了比较，验证了所提方法的有效性．     

基于云模型的改进粒子群PMSM参数辨识算法

针对永磁同步电机传统参数辨识方法存在的缺陷,提出了一种基于云模型的改进粒子群参数辨识算法.该算法首先采用高频电压注入法建立高频电压方程,通过滤波处理获取高低频信号构建四阶满秩实时电机辨识模型;将云模型理论与粒子群算法相结合,采用正态云发生器对粒子进化变异操作建模,实现了自适应动态调节粒子的搜索范围,有效克服早熟收敛,保证了辨识参数为全局最优解.实验表明该辨识方法寻优能力强,搜索精度高,稳定性好,具有良好的动态性能.     

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LS—SVM逆系统方法的非线性动态矩阵控制

针对神经网络逆系统建模存在的诸多问题,提出了基于最小二乘法支持向量机的α阶逆系统方法的非线性动态矩阵控制新方法．将最小二乘支持向量机辨识非线性对象的α阶逆模型与原系统串联组成伪线性系统,根据线性动态矩阵预测控制方法对伪线性系统进行控制．仿真结果表明,系统存在扰动和模型参数发生变化时,依然具有很好的动、静态性能,且表现出很强的鲁棒性,证明了方法的有效性．该方法不依赖于系统的数学模型,简化了非线性对象动态矩阵控制器的设计,为非线性预测控制的研究提供了一种新途径．     

水轮发电机组的二参数鲁棒控制器设计

提出了一种简单新颖的水轮发电机组鲁棒控制器设计方法,并将其应用到一个高阶、非最小相位的水轮发电机组中.该方法的主要特点是被控对象的所有稳定控制器均可用两个独立的自由参数q1和q2来描述.以我国某水电站的真实数据对所设计的控制器进行计算机仿真.仿真结果表明:在系统参数发生变化的情况下,所提出的控制策略能保证水轮机调节系统获得鲁棒稳定性和良好的动态性能.     

基于模糊神经网络的滑模变结构控制方法的研究与实现

针对交流传动不确定非线性复杂系统,结合滑模变结构和模糊神经网的优点,提出了一种模糊神经网络滑模变结构的跟踪控制方法.采用等值控制型切换超平面设计滑模变结构控制系统,使用模糊神经网络系统自适应调节切换增益,得到模糊神经网络滑模变结构模型跟踪控制器.仿真结果表明,所设计的控制器不但能使被控对象较好地跟踪参考模型,而且对系统的不确定性具有不变性,保证了被控系统在整个控制阶段都具有较强的鲁棒性.     

悬索桥施工猫道的非线性抗风静力稳定性分析

结合一中跨跨度为９６０ｍ的悬索桥施工猫道的抗风稳定性研究,提出了通过节段模型静力３分力试验以获得静力３分力系数,进而进行猫静力稳定性的非线性计算分析的方法,同时进行了全模型风洞试验。比较非线性计算结果和全模型试验结果可知,该方法能有效地对猫道结构进行抗风稳定性评估。     

基于模糊变步长神经网络的自适应PID控制

本文针对具有非线性和不确定性的控制对象，提出了一种基于前向神经网络的自适应PID控制系统算法。并根据其特点，提出学习步长模糊校正的方案.这种控制系统综合了神经网络、模糊决策和PID控制的优点，易于实现，仿真结果表明该控制系统对非线性被控对象具有比较好的控制效果。     

非保向力对钢管混凝土拱桥稳定性的影响分析

以一个工程实例———江西吉安赣江钢管混凝土拱桥为研究对象,建立了有限元模型,分析了竖向保向力和非保向力对该桥稳定性影响,考虑了双重非线性(几何非线性和材料非线性)对桥的稳定性的影响。结果表明:竖向保向力和非保向力对桥的稳定性都会产生不同程度的影响。考虑非保向力后桥的稳定安全系数较大,非线性对该桥稳定性的影响不可忽视。     

一种神经网络自适应PID控制器

采用神经网络与模糊逻辑相结合的方式，构造了一种自适应ＰＩＤ控制器。该控制器用具有改进学习算法的神经网络作ＰＩＤ参数调节器，用模糊神经网络对被控对象进行模型辨识，综合了神经网络，模糊控制和ＰＩＤ控制的优点。结构简单，易于实现，且适应环境能力强。     

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.     

非线性系统的智能容错控制

本文提出一种针对非线性系统问题的智能容错控制方案,该方案基于自适应模糊逻辑系统的学习方法,论述了控制器作为一个扩充的体系,集成了自适应模糊控制器、检测控制器及调节控制器三者的功能。仿真表明,所提出的控制方案能够有效的鉴别和适应非线性未知错误,且被控系统在不确定及产生错误时具有很好的稳定性和鲁棒性。