基于改进Smith预估补偿及自适应Fuzzy-PID控制的NCS研究

在具有网络时延和被控对象自身时延的网络控制系统中,针对传统Smith预估补偿器需要被控对象的精确数学模型,对传统Smith预估补偿器进行改进,提出在预估器主反馈通道上加入一阶惯性滤波环节,用于解决被控对象与预估器模型参数失配问题。同时引入自适应Fuzzy-PID控制器作为系统控制策略,设计了系统结构并进行了仿真研究。仿真结果表明改进后的系统能获得更好的动态性能和适应性能。     

大时滞过程的神经元Smith预估控制器的设计

给出一种神经元Smith预估控制器方案,用于大时滞过程控制。新算法采用专家经验实现神经元PID的变增益控制,改善神经元控制品质。通过对一阶惯性加纯滞后的典型工业对象的仿真研究,表明这种控制方式具有良好的适应性与鲁棒性。     

不确定时滞过程Smith预估鲁棒H∞控制器的设计

以不确定大时滞过程为研究对象 ,对常规的 Smith预估控制系统进行变形 ,然后用灵敏度最小原则设计 H∞ 控制器 ,实现了对不确定大时滞过程的鲁棒性控制 .理论分析和仿真结果表明 ,这种新型控制方法能消除大时滞带来的不良影响 ,且鲁棒性强 ,能够有效抑制干扰和模型不确定性 ,只用一个可调参数就能有效协调系统的鲁棒性能和标称性能 .     

基于鲁棒二自由度增益自适应Smith预估器的冷轧厚度计型AGC

综合考虑冷轧厚度计型AGC(automatic gauge control)控制对象模型的渐变性以及在低速轧制时大时延引起的厚度反馈较大时滞,提出一种冷轧厚度计型AGC控制的改进方法来减弱这些系统不确定性和厚度反馈时滞带来的不利影响. 推导出针对任意阶对象的增益自适应调节律,并给出了在保证系统鲁棒稳定条件下的控制器和滤波器参数选取原则. 仿真结果证明这一新方法可有效地抑制干扰,而且在对象参数摄动时系统具有鲁棒稳定性.     

一种结合神经元网络的PMV模糊算法

针对Fanger的热舒适指标预测平均投票值(PMV)提出了一种结合神经元网络的模糊算法,将PMV的计算划分成5个模糊计算模块,克服了在工程应用中Fanger热舒适方程计算复杂的缺点,各个模块通过神经元网络进行修正以提高算法的精度.将此算法的结果与Fanger的热舒适方程计算结果进行比较,表明此算法精度亦能满足工程需要.     

参数在线辨识的模糊神经网络Smith控制器

将多变量系统的Smith预估器参数的在线辨识方法的研究结果运用到多变量模糊RBF神经网络控制系统中,构造多变量模糊RBF神经网络Smith预全控制器,详细地阐述了控制器的结构和设计方法,并对一个双输入双输出对象进行仿真研究,仿真结果表明所构造的控制器具有的控制效果,且当对象的特性发生变化时,系统仍具有较好的辨识效果,控制器具有一定的鲁棒性和自适应能力。     

一种抗干扰的改进型Smith预估控制器

针对已有的各种改进型Smith控制器抗干扰能力差,以及基本型Smith控制器需要精确辨识被控对象的传递函数和滞后时间的缺点,提出了一种抗干扰的改进型Smith预估控制算法。当系统受到较大的随机振荡干扰时,它可以使系统输出的方差较小。它不需要辨识被控对象的滞后时间,容许辨识对象有一定的误差。通过simulink仿真研究,验证了这种控制器的效果。该控制算法解决了Smith控制器实用化的关键问题,在化工、炼油和制药等过程控制方面有应用前景。     

用于控制器参数整定的遗传算法

提出了一种适用于控制器参数整定的遗传算法（ＧＡＣ）,给出了ＧＡＣ的编码方法和遗传算法,并以一个算例显示了ＧＡＣ的有效性,ＧＡＣ的主要特征是逍点数编码、改进排序选择和乘法变异,在其排序选择中既保留最佳个体又使其参与后续的过程,提高了搜索效率,保证了收剑性。最主要的是,针对控制器参数整定问题的特殊性,ＧＡＣ的乘法变异使问题的约束条件能够自然地由遗传算子予以满足,同时又消除了控制器参数的数量级差异所带来     

Smith补偿器的非线性校正及系统稳定鲁棒性

利用非对称非线性的环节对Smith补偿器进行校正，并用于间接加热蒸煮过程控制，仿真表明闭环系统具有较好的关于模型不匹配的稳定鲁棒性。     

基于Smith预估器的直线电机控制系统

介绍一种内燃机活塞外圆焦仿形车床使用的基于Smith预估器的直线电机控制系统，对其原理进行了介绍，并针对具有实时响应的Smith预估器进行了分析。为保证系统具有稳定、高频响应的性能，列出了该系统与不同的直线电机联接时，位置与速度反馈参数匹配的调节方法。     

基于组态王的遗传算法控制器设计

滞后大的系统在常规PID控制器的控制下存在过度调节的问题.遗传算法控制器充分利用自学习功能,对PID控制器参数进行在线修正,提高控制系统性能.基于组态王的遗传算法控制器应用于双容水箱液位控制系统,其实验结果表明,该控制器能有效地提高系统的响应速度和抑制过度超调,系统的性能得到有效提升.     

基于大气预估的RLV再入预测制导研究

针对可重复使用飞行器(RLV)多约束再入制导特点,提出一种新的基于大气预估的再入制导方法. 针对大气模型的不确定性,通过参数辨识技术确定当前大气参数. 在此基础上,考虑可重复使用飞行器过载、动压和驻点热流等过程约束对倾侧角的限制,利用数值预测的方法实时预测RLV的落点确定制导偏差,形成倾侧角控制指令,完成再入轨道的在线设计. 仿真结果表明,该方法能够适应多种再入条件,有效减小各种不确定因素的影响,保证再入终端落点的精度要求.      

基于基因算法的专家模糊控制器的优化

提出了一种通用的专家模糊控制器的设计方法,这种方法运用基因算法的进行寻优,具有设计快,人工干预少,可获得一个基于一定性能指标的次优或最优的专家模糊控制,它可以对多输入多输出系统进行设计,不需要被控对象的精确数学模型。