基于BP优化算法的PSD非线性校正

针对位置敏感探测器(PSD)固有的非线性,提出一种基于BP优化算法的PSD非线性校正方法。以传统的牛顿算法为基础,推导了Levenberg Marquardt算法,即BP优化算法的相关原理。采用Matlab软件编程,网络采用具有2个中间隐层的结构形式,2个隐层使用的神经元数分别为40和30,最大训练次数取500次,利用sim函数计算并仿真网络输出,网络输出误差均在0.001 mm之内,其中最大误差不超过0.003 mm,实现了对PSD非线性的校正。     

基于在线误差修正自适应SVR的非线性不确定分数阶混沌系统滑模控制

提出了一种基于在线误差修正自适应SVR的滑模控制方法, 用于解决一类非线性不确定分数阶混沌系统的控制问题. 分别通过对混沌系统非线性函数的离线SVR估计和基于增量学习的状态跟踪误差在线SVR预测, 解决了不确定分数阶混沌系统模型难以预测的问题. 同时根据Lyapunov稳定性理论设计出SVR权值自适应调整律. 本文以分数阶Arneodo 系统为例进行仿真, 仿真结果表明了, 对于带有外界噪声扰动的非线性不确定分数阶混沌系统, 该方法可以在有限时间内将系统稳定至期望状态, 提高对非线性函数的预测精度, 改善控制性能.     

遥控潜水器轨迹跟踪自适应模糊滑模控制方法研究

针对ROV位置和姿态精确定位控制的难题,通过对ROV数学模型的分析,设计了ROV滑模控制器;系统通过模糊推理来自适应降低抖振和逼近未知的非线性函数部分,利用李亚普诺夫稳定性理论证明了该系统的收敛性和稳定性,最后利用Simulink对控制系统进行了仿真研究;仿真结果表明:该控制器能够保证轨迹跟踪误差的快速收敛性,及对外界干扰的鲁棒性,初始误差3 s收敛到零,验证了理论分析的正确性和有效性。     

不确定非线性光电伺服系统滑模自适应控制

针对同时存在参数不确定性和结构不确定性的非线性光电伺服系统,运用自适应原理对系统的参数进行在线估计,同时提出一种改进的指数趋近律,并结合滑模控制（变结构控制）策略设计系统的滑模自适应位置控制器（APR）。以等效正弦1.2sin(0.93t)作为仿真输入,在0.45s后跟踪误差小于60μrad,表明该控制方法对此类不确定非线性系统的控制效果良好。     

基于模糊PID参数自整定的细胞培养箱温度控制算法

针对细胞培养箱温度控制具有非线性、时滞性、易受干扰且难以建立精确的数学模型的特点,传统的PID控制方法对于快速维持系统箱内温度稳定存在一定的局限性。提出了以温度误差和误差变化率为控制输入,培养箱内温度为控制量的模糊PID参数自整定的温度控制算法,实现了对PID参数的实时在线修正。实验表明,该模糊PID参数自整定温度控制算法,温度从26℃上升到目标温度37℃,建立稳态的时间为2890s,温度超调极小。系统温度控制精度为±0.05℃,并在相同型号的细胞培养箱上同样得到验证。在控制稳定性方面获得了比传统PID控制更好的控温效果,稳定快,极小超调,温度控制精度高,能满足细胞培养箱温度控制的要求。     

基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

一种快速收敛的符号回归常数模盲均衡算法

为了加快符号回归常数模算法(SRCMA)的收敛速度,本文提出了一种适合于BPSK信号 的快速算法。该算法用新的误差函数替代SRCMA中的误差函数,新误差函数针对BPSK信号而 设计。新算法采用分数间隔均衡模型,有效地加快了SRCMA算法的收敛速度。水声信道仿真实验 表明,该算法性能稳定,收敛速度快,适用于快速变化信道的盲均衡和水声通信数据的实时恢复。     

基于径向基函数神经网络的多关节机器人滑模控制器

针对具有不确定性的多关节机器人系统,提出了一种径向基函数神经滑模控制方法;该控制方案采用全局滑模面,将神经网络的非线性映射能力与滑模控制的特点相结合,利用径向基神经网络自适应学习系统不确定性的未知上界,消弱了由滑模控制产生的抖动,同时保证了系统的鲁棒性;基于李亚普诺夫定理给出了系统稳定性的充分条件;仿真结果表明,该方法具有良好的轨迹跟踪和速度跟踪性能,提高了对于建模误差和不确定干扰等因素的鲁棒性。     

一种协同定位算法在智能照明系统中的应用

灯具是智能照明系统的控制对象,而控制灯具的前提是找到灯具的位置。针对灯具的定位问题,提出了一种基于加权质心和泰勒级数展开的协同定位算法。为使定位更加稳定与精确,该算法利用加权质心算法对未知节点进行初始定位,再将其作为泰勒级数展开算法的初值,精确估计未知节点的位置。仿真结果表明,与传统的加权质心算法相比,该协同定位算法收敛性好,定位精度高,最大定位误差小于1.8m,平均定位误差可以达到0.7m。这种定位算法应用于智能照明控制系统中,有利于精确的对灯节点进行控制。     

双边缘测风激光雷达法布里-珀罗鉴频器控制方法

 提出一种双边缘测风激光雷达法布里-珀罗(F-P)干涉仪鉴频器的非线性比例-积分-微分(PID)控制方法。该方法利用发射激光在鉴频器校正通道的透过率作反馈进行F-P干涉仪鉴频器的稳定控制。首先给出F-P干涉仪鉴频器透过率的控制模型,由气压波动、温度变化和振动等引起的外界扰动被等效为施加在致动压电陶瓷上的扰动外力。为了进行扰动补偿,用新增的反正切函数设计了非线性PID控制器,提高了经典PID控制方法的反馈增益。仿真结果显示,与经典的PID控制相比,新的非线性控制方法可以使F-P干涉仪鉴频器在更短的时间达到稳定状态,并且稳态误差约减小到原来的1/20。     

基于迭代误差补偿的混沌时间序列最小二乘支持向量机预测算法

本文分析了传统支持向量机预测算法产生的误差特性,发现产生的预测误差不同于噪声,具有较强的规律性,单一的预测模型遗漏了许多混沌序列中的确定性分量.经过误差补偿后,残差的冗余信息减少,随机性增强.在此基础上,本文提出一种基于迭代误差补偿的最小二乘支持向量机预测算法,能够通过多模型联合预测更加有效地逼近混沌系统的映射函数,在预测精度上取得了大幅度的提升.此外,算法通过留一交叉验证法的方法能够在预测前自动优化模型参数组合,克服了现有算法无法仅利用先验信息优化预测模型参数的缺陷.对MackeyGlass和Lorenz混沌时间序列进行了仿真实验,实验结果优于相关文献记载方法的预测性能,在性能指标上好于现有算法一个数量级.     

Improving performance of FxRLS algorithm for active noise control of impulsive noise

Active noise control (ANC) systems employing adaptive filters suffer from stability issues in the presence of impulsive noise. New impulsive noise control algorithms based on filtered-x recursive least square (FxRLS) algorithm are presented. The FxRLS algorithm gives better convergence than the filtered-x least mean square (FxLMS) algorithm and its variants but lacks robustness in the presence of high impulsive noise. In order to improve the robustness of FxRLS algorithm for ANC of impulsive noise, two modifications are suggested. First proposed modification clips the reference and error signals while, the second modification incorporates energy of the error signal in the gain of FxRLS (MGFxRLS) algorithm. The results demonstrate improved stability and robustness of proposed modifications in the FxRLS algorithm. However, another limitation associated with the FxRLS algorithm is its computationally complex nature. In order to reduce the computational load, a hybrid algorithm based on proposed MGFxRLS and normalized step size FxLMS (NSS-FXLMS) is also developed in this paper. The proposed hybrid algorithm combines the stability of NSS-FxLMS algorithm with the fast convergence speed of the proposed MGFxRLS algorithm. The results of the proposed hybrid algorithm prove that its convergence speed is faster than that of NSS-FxLMS algorithm with computational complexity lesser than that of FxRLS algorithm.     

多模态控制在步进电机位置伺服系统中的应用研究

针对步进电机伺服系统的响应速度慢、稳态误差低的问题,提出了一种多模态控制策略。根据误差大小调节两种控制策略对被控对象的作用权值,使最终的控制量连续输出,实现控制策略无扰动、平滑的切换。半实物仿真实验结果表明,该控制策略较好地综合了模糊控制和模糊PID控制的优势,系统反应速度快,震荡小,抗干扰能力强,同时一定程度上改善了低频振荡和高频失步的问题,具有实际应用价值。     

Hénon混沌系统广义预测控制无静差快速算法

提出了一种具有无静差跟踪性能的Hénon混沌系统广义预测控制快速算法.采用改进的时变遗忘因子递推最小二乘方法辨识混沌系统,通过在常规广义预测控制性能指标函数中引入前馈增益矩阵与柔化矩阵,并将MP神经元网络与BP算法相结合在线调整柔化因子,实现系统对参考信号的无静差快速跟踪.该算法避免了矩阵求逆计算,能够很好地跟踪参考信号.仿真结果验证了该方法的有效性. 关键词： 广义预测控制 Hénon混沌系统 前馈增益矩阵 柔化矩阵     

轮式机器人轨迹跟踪控制系统的设计

针对轮式机器人轨迹跟踪控制系统误差收敛速率低、精度和实时性差的问题,采用反演控制算法并结合李雅普诺夫稳定性分析方法对轮式机器人的轨迹跟踪系统进行了优化设计。建立了轮式机器人轨迹跟踪控制系统的运动学模型,并对该模型进行位置偏差分析;在反演控制算法中引入了分部虚拟控制量,并分析和设计了其他间接受控量,提高了算法运行的效率;采用李雅普诺夫收敛定理对系统的收敛性进行分析,根据分析的结果提出了算法更加简单的控制律。利用Matlab软件的Simulink库对设计的轨迹跟踪控制系统试验研究。结果表明,与基于李雅普诺夫直接法或者迭代学习算法设计的轮式机器人轨迹跟踪控制系统相比较,设计的控制系统具有跟踪精度高、收敛速度快、实时性好的优点。     

无人船安全目标追踪与自动避障算法

设计了无人船安全目标追踪算法和双回路追踪以及自动避障控制策略,内回路是控制无人船安全目标追踪并与目标保持一定安全距离,通过Lyapunov函数证明了该控制算法的渐近稳定性。外回路是无人船在安全距离内发现障碍,将目标点虚拟化,运用模糊控制原理,实现自动避障。优化传统的Dijkstra算法,设计了无人船实时最短路径算法。仿真结果表明,提出的综合算法能够实现无人船以合理速度通过最短距离,兼顾了时间效率,并能顺利避障。     

一种能量比调控的有源噪声控制算法

在前馈有源噪声控制系统中,建模信号与控制信号相互影响,建模信号的引入会导致系统降噪性能变差。为了减小建模信号的影响,提出一种基于能量比调控的次级通道在线建模有源噪声控制算法。利用控制过程与建模过程的误差能量比构造步长调控函数,分别调节控制过程与建模过程的步长值,从而减弱两者的相互影响。在次级通道建模过程中,对建模步长值采取分段调控的方法,并通过建模步长值的变化来调节建模信号,从而提升系统降噪性能。仿真结果表明,对于低频噪声信号的有源噪声控制,相比已有算法,提出的算法能获得较快的建模收敛速度和较高的降噪量。     

Superheating Control of ORC Systems via Minimum (h,φ)-Entropy Control

The Organic Rankine Cycle (ORC) is one kind of appropriate energy recovery techniques for low grade heat sources. Since the mass flow rate and the inlet temperature of heat sources usually experience non-Gaussian fluctuations, a conventional linear quadratic performance criterion cannot characterize the system uncertainties adequately. This paper proposes a new model free control strategy which applies the (h,φ)-entropy criterion to decrease the randomness of controlled ORC systems. In order to calculate the (h,φ)-entropy, the kernel density estimation (KDE) algorithm is used to estimate the probability density function (PDF) of the tracking error. By minimizing the performance criterion mainly consisting of (h,φ)-entropy, a new control algorithm for ORC systems is obtained. The stability of the proposed control system is analyzed. The simulation results show that the ORC system under the proposed control method has smaller standard deviation (STD) and mean squared error (MSE), and reveals less randomness than those of the traditional PID control algorithm.     

一种新颖的滑模非线性比例积分混沌控制方法

一种新颖的滑模非线性比例积分控制方法（SMNPIC）被提出用于高精度驱动一类时变不确定混沌系统到任意期望轨道。SMNPIC区别于以前的滑模控制技术之处在于滑动模的一个非线性比例积分函数被包含在控制率中，因此不仅稳态误差和高频抖振都被减小，同时鲁棒性和快速性也能被保证。此外，SMNPIC实际上能被作为一类非线性PID控制器，不仅仅跟踪误差及其直到n-1阶微分被考虑，而且跟踪误差的积分也被考虑，因此有比传统PID更多的有用信息能被使用，因此更好的动静态特性能被获得。通过不确定Duffing-Holmes系统的仿真实例证实了SMNPIC用于混沌控制能获得好的性能。     

Adaptive synchronization control of coupled chaotic neurons in an external electrical stimulation

In this paper we present a combined algorithm for the synchronization control of two gap junction coupled chaotic FitzHugh-Nagumo (FHN) neurons in an external electrical stimulation. The controller consists of a combination of dynamical sliding mode control and adaptive backstepping control. The combined algorithm yields an adaptive dynamical sliding mode control law which has the advantage over static sliding mode-based controllers of being chattering-free, i.e., a sufficiently smooth control input signal is generated. It is shown that the proposed control scheme can not only compensate for the system uncertainty, but also guarantee the stability of the synchronized error system. In addition, numerical simulations are also performed to demonstrate the effectiveness of the proposed adaptive controller.