一种鲁棒稳定的自校正控制器

对于一类带有未建模动态和有界外部扰动的离散线性系统提出了一种新的自校正控制算法。此算法不要求系统参数更多的先验知识。不但能保证闭环系统是鲁棒稳定的。而且平均跟随误差趋于零。从而说明本文方法具有消除各种可能存在的稳态误差的能力,仿真结果证明了本文方法的有效性。     

基于伪输出的鲁棒PI型广义预测自校正控制器

本文提出了一种新型的广义预测自校正控制器。由于在控制器的设计中，所用输出序列为量测输出与基于辨识模型的输出综合而成的，并且控制器采用了ＰＩ型目标函数，因此该控制器对未建模动态具有较强的鲁棒性。     

纸张定量的自校正广义预测控制

本文提出采用自校正广义预测控制的方法实现纸张的定量控制，推导了有色噪声情况下的广义预测控制算法，利用增广最小二乘参数估计实现纸张定量的自校正广义预测控制，经对纸机不同工况的模型仿具计算，得到了鲁棒性强，控制性能好的满意结果。     

基于神经元网络的非线性系统间接自校正预测控制器

提出了一种使用神经元网络的非线性系统间接自校正预测控制器。这一控制方法是基于两个神经元网络,一个用于动态过程的建模,另一方面用于获取控制信号。控制器的优化目标基于过程输出的向前多步预测。两个网络在线学习均采用了非线性最小二乘法。     

基于神经网络的非线性前馈补偿广义预测自校正控制器

采用多层前馈网络结构进行动态建模,并用Ｄａｖｉｄｏｎ最小二乘法作为在线学习算法,将辨识后得到的模型进行线性化．基于线性化模型设计广义预测控制器。将其与非线性前馈相结合,建立了一种适合于非线性系统的前馈补偿广义预测自校正控制器．仿真结果验证了本控制器对非线性系统控制的有效性     

基于全参数在线辨识的鲁棒自校正控制

受控系统中，模型结构参数（模型时延及模型阶次）和模型参数是自适应类控制的基础，采样这些参数，并即时送给控制器，是实现自适应控制的前提，也是优化该类算法的重要依据。笔者给出了对上述自适应控制的有关参数的在线辩识方法，并基于此，改进了经典的自适应类控制算法，算法中引入了对结构参数（模型阶次）的智能辩识方法和鲁棒极点配置原理，从而构成了鲁棒自校正控制，使算法得以进一步优化，整个控制方案给出了自适应类控制的新模式。     

鲁棒递推偏最小二乘法

针对时变模型建模或大数据量情况下建模过程中的野点检测问题,提出了鲁棒递推偏最小二乘法(RRPLS).通过将递推偏最小二乘法(RPLS)与鲁棒主分量回归算法(RPPSV)相结合,实现分块野点检测算法,有效地解决了一般野点检测算法的计算量大的问题.仿真说明鲁棒递推偏最小二乘法不但能检测出数据中的野点还能大量减少建模时间,最后给出了在交流异步电力测功机系统的应用实例.     

鲁棒递推最小二乘参数辨识的新方法

本文提出一种新的回归方程的鲁棒递推辨识方法。该方法通过Huber函数选择加权因子,使得参数估计值对由测量系统引起的大扰动或异常值具有鲁棒性。文中给出并证明了该算法对确定性系统的参数估计的收敛性与一致性定理。两个线性动态系统的计算机仿真实例显示出该方法对大扰动或异常值的良好鲁棒性以及参数估计的收敛性。     

利用广义最小二乘法解决项目投资回归分析中的自相关问题

随机误差项存在自相关是一种非常普遍的现象,这主要是因为在实际的经济现象中,某个时期的经济变量数值通常总是取决于它的前期值,本文利用广义最小二乘法来解决项目投资回归分析中的自相关问题.     

一种自校正广义预测控制算法

本文运用自适应原理,在广义预测控制(GPC)算法的基础上,设计了一种自校正GPC算法。该算法具有计算量小,鲁棒性较强的特点。文未给出了仿真实例。     

PID型大范围预测自校正控制器的设计与实现

本文通过对一般的大范围预测控制中目标函数的改进，导出了具有ＰＩＤ结构的新型大范围预测自校正控制计算法，使得控制器的动态性能及鲁棒性得到加强。本文还给出了这种方法的实现步骤，进行了数值仿真实验。仿真结果验证了该项控制器的有效性。     

状态空间自校正控制器的稳定性

本文给出了状态空间极点配置自校正控制器的稳定性和收敛性，并从全局收敛性出发对这种控制器进行了改进。     

基于最小二乘递推算法的半主动悬架系统参数辨识

为了减少在实体建模过程中的误差,本文对半主动悬架系统进行参数辨识研究。在对悬架结构进行分析的基础上,基于ADAMS建立了半主动悬架减振控制系统的实体模型。采用最小二乘递推算法对悬架系统各指标参数进行辨识,辨识后的输出响应曲线与MATLAB输出曲线基本吻合。仿真结果表明:最小二乘递推算法可以有效地降低误差值,提高悬架系统实体建模的准确性,对进一步的悬架系统控制策略研究具有非常重要的意义。     

基于最小二乘偏差补偿法的舵机模型参数辨识

舵机作为无人旋翼机一个重要的执行机构,控制着旋翼机飞行姿态与轨迹的改变,为建立舵机的数学模型,提出了基于最小二乘偏差补偿法辨识伺服舵机的模型参数。在研究了伺服舵机的结构与工作原理的基础上,首先建立舵机各组件模型,综合得到舵机的系统模型;然后采用最小二乘偏差补偿法辨识模型参数。实验仿真验证了该方法具有较高辨识精度与有效性。     

基于神经网络误差补偿的混沌系统广义预测控制

本利用BP结构神经网络，对混沌系统的建模误差进行预测，并将其补偿到广义预测控制中，以提高算法的鲁棒性，线性模型和神经网络的学习均采用阻尼最小二乘算法．仿真结果表明该算法对混沌系统控制的有效性．     

自整定调节器专家系统

应用不同ＰＩＤ参数对各种控制对象进行在碍实验，观察分析其结果，总结出用波形法进行ＰＩＤ参数自整定的专家系统。系统具有预整定、自整定和自动起动功能，使过程在起动、设定值改变以及过程扰动情况下，根据性能指标要求在线整定ＰＩＤ参数，控制性能保持在较优状态。     

一种新的基于参数辨识的自校正PID控制算法

本文在辩识过程模型参数的基础上,利用计算机求出对象的开环响应曲线,然后根据响应曲线法整定PI或PID参数的经验公式求出PI或PID参数。为了获得更好的控制效果,对所获得的PID参数进行了逐步地优化。该算法与其它自校正PID控制算法相比,具有适用范围更广的特点。计算机仿真和实时控制实验证实了该算法的有效性。     

自校正控制器之观测器多项式的选择

本文对极零点配置自校正控制器的设计进行了研究,并对自校正显示算法和隐式算法中的观测器多项式A_0的选择给出了约束,同时从理论上进行了证明。