时戳PI广义预测在网络控制系统中的应用

网络随机时延的存在使得控制系统的性能受到很大的负面影响,甚至引起系统的不稳定,为此提出了基于时戳的PI型广义预测控制算法。在给出了系统环路时延的获取方法的基础上,运用PI型广义预测算法求得系统的未来信息,并将此信息发送到执行器,在执行器端给出了网络补偿器的设计。之后对控制系统的稳定性进行了分析,得到了闭环网络控制系统稳定的条件。最后利用TrueTime工具箱进行仿真研究,验证了该算法的有效性。

基于面向对象知识库和产生式规则知识库的电网调度操作票专家系统

电网调度操作票专家系统就是编排电网调度操作票的智能系统,本文结合实际科研项目的开发过程,总结国内外对此类系统的研究成果,通过对电网结构和电网调度操作票建立机制的全面分析,提出了将面向对象知识库和产生式规则系统原理相结合,应用数据库与面向对象编程(OOP)技术来实现电网调度操作票专家系统的全新方法,重点介绍了该方法的设计原理、应用和此方法开发的操作专家系统的主体框架。

车用汽油机过渡工况空燃比的神经网络控制研究

针对车用汽油机过渡工况空燃比难于精确控制的特点,提出了一种空燃比的神经网络复合控制策略。控制系统通过神经网络控制和常规PI控制实现前馈反馈控制,常规PI控制器利用氧传感器信号实现反馈控制,保证系统的稳定性,且抑制扰动;神经网络控制实现前馈控制,提高控制系统过渡工况时的响应能力。神经网络采用径向基神经网络,其输入为影响汽油机进气量的两个主要因素发动机转速与节气门开度。通过在线学习常规PI控制输出,使系统的总控制输出由神经网络产生,系统具有较高的自适应功能,有效避免目前过渡工况空燃比控制需进行大量标定的不足。仿真结果表明该控制方法是有效的。

电机设备的现代故障诊断方法

分析了电机设备故障诊断的基本原理 ,以文献综述的形式系统的阐述了电机设备的现代故障诊断方法 ,并概括了已有的各种故障诊断方法的特点 ,指出了电机故障诊断方法的发展趋势。

基于多种群协同进化微粒群算法的径向基神经网络设计

神经网络结构和权值的联合设计一直是神经网络进化设计的一个研究方向.本文根据基本微粒群算法的特点,借鉴递阶编码的思想,构造出一种多种群协同进化微粒群算法.该算法具有种群内个体微粒自由运动特征分量与种群运动特征分量分层递阶进化的特征,克服了标准微粒群算法在多峰函数寻优时出现的微粒“早熟”现象.应用该算法进行径向基神经网络隐层结构和径向基函数参数联合自适应设计,在非线性系统辨识中显示了比较好的收敛性和训练精度,同时也使网络的泛化能力和逼近精度这一对矛盾得到了比较好的协调统一.

基于种群小生境微粒群算法的前向神经网络设计

根据自然界中鱼鸟等所具有的种群运动特征,借鉴递阶编码的思想,构造出一种种群小生境微粒群算法,具有小生境内个体微粒自由运动特征分量和小生境种群运动特征分量分层递阶进化的特征,克服了标准微粒群算法或其改进算法在多峰函数寻优时出现的微粒“早熟”现象.应用该算法进行三层前向神经网络连接权值和网络结构联合并行自适应设计,在混沌时间序列预测中显示了良好的性能.

车用汽油机过渡工况空燃比的先进控制策略

详细论述了国内外汽油机过渡工况空燃比的滑模控制、自适应控制、模糊控制、神经网络控制的结构,分析了各种控制方法的优点和局限性。提出了一种基于信息融合的汽油机过渡工况空燃比控制策略,该方法同时监测汽油机节气门变化过程中节气门位置、进气流量、发动机瞬时转速和进气管内压力等动态参数及其变化率等信息,并进行信息融合处理,导出反映汽油机过渡工况空燃比的有效特征信息,减小过渡工况时油膜及氧传感器对空燃比控制的影响,实现过渡工况空燃比的精确控制。

基于AEPSO优化的神经网络多步预测控制

为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。

一种基于聚类的小生境微粒群算法

在小生境微粒群算法中引入一种简单的聚类算法,替换了原算法中依赖于圆形拓扑领域的小生境产生方法,构建出一种基于聚类的小生境微粒群算法.该算法在对主微粒群进行l-best PSO寻优的同时对其中的微粒进行聚类,当聚类簇中的个体数目达到规定的子微粒群最小规模时形成一个小生境.用这种算法能够产生大小和形状不同的小生境,克服了N ichePSO算法的不足.*

一种离网型风力发电系统的不平衡控制策略

研究一种不平衡负载下离网型双馈电机的定子端与转子端变换器协调控制策略。在系统数学模型的基础上,对转子端变换器提出了一种直接电压控制方案,为了提高系统的动态响应和鲁棒性,设计了一种基于扩张状态观测器的转子电流控制方案,即通过扩张状态观测器估计系统总扰动,并以前馈方式消除该扰动。针对负载不平衡问题,通过在定子端采用三相四脚变换器对定子电流的零、负序分量进行补偿,消除了不平衡负载对双馈感应电机的不利影响,改善了发电系统的电能质量。为了减少控制器的计算负担,对定子端变换器交流侧的电流采用比例-谐振(PR)控制,有效地避免了繁琐的正、负序分离计算,简化了控制算法。仿真和实验结果验证了该方案的正确性及可行性。

锌电解整流供电系统的微粒群优化控制策略

在分析锌电解整流供电系统的基础上,建立基于整流效率和整流系统稳流精度的整流供电系统优化控制数学模型,并根据整流供电系统的分级递阶控制特性,提出一种递阶多目标微粒群算法,用于整流供电系统各机组电流分配的优化决策.实验结果和现场运行结果都表明,基于多目标微粒群算法的整流供电系统优化控制策略能够有效提高整流效率和稳流精度.

基于Elman神经网络的汽油机过渡工况空燃比多步预测模型

为了减小车用汽油机空燃比传输延迟对空燃比控制精度的影响,提出一种基于Elman神经网络的空燃比多步预测模型。通过对空燃比数学模型的分析,确定神经网络空燃比多步预测模型的输入向量,同时,为了提高过渡工况空燃比预测精度,在神经网络输入向量中增加反映空燃比变化趋势的导数信息。对HL495发动机过渡工况实验数据进行学习,采用梯度算法对Elman神经网络的权值进行调整。研究结果表明:采用该方法能精确预测过渡工况空燃比,预测模型的最大误差小于1%,平均误差小于0.5%。该预测模型可用于实现车用汽油机过渡工况空燃比的精确控制,提高车用汽油机过渡工况排放性能。

基于自适应神经网络滤波的噪声消除

设计的自适应神经网络噪声抵消系统不需要关于输入信号的先验知识,非线性映射能力强,具有自学习能力、计算量小、实时性好。利用该系统对含噪声的非线性信号建模,达到消除噪声的目的。通过LMS算法,对不同信噪比(SNR)的含噪信号进行滤波。仿真结果表明,该滤波器能有效地抑制噪声。

基于混合遗传算法的主动悬架集成优化研究

作者提出的主动悬架的集成优化方法是以主动悬架的结构参数与LQG控制器为优化对象,以主动悬架系统输出的车身垂直加速度、悬架动位移、轮胎动位移和主动控制力的加权和为优化性能指标。同时提出了一种混合优化算法,它利用梯度算法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的初始点。运用该混合遗传算法进行主动悬架系统的集成优化控制能有效地提高汽车行驶平顺性和安全性。

某型飞机航空军械仿真训练系统设计

针对航空军械保障训练成本高、风险大、实施难等问题,设计了一种基于工控机与PLC控制的某型飞机航空军械仿真训练系统,该系统能设置航空军械保障的训练任务,仿真外挂物管理系统对武器的操作控制,对军械保障训练的结果进行分析评估,实现了航空军械保障训练的全流程的仿真,实际仿真训练结果表明,采用该系统实施军械保障训练能量化训练过程,降低训练风险,节约训练成本。

基于改进遗传算法的PID参数整定及其在加热炉中的应用

提出了一种遗传算法交叉概率与变异概率的自适应确定方法，应用该方法对PID控制器的参数进行优化，并以加热炉为研究对象进行仿真研究，结果表明该方法能实现对PID参数的全局优化，仿真系统具有较好的控制效果。

汽车主动悬架系统的单神经元自适应PID控制

建立了汽车1/4主动悬架物理模型,提出了一种主动悬架系统的单神经元自适应PID控制方法。以阶跃函数模拟路面输入,对汽车主动悬架系统进行计算机仿真研究。仿真结果表明,该方法控制的主动悬架,汽车车身振动位移小,鲁棒性较高。

一种改进的小生境微粒群算法

在微粒群算法中引入“基于密度”的聚类算法,构建出一种改进的小生境微粒群算法.该算法组合了两种方法来实现小生境的思想:第一,采用多种群策略,初始化产生一个没有子微粒群区分的主微粒群D0后,在对D0迭代执行lbestPSO算法的同时,允许其中动态产生不相同的子微粒群Di(i≥1);第二,子微粒群的产生采用一种“基于密度”的聚类算法,如果两个个体之间的距离小于一个给定的极值σdist,则将这两个个体联系起来归入一个聚类簇,当聚类簇中的个体数目达到规定的子微粒群最小规模时形成一个小生境.用这种算法能够产生大小和形状不同的小生境,与生物学中地理小生境具有多种形状的事实相符合,也克服了NichePSO算法只能以某一微粒为中心产生圆形小生境的不足.对3个常用的基本测试函数的测试实验表明,这种改进的小生境微粒群算法在多峰函数寻优中性能优于标准PSO和NichePSO.

基于Elman神经网络的车用汽油机过渡工况空燃比辨识

以HL495Q型电喷汽油机为研究对象,分析了汽油机空燃比的数学模型,提出了一种基于Elman神经网络的过渡工况空燃比辨识方法。试验结果表明,Elman神经网络空燃比模型具有简单的网络结构,能高精度地逼近车用汽油机空燃比的实际动态过程,模型的平均相对误差小于1%,优于前馈BP神经网络模型的辨识结果。建立的Elman神经网络空燃比模型能改善过渡工况空燃比控制精度,提高排放性能。

基于微粒群优化算法的锌电解分时供电优化调度

建立了锌电解生产过程分时供电优化调度系统的多目标优化数学模型.设计出一种随机多目标微粒群优化(PSO)算法,并应用整数空间的随机多目标PSO算法实现锌电解过程分时供电的优化调度.克服了采用单目标模拟退火算法进行分时供电优化调度时存在的先验知识不足、搜索效率较低等缺点.