非线性模型的众数回归估计

在应用众数回归方法来考虑非线性模型的估计时,把调整参数当作常数,在适当的条件下得到估计量的√n收敛速度,改进了已有的众数回归估计方法,即把调整参数作为变量.最后,通过一定数量的模拟实验来验证众数回归估计的稳健性.

一种带控制端的二次校正滤波器

提出了一种带控制端的二次校正滤波器,可在系统稳定和不稳定情况下实现自校正滤波.对于稳定系统,将其转化为自回归滑动平均(ARMA)模型进行自校正滤波;对于由于参数问题导致的不稳定系统,关键参数可分解为限定范围的游离参数1和固定或缓慢变化的游离参数2之和,即将系统转化为游离参数1作用下的稳定系统和可通过控制端进行二次校正的系统的组合.通过设定控制准则,将状态值和控制端联系起来,利用相关函数法估计控制端的控制系数,并将控制端二次校正值反馈至稳态滤波器(或预报器)中,实现一定范围内较稳定的自校正滤波.通过一个仿真例子验证了该方法的有效性.

液黏调速系统控制参数整定方法的研究

液黏调速离合器是液黏调速系统的核心控制元件,由于其具有比较严重的非线性和滞后性,所以控制参数的设定对其转速控制系统的性能具有非常重要的影响.本文针对某车辆温控系统中的液黏调速离合器,研究了转速闭环系统中PID控制参数的整定方法,主要采用的是二层优化的控制框架,以模型辨识为出发点,利用辨识得到的模型完成控制参数的自整定过程.仿真和实际系统的台架试验表明,在液黏调速系统中,可以根据所需的性能指标,通过运用该整定方法获得较好的控制参数,从而使闭环系统取得相对均衡的动态特性、稳定性和抗干扰性.

支持向量学习的多参数同时调节

模型选择是支持向量学习的关键问题.已有模型选择方法采用嵌套的双层优化框架,内层执行支持向量学习,外层通过最小化泛化误差的估计进行模型选择.该框架过程复杂,计算效率低.简化传统的双层优化框架,提出一个支持向量学习的多参数同时调节方法,在同一优化过程中实现模型选择和学习器训练.首先,将支持向量学习中的参数和超参数合并为一个参数向量,利用序贯无约束极小化技术(sequential unconstrained minimization technique,简称SUMT)分别改写支持向量分类和回归的有约束优化问题,得到多参数同时调节模型的多元无约束形式定义;然后,证明多参数同时调节模型目标函数的局部Lipschitz连续性及水平集有界性.在此基础上,应用变尺度方法(variable metric method,简称VMM)设计并实现了多参数同时调节算法.进一步地,基于多参数同时调节模型的性质,证明了算法收敛性,对比分析了算法复杂性.最后,实验验证同时调节算法的收敛性,并实验对比同时调节算法的有效性.理论证明和实验分析表明,同时调节方法是一种坚实、高效的支持向量模型选择方法.

MA模型参数估计的两段最小二乘法及其在自校正跟踪滤波器中的应用

提出了滑动平均(MA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对MA模型拟合一个高阶自回归(AR)模型,然后再用最小二乘法解一个不相容的超定线性方程组得到MA模型参数估值。一个应用于自校正跟踪滤波器的仿真例子说明了其有效性。

随机地震动作用下结构-TMDI系统参数设计与概率密度演化分析

针对随机地震动作用下结构-调谐质量惯容阻尼器(TMDI)系统参数设计与概率密度演化分析开展研究。首先采用定点理论公式和基于遗传算法的数值优化方法,结合规范选波进行低惯质比、中惯质比和高惯质比TMDI参数优化。在此基础上,结合概率密度演化理论与物理随机地震动模型,进行随机地震动作用下结构-TMDI系统概率密度演化分析,并比较具有相同质量比的常规调谐质量阻尼器(TMD)的减震性能。算例分析表明:定点理论公式不能合理设计结构-TMDI系统,基于遗传算法的数值优化方法能高效、可靠地获得最优阻尼器参数;相同等效质量比的TMDI比TMD的减震性能更优越,结构可靠度显著提升,达到安全性设计要求;同时,TMDI仅采用了TMD设计1/50的物理质量,且仅需40%的冲程设计要求。文章研究在概率意义上揭示了TMDI增效、减质、限程的技术优势。

油田站库PID控制器参数鲁棒整定及其应用

PID控制器的性能与其参数密切相关,如果油田转油站和联合站的变频器以及游离水脱除器的气动阀等关联的PID控制器参数设置不佳,且油田站库生产过程中存在随机干扰,会导致系统运行波动较大。因此应用数据驱动鲁棒建模构建了多目标融合的PID鲁棒参数整定策略。首先利用最小一乘法建立了对异常值不敏感的鲁棒模型;接着利用内模控制原理并融合PID控制器的动态性能实现PID鲁棒参数整定。实际应用表明该参数整定策略能较好地实现油田站库的PID参数整定,整定后的控制系统不仅运行平稳,且外输能耗大幅降低。

基于极点配置的直线伺服系统自校正PID控制

采用基于极点配置的自校正PID控制算法,实现针对直线伺服系统的控制设计与仿真。首先确定了系统的ARX模型结构,引入带遗忘因子的递推最小二乘法在线估计模型参数,根据参数估计结果以及期望的系统闭环特征多项式,再通过极点配置的方法来整定增量式PID控制器的输出;整定过程中引入了普通增量式PID控制器形成变结构控制器,以避免系统初始阶段由于数据量不足所带来的影响。利用Matlab实现了所提出算法的设计与仿真。仿真结果表明,自校正PID控制能够实时估计被控对象的参数,适应被控系统的变化,具有较强的参数估计与自校正能力。

水箱模型辨识及PID参数自整定技术研究

为了达到对液位控制模型进行实时模型参数辨识,并实时计算出较为理想的PID参数对水箱进行实时控制的目的,采用最小二乘算法改进法及基于Ziegler-Nichols整定法的改良公式,进行水箱液位控制实验。得到对水箱液位进行实时控制的结果,其中超调量、控制时间均较为理想。结果证明此方法合理可行,具有对变化模型进行实时辨识的特点,结合动态辨识与基于模型的PID自整定法对非常规模型进行控制。

动力定位船舶鲁棒控制策略研究

针对模型预测控制(Model Predictive Control,MPC)应用在动力定位上时,存在的参数整定困难问题,提出一种基于非线性干扰观测器的模糊MPC策略。该策略通过模糊控制算法实现模型参数自整定,并在此基础上设计了一种非线性干扰观测器用于估计未知的环境力,进一步提升控制系统鲁棒性从而实现对环境力的补偿。研究结果表明,相比于传统的MPC,该策略能够有效提升动力定位系统的控制精度达26.6%左右,且极大降低了模型参数整定的复杂性,对于动力定位船MPC算法的应用,具有一定参考价值。

一种基于人类学习认知过程的PID控制方法

针对传统PID方法对复杂系统非线性问题控制能力不足缺点,提出了一种基于人类学习认识模型的智能PID控制方法。首先建立了人类不同年龄阶段学习认识过程的数学模型,并应用该模型设计了一种可以在线自主调参的智能PID控制器。该控制器不仅具有自学习、自调整的能力,还克服了大多数智能方法计算迭代复杂、没有数学解析模型的缺点。仿真结果表明本文设计的控制器是有效的。

实用随机多变量NARMAX模型的无模型自校正控制器

针对实用随机多变量NARMAX模型的控制问题,基于改进多变量广义控制目标函数,提出了实用随机多变量NARMAX模型的无模型自校正控制器。使用具有辅助向量的多变量全格式动态线性化方法逼近实用随机多变量NARMAX模型,由其构建多变量预测模型,采用BP神经网络辨识泛模型参数函数,增加了泛模型参数函数的信息含量,将多变量系统分离为具有耦合的多个子系统,通过非线性递推最小二乘法对BP神经网络的连接权重值进行学习,同时估计随机干扰模型的参数,给出了新的学习算法。仿真研究表明算法的响应性能优良。

双闭环自适应调参法在城镇供水需水量预测机器学习模型中应用研究

针对城市供水企业在日供水量预测方面的需求,提出并设计了一种基于自动控制双闭环调节原理和自适应机器学习的水量预测模型参数调整方法。该方法创新性地引入了日变化系数和15min变化系数,在超出预设误差阈值时启动内外环控制流程调整输出偏差。通过对广东省某自来水公司实际供水数据的分析,采用双闭环自适应调参法建立的水量预测模型在预测日供水量变化时相较于传统预测方法预测精度提升了15%,模型预测结果稳定性也得到一定程度的提高。结果表明,该模型能有效提高供水量预测的准确性和稳定性,为城市供水调度和水资源节约提供了一个先进实用工具,在城镇智慧水务发展中具有重要的应用推广价值。

结构动力学模型修正的三步策略及其实践

首先构建了由模型结构调整、模型参数修正以及模型确认组成的三步模型修正策略。该方法优于传统模型修正方法的是:在模型修正之初基于误差定位、灵敏度分析以及工程经验进行的模型结构调整可以给出一个适于参数修正的初始有限元模型,从而保证了模型修正的成功。然后,采用三步法针对国际上模型修正的标准考题——GARTEUR19结构动力学模型进行修正,详尽论述了模型结构调整、参数修正以及模型确认的过程,并将修正结果与国外同行的研究结果进行了对比,综合精度与国际先进水平相当,从而验证了三步模型修正策略的有效性。