具有二次型性能指标的简单自适应控制算法及其应用

在简单自适应控制算法结构中引入二次型性能指标 ,使控制律计算简单且可用于具有一定非线性的被控对象 ,并给出了控制算法参数选择的一般性原则。对双输入双输出电加热炉进行实时控制 ,取得了满意的结果。

基于二次型性能泛函内平衡变换的模型降阶研究

土木工程结构振动控制由于模型的自由度数目较大,结构控制中控制器阶次较高,导致主动控制和半主动控制实施过程中时滞效应十分突出。本文在采用均衡实现技术对结构模型的状态变量重新排序形成内部均衡系统的基础上,对系统二次型性能指标泛函进行内平衡变换,略去对内平衡系统能量影响较小的状态变量,进行结构模型的降阶。通过对20层钢框架结构振动控制Benchmark模型二次型性能指标泛函进行内平衡变换,得到降阶的振动控制模型,计算表明本文方法是可行和有效的。

基于二次型性能指标学习算法的温度控制系统

针对单神经元PID控制中学习速度较慢,动态响应时间长等问题,提出基于二次型性能指标学习算法的单神经元PID控制器,改善单神经元PID控制器的性能。同时,基于该算法进行了工业用温度控制试验箱设计。样机实验表明,该种新型控制算法具有学习速度快、动态响应时间短的特点,该系统具有良好的动态品质和稳态性能。

基于二次型性能最优模型参考自适应直流电动机控制系统

本文提出一种模型参考自适应直流电动机的控制方案。参考模型用二次型性能指标最优控制。按李雅普诺夫稳定性理论设计自适应控制器。计算机仿真表明,系统具有很强的自适应能力。与Hans Butler等人提出的方案[1]相比较,设计容易、系统较简单、尤其是系统的调试方便。

基于二次型性能指标学习算法的温度控制

讨论了一种基于二次型性能指标学习算法的单神经元温度控制。论文首先介绍了单神经元控制算法的系统结构和学习方法,接着是基于二次型性能指标学习的单神经元算法。最后是在ADS1.2软件开发环境下,对温度控制箱采用基于二次型性能指标学习算法的单神经元温度控制方法,同时对其与单神经元温度控制进行比较。实验结果表明,该控制算法对加热炉温度具有更好的控制效果。

基于二次型性能指标的控制器优化布置方法

本文建立了基于二次型性能指标的结构控制系统控制器最优布置方法。以控制器撤除时的系统最优控制性能指标增量作为控制器对系统最优控制的贡献,并用做确定经济的控制器数量和最优控制器位置的定量分析准则。本文中的控制器位置和控制器设计采用同一个优化性能指标,使得控制系统设计为最优。根据逼近满设置控制器结构控制系统的最优状态求得控制器降阶后等价的反馈控制增益。应用本文的方法对剪切模型框架结构上安装的锚索控制器进行了控制器的总体优化设计。数值分析表明,本文提出的控制器数量、位置和参数优化方法不仅易于实现,而且甚为有效。

舰载雷达伺服系统线性二次型性能指标的确定

在舰载雷达伺服系统中应用最优控制设计时，如何确定二次型性能指标是一个重要问题，正确与否直接关系到系统性能的好坏。本文阐述了如何根据经典理论中常用的系统闭环主导极点来推出舰载雷达伺服系统的线性二次型性能指标，并给出了计算实例。

二次型性能指标的神经元PID控制器设计及仿真

本文设计了二次型性能指标神经元PID控制器,并用Matlab软件从跟踪性,抗扰动性,鲁棒性三个方面对温控系统进行了仿真。由仿真结果可知,所设计的控制器的控制效果优于常规的PID控制器。

二次型性能指标单神经元PSD控制器及仿真

将二次型性能指标引入单神经元ＰＳＤ控制器中，使其成为具有神经元自适应ＰＳＤ的最优控制器，提出了改进后的新的学习算法，分析了其稳定性和收敛性．仿真结果表明，改进后的控制器在稳定性和快速性方面较原控制器都有很大的改善．

基于二次型性能指标的水轮机调速器调节参数优化计算

提出了一种直接在调节参数多维空间寻优的算法,并讨论了优化计算中的几个有关问题。理论研究与仿真计算表明,所提出的方法对水轮机调节系统是有效的,不仅能够使调节过程满足广义二次型性能指标的最优,而且易于考虑对水压波动的限制。

基于二次型性能指标学习算法的智能车舵机控制系统研究

针对单神经元自适应PID控制算法在电磁导航智能车角度偏差处理中存在输出误差和控制增量大的缺点,提出了基于二次型性能指标学习算法的单神经元自适应PID控制算法。在加权系数的调整中引入二次型性能指标,使输出误差和控制增量的加权平方和为最小来调整加权系数,从而间接实现对输出误差和控制增量加权的约束控制。Matlab仿真测试表明,与单神经元自适应PID控制算法相比,二次型性能指标学习算法在智能车角度控制中具有响应快,超调量小、鲁棒性和适应性强的优点,大大提高了智能车舵机控制系统的性能。

基于二次型性能指标的燃料电池过氧比RBF-PID控制

质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)过氧比是反映空气供应流量与实际氢氧反应之间平衡的指标.针对过氧比控制,提出一种RBF(radial basis function,RBF)神经网络二次型性能指标整定的PID控制算法.根据建立的PEMFC空气系统模型,将系统过氧比误差和控制电压增量之和作为神经网络整定算法的性能指标来调节PID控制器加权系数.通过将二次型性能指标和单一误差指标的仿真结果与传统PID控制器相比,表明该算法下的过氧比超调量相比于单一误差指标RBF-PID控制器下降了10%左右,相比于PID控制器下降了30%左右,同时控制电压也变化的更为迅速且合理.

基于线性二次型的单神经元PID最优控制器设计及仿真

讨论了线性二次型最优控制理论在神经网络PID控制系统中的应用。将二次型性能指标引入单神经元PID控制器中,设计出单神经元自适应PID最优控制器,从而实现了PID参数在线自适应寻优。给出了完整的设计过程和学习算法,分析了其稳定性。最后,运用MATLAB仿真实现证明了该方法的可行性、有效性,并得到了较为理想的控制效果。

二次型单神经元算法在温控箱的应用

为满足复杂工业过程控制对鲁棒性的要求,提出了基于二次型性能指标学习算法的单神经元PID控制算法,并利用嵌入式技术应用于工业用环境试验箱的设计。样机实验表明,这种新的控制策略学习速度快,动态响应时间短,实现了参数的在线优化,提高了系统的鲁棒性。

二次型单神经元PSD控制器及仿真(英文)

在单神经元PSD控制器中引入了二次型性能指标,使其成为具有神经元自适应PSD的最优控制器,提出了改进后的新的学习算法,分析了其稳定性和收敛性,仿真结果表明,改进后的控制器在稳定性和快速性方面较原控制器都有很大的改善。

离散系统线性二次型最优控制的算法仿真

采用积分型性能中的一种二次型性能指标,以状态空间表达式描述线性系统,求导出对应的最优控制序列,实现线性系统的最优控制,并给出了最优控制序列的计算算法和计算实例.

基于二次型优化的神经元PID无线拥塞算法研究

神经元PID算法能较好地控制瓶颈节点的队列长度,但当网络环境发生较大变化时,其控制效果往往难以保证.根据Ad Hoc网络环境参量时变的特点,推导了无线TCP/AQM离散模型,在神经元算法的加权系数中引入二次型性能指标,设计了一种基于二次型性能指标的神经元PID的AQM.仿真结果表明:在动态拓扑、突发流及链路容量变化的Ad Hoc网络中,该改进算法优于PI算法.

基于粒子群优化算法的分数阶系统二次型最优控制算法

目前,利用分数阶变分法和分数阶非变分法,解决分数阶系统的二次型最优控制问题时,存在数值算法的收敛效果不够好,近似化的步骤过于繁琐,且计算耗时长,以及在使用传统的梯度迭代优化算法解决分数阶系统的二次型最优控制问题时,对于优化函数要求较高等问题。针对一类Caputo定义下的确定性线性分数阶系统,首先,设计一种状态反馈控制器,考虑从优化角度去解决分数阶系统的二次型最优控制问题,然后,利用粒子群算法(PSO)求二次型性能指标的最优值,即系统的最优控制增益,最终,得到系统的最优控制律。仿真结果表明,PSO比传统的梯度迭代优化算法收敛效果更佳,通用性更好,获得的性能指标更小,验证了该算法有效可行。

基于二次型优化的迭代学习控制算法

针对线性时不变系统提出了一种基于优化控制理论设计的迭代学习控制算法,该算法基于二次型优化性能指标,利用梯度下降搜索法来拟合迭代学习控制律,仿真结果表明,该算法具有较快的收敛速度,且系统实际输出能够在较小的迭代次数下快速跟踪给定轨迹。

基于二次型优化空调PID-DDC系统控制器参数

讨论了整定PID控制系统控制器的优化参数问题。用泰勒级数展开特征方程,按线性系统从分析空调控制系统的稳定性入手,应用二次型性能指标解控制器参数最佳问题,并通过加权优化方法,导出整定计算公式。根据空调控制系统的实测数椐,计算出保证系统稳定性的参数范围并整定优化PID参数。用单位阶跃响应曲线法求出控制系统的控制品质指标、最大百分超调量和调整时间。比较在相同优化PD参数和按不同加权因子整定优化积分时间的控制品质指标并进行脉冲扰动分析。