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。

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。

雷达伺服系统二次型性能指标的确定

在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闭环系统主导极点来推出雷达伺服系统的二次型性能指标。文章最后给出了计算实例。

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。

初中数学二次函数常见题型及解题策略

二次函数是初中数学课程中的重要知识内容,也是考试中的必考点.根据往年中考情况来看,二次函数在试卷中的分数占比较大.因此,我们需要端正学习态度,对二次函数进行深度掌握,并练习二次函数的常见题型,更好地解答二次函数题目.

基于新型性能指标的冗余度机械臂重复运动规划之方案分析与验证

为解决冗余度机器人手臂在运动过程中出现的关节角偏差问题,探讨与分析了一种基于新型性能指标的二次型优化模型,以使机械臂的关节能实现重复运动.在考虑各种关节物理极限(如关节角度极限和关节速度极限)的情况下,该模型最终被转化为一个标准的二次型优化问题来求解.同时,基于负梯度法的原理分析和基于PUMA560的平面四连杆机械臂的计算机仿真结果表明,该方案具有可行性和有效性.

基于遗传算法的线性二次型调节器抑制桥式起重机货物摆动

为了解决桥式起重机小车运行机构的加减速运动引起货物长时间摆动问题,文中设计基于遗传算法(Genetic Algorithm,GA)的线性二次型调节器控制策略控制小车运行机构的运动。根据Lagrange方程建立桥式起重机小车运行机构运动和货物摆动的动力学模型,分析模型的稳定性、可控性和可观性;根据最优控制理论设计线性二次型调节器,基于遗传算法优化线性二次型调节器的加权矩阵Q和R,设计最优线性二次型调节器;应用Matlab软件搭建在线性二次型调节器和最优线性二次型调节器控制下的桥式起重机小车运行机构动力学Simulink仿真系统。仿真结果表明:与线性二次型调节器相比,最优线性二次型调节器能够将小车运行机构的定位时间降低7.4 s,将货物最大残留摆动幅值降低49.3%。

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。

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。

结构地震响应线性二次型最优迭代学习控制

针对地震作用下工程结构的地震响应,将线性二次型最优控制与迭代学习控制相结合,提出了线性二次型最优迭代学习混合控制方法.该方法根据迭代学习控制过程中二次型性能指标函数极小化导出施加于工程结构的最优控制力,并依此研究该方法减小工程结构地震位移响应的有效性.选取典型建筑结构振动控制Benchmark第2阶段的地震作用Benchmark模型为研究对象,数值仿真结果表明,二次型最优迭代学习混合控制方法能对Benchmark模型的地震位移响应进行有效控制,使控制效果得到一定的改善.

阵列指向性二次型约束稳健波束形成算法

提出了一种基于阵列指向性二次型约束的优化算法,以提高最小方差无畸变响应(MVDR)波束形成对方向矢量的稳健性。通过控制阵列波束指向附近的小区域的自适应波束图与期望波束图的加权平方误差,使波束主瓣区域内的信号畸变最小,同时保持了对约束区间外的干扰信号的抑制能力。数值结果表明:在理想阵形和阵形畸变情况下,无方位失配时,利用本文算法的阵列输出信号与干扰噪声比(SINR)与新近出现的球面约束稳健Capon方法相当,而存在方位失配时,本文算法均优于后者。

自组织区间二型模糊神经网络及其自适应学习算法

针对复杂不确定非线性系统的辨识问题,提出一种基于聚类的自组织区间二型模糊神经网络学习算法.首先采用具有两个不同加权参数的FCM算法对输入数据进行划分来获取规则前件的不确定均值,同时结合聚类有效性标准确定模糊规则数目,从而自动完成神经网络的结构辨识和规则前件参数辨识;随后给出了基于梯度下降法和Lyapunov函数稳定收敛定理的规则后件权向量学习速率的自适应学习算法.通过非线性系统辨识实例,验证了该算法与其他方法相比具有更快的收敛速度和更高的逼近精度;并且利用该算法建立了某市电力短期负荷预测模型,结果表明该模型具有较高的预测精度,泛化性能更佳.

嵌入共轭梯度的二次学习教与学优化算法

教与学优化算法通过模拟自然班的教与学行为实现复杂问题的求解,已经得到较为广泛的应用。为了克服该算法容易早熟,解精度低的弱点,提出了一种改进的混合混沌共轭梯度法教与学优化算法。改进算法应用Chebyshev混沌映射初始化种群,以提高初始种群对解空间的覆盖。为了保持种群多样性,引入动态学习因子,使学生个体能够在早期主要向教师学习,并逐渐提高个人知识对其进化的影响比例。每次迭代后,教师个体将执行共轭梯度搜索。种群内适应度较差的学生个体如果长时间状态难以改变,则基于反向学习和高斯学习进行二次学习优化。最后在多个典型测试函数上的实验表明,改进算法对比相关算法具有较佳的全局收敛性,解精度较高,适用于求解较高维的函数优化问题。

斜拉桥地震响应线性二次型迭代学习控制(LQILC)研究

最优控制方法是利用极值原理、最优滤波或动态规划等最优化方法来求解结构振动最优控制输入的一种设计方法。最优控制规律均是建立在系统理想数学模型基础上,而实际结构控制中往往采用降阶模型且存在多种约束条件,因此基于最优控制理论设计的控制器大都只能实现次最优控制。迭代学习控制理论的产生与发展,为结构振动主动控制提供了新的方法,但迭代学习控制的应用又受到其控制效果与其收敛性的制约。本文基于线性二次型最优控制与迭代学习控制相结合的思想,提出二次型最优迭代学习混合控制方法(LQILC),以二次型性能指标为控制目标,提高迭代的收敛速度;在性能指标的基础上进行迭代学习,改善了二次型最优控制的控制效果。以Emerson Memorial斜拉桥Benchmark模型为研究对象,采用二次型迭代学习控制策略(LQILC)对该桥的地震响应进行有效的控制,并得出Benchmark指标评价其对该桥的控制效果。