增量型模型算法控制在PMSM速度控制中的应用

针对普通PID控制系统性能受参数变化及各种不确定性影响严重等缺点,在基本模型算法控制(MAC)基础上,综合了MAC在线实时预测、优化、反馈校正的优点,在控制器中引入了积分因子组成增量型模型算法控制(IMAC),并将该算法应用于永磁同步电机(PMSM)速度控制中。仿真结果表明,由该算法构成的控制器较普通的PID控制,在系统模型参数与实际参数严重失配的情况下,能够有效抑制各种不确定性的不良影响,且系统鲁棒性强,又可获得令人满意的动态性能。

微膨胀混凝土自生体积变形的增量型计算模型

在水泥中掺入适量氧化镁后能产生一定膨胀变形 ,可补偿一部分温度应力 ,从而简化大坝温度控制措施 ,加快施工速度。微膨胀混凝土膨胀变形的变化规律比较复杂 ,目前多采用全量型计算模型 ,它难以反映膨胀变形的复杂规律 ,而增量型计算模型 。

增量型AGC模型稳定性研究

采用误差分析方法导出增量型自动厚度控制 (AGC)模型设定序列的差分方程。根据该差分方程的特征值表达式讨论了AGC模型设定序列的稳定区域和稳态误差与AGC模型参数之间的关系。

一类非线性系统的无模型学习自适应控制

对于一类常见非线性离散系统,提出了其动态线性逼近的增量型模型、无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对时滞非线性系统的无模型学习自适应控制。通过仿真表明,该算法对于一类非线性系统实现无模型学习自适应控制是正确和有效的。

动态非线性任意高阶次逼近的增量型最小化递推预测模型

对于一类常见多重时滞非线性离散系统,提出了基于动态非线性任意高阶次逼近的增量型最小化递推预测模型,在此基础上,可实现对存在较大滞后的时滞非线性系统的广义预测控制。

基于动态线性逼近的非线性系统无模型自适应控制

对于一类常见多重时滞非线性离散系统，提出了其动态线性逼近的增量型模型。无模型自适应控制律和带有参数限定时 域长度的参数自适应预报递推算法，实现了对时滞非线性系统的无模型自适应控制。该算法不用解Ｄｉｏｐｈａｎｔｉｎｅ方程，无 需矩阵运算，在线计算量很小，实时性好，具有很强的抑制噪声干扰能力。通过仿真表明，该算法对于一类非线性系统实 现无模型自适应控制是正确和有效的。

一类多重时滞非线性系统无模型学习自适应控制

对于一类常见多重时滞非线性离散系统．提出了基于动态线性逼近的增量型最小化模型、递推预测 模型，无模型学习自适应控制律和带有参数限定时域长度的参数自适应预报递推算法，实现了对存在较大滞 后的多重时滞非线性系统的无模型学习自适应控制。该算法不需要受控系统的结构信息、数学模型、外部实 验信号和训练过程，不用解Ｄｉｏｐｈａｎｔｉｎｅ方程．无需矩阵运算．在线计算量很小．实时性好，仅用受控系统的 Ｉ／Ｏ数据来设计，传统的未建模动态不存在。通过仿真表明，该算法对于一类非线性系统实现无模型自适应 控制是正确和有效的．