轮胎-路面接触应力的多变量耦合分析

针对11.00R20全钢载重子午线轮胎,利用Abaqus软件建立了轮胎-路面接触的三维有限元模型,通过耦合轮胎的垂直载荷、工况和侧倾角3个变量,模拟研究不同状况下轮胎-路面接触应力的变化情况。分析不同状况下轮胎的接地印痕应力云图,获得不同变量耦合作用下轮胎的接地应力变化趋势。本研究突破了以往常规静态或匀速条件下仿真结果的局限性,提高了计算的可靠度,可对轮胎-路面接触应力的研究及对路面保护、轮胎优化设计起指导作用。

基于模糊控制的超静定、多变量耦合空气弹簧隔振系统姿态控制

针对超静定、多变量耦合空气弹簧隔振系统开展其姿态控制研究。先将超静定问题转化,经过分析控制对象模型,提出一种新的基于耦合特性识别的控制方法,并将该控制方法融入模糊控制器的设计,以实现多变量耦合系统姿态控制。最后,通过试验表明控制方法可行,并且所设计的控制系统具有较好静态、动态性能。

针对多变量耦合时滞系统的无模型控制改进算法

工业生产是国家经济发展的命脉,而在工业生产中过程控制起到非常重要的作用。实际的工业过程控制系统难以避免时滞,再者大部分的工业化生产过程都不只有一个被控量且往往互相耦合,种种原因使得整个控制过程难以建立准确的数学模型,因此一般控制方法难以实现令人满意的控制。无模型自适应控制(model free adaptive control,MFAC)方法无须建立被控对象准确模型,可直接进行控制器的设计,考虑针对被控系统的大时滞特性,将基本MFAC算法中的控制律进行变周期差值分析,增大控制输入差值周期,对原有控制算法进行改进,并对MIMO系统实现直接解耦控制。以循环流化床锅炉燃烧过程模型为例,MATLAB计算机模拟仿真实验表明该改进算法具有良好的控制效果。

多变量耦合系统——大姿态复合运动三轴平台的建模及仿真

在惯性制导系统中，三轴平台为载体提供了精确的姿态信息，当载体作大姿态复合运动时，三轴平台是一个非线性、时变的多变量耦合系统，其模型十分复杂，建模也非常困难．通过详尽的动力学分析为平台台体推导出完整的运动方程，并对此进行线性化处理，进而根据实际结构建立了系统模型框图，最后，采用面向对象建模技术（ＯＭＴ）对系统进行了计算机仿真．仿真结果表明，大姿态复合运动的平台仍具有较高的姿态控制精度，并验证了将二阶小量忽略的线性处理方法既可以简化模型，又不会影响模型的各项精度．

基于多变量耦合反馈的电动助力转向模糊PID控制策略研究

采用动力学分析方法建立了电动助力转向系统的数学模型,基于数学模型建立了电动助力转向系统的离线仿真模型。在分析经典PID控制方法基础上,提出了一种基于多变量耦合反馈的电动助力转向模糊PID控制方法。利用离线仿真和台架实验对所提出的控制方法进行分析,实验结果表明:与传统PID控制方法相比,所提出的多变量耦合反馈模糊PID控制方法可有效提高电动助力转向系统转向操纵的轻便性和稳定性。

多变量耦合系统——三轴平台的稳定性

提出了用于多变量耦合系统稳定性分析的非解耦方法，该方法不需要增加解耦措施，只需通过方程之间的变换，就可以判别出耦合系统的稳定性．将此法应用到大姿态复合运动三轴耦合平台系统的稳定性分析中，比较分析结果与仿真结果后，证明方法是有效的．通过分析和仿真得到的平台系统稳定临界姿态角为平台尝试大姿态角运动提供了理论依据．

集成结构变异与仿真分析的多变量耦合技术

为实现产品性能驱动的快速响应设计,通过多变量建立结构变异与仿真分析的耦合关联,集成结构变异与仿真分析异构系统。结构变异是移植结构与基型结构的拓扑搭接,通过多级特征的更改,保留结构变异过程中的多变量。由主成分分析法提取耦合设计变量,建立结构变异与仿真分析的多变量耦合模型,并在此基础上进行求解,实现结构变异与仿真分析的多变量传递与反馈。开发了集成结构变异与仿真分析的先进设计平台,并在精密塑料注射成型装备的设计开发中得到应用。

具有较大纯滞后的多变量耦合过程控制系统

本文介绍该控制系统的设计、各通道动态特性的测试．并对提出的ＰＩ＋Ｄｅｌａｙ解耦控制器的设计方法进行了实验研究。结果表明，该系统基本满足设计要求。

采用多变量耦合网络与变分图自编码器的机械设备异常检测方法

为了全面准确地检测出潜在的设备异常,针对汽轮机、风电转子等高关联耦合分布式系统多测点多源传感器产生的多维多态监测数据,提出了一种基于多变量耦合网络与变分图自编码器的异常检测方法。首先采用去趋势互相关分析(DCCA),定量分析多维变量间的耦合关系,构建复杂系统多变量耦合关系网络。在此基础上,建立基于无监督学习的变分图自编码模型,对系统多变量耦合关系网络进行特征提取,使用正常数据训练该模型,图卷积网络作为编码器学习输入数据的分布,采样获得其潜在表示,以实现耦合网络的重构,采用重建概率作为系统多维多态监测数据异常检测评价指标。最后以某火电厂汽轮机组转子系统监测数据为例开展异常检测分析,结果表明:考虑多维多态监测数据间的耦合关系,提高了系统异常检测的准确性和可靠性;引入基于变分图自编码器的无监督学习方法,降低了经验依赖性并克服了异常样本少的问题。

可控受限多变量耦合系统的智能控制

针对可控受限多变量耦合系统,提出了一种基于对角递归神经网络(DRNN)整定的PID混合解耦控制。采用对角递归神经网络来辨识系统模型,进而对PID控制器参数进行整定,实现多变量解耦控制。通过对多变量耦合控制系统的设计和实时控制,实际控制结果达到了解耦控制的要求,并具有无超调、响应速度快、控制精度高等特点。

基于带遗忘因子交替广义最小二乘法的多变量耦合系统参数辨识

针对多变量耦合系统参数辨识,在传统最小二乘法基础上,提出了一种带遗忘因子交替广义最小二乘法,该方法结合了递推最小二乘法与广义最小二乘法的优点,既能够实现无偏估计,计算又得到简化。该方法通过在线系统辨识,能够快速跟踪系统时变参数,可以获得高精度参数估计。最后通过d SPACE公司DS1103搭建了一个两入两出的水箱耦合系统,实验结果表明该系统辨识方法的有效性和可靠性。

多变量耦合系统的神经网络预测建模

针对可控受限的多变量耦合系统,采用改进BP算法,基于BP神经网络建立了多变量炉温控制系统的神经网络预测模型。仿真结果表明,BP神经网络能够较好的描述多变量炉温控制系统中的耦合关系,预测模型简单,是理想的多变量非线性系统模型辨识网络。

可逆冷轧机液压压下与张力耦合控制系统的研究

针对可逆冷轧机的厚度控制问题,运用机理法分别建立了位置闭环控制系统和张力控制系统动态数学模型.利用纵向厚差方程建立液压压下与张力多变量控制系统的数学模型,运用对角矩阵法进行解耦,并采用Matlab语言仿真.

基于DRNN的非线性多变量系统控制算法

针对一类多变量耦合的非线性系统,提出了一种基于对角递归神经网络(DRNN)优化的PID控制方法.首先根据系统模型机理给出了用于优化PID控制器参数的性能指标,然后利用神经网络辨识控制律所需的Jacobian信息,并针对加快神经网络权值收敛速度过程中的震荡问题,提出了一种新型的自适应动量因子.最后通过仿真验证了理论的可行性.

基于数据分析提升破碎自动控制水平和安全策略

选矿厂破碎过程的自动控制的核心在于生产的连续、稳定、可靠。本文针对一具体生产过程中遇到的难点问题,结合通过对多耦合变量的分析与解耦,开发了一套故障诊断方法,在工业实践过程中取得较好效果。本方法通过对振动筛电流历史数据分析,采用PID控制,使振动筛与给矿频率形成闭环控制,保证振动筛的安全、高效运行;对大功率皮带电流历史数据分析,对比故障点电流数据,在自动控制平台编译脚本控制,显示报警信息,保证设备安全运行;对矿石块度数据分析,提升设备硬件、软件配置,对矿石粒级分析,为生产提供粒级数据,提供设备故障报警信息。

汽包锅炉负荷-压力-水位简化非线性动态模型

针对汽包锅炉负荷-压力-水位之间的耦合关系以及水和水蒸气热力性质的复杂性,提出一种新的火电机组建模思路:建立机组负荷-压力对象的能量平衡方程和水位对象的质量平衡方程,再分别增加质量修正和能量修正,从而得到微分方程形式的锅炉燃料量-汽轮机高调门开度-给水流量与机组负荷-机前压力-汽包水位之间的多变量简化动态模型.对某600 MW机组在不同负荷下进行了扰动试验,结果表明:此模型能够反映对象主要的动态特性和非线性特性.

过程模型参数辨识仿真器的开发及应用

采用序贯模块法开发设计了造纸过程模型参数辨识仿真器。实例表明,本仿真器能对大时延、多输入多输出耦合的复杂造纸过程进行过程模型参数辨识的仿真。为模型预测控制系统在造纸过程的应用提供了一个过程模型参数辨识的工具。

风洞系统非线性块状结构模型

本文将非线性块状模型的建模思想引入风洞系统模型的建立过程中,针对主排气阀和栅指电液伺服机构具有死区非线性特性,分别用含有死区输入的Hammerstein块状模型描述其动态特性,将主排气阀和栅指机构的输出作为风洞流场的输入,建立两输入两输出多变量耦合动态模型.两个独立的Hammerstein子模型与线性动态耦合的风洞流场模型串联构成一个非线性多变量块状模型.采用自适应加权递推辨识算法在线辨识Hammerstein子模型参数,采用带有遗忘因子的递推最小二乘法辨识风洞流场模型参数.仿真与风洞现场测试结果验证了本文方法的有效性.

广义多时延补偿系统及其在干燥塔中的应用

介绍一种新型控制系统 ,广义多时延补偿系统 (GMDC) ,并以某厂干燥塔作为研究对象 ,讨论了这种控制系统的设计方法 ,通过仿真表明 :文中所述系统具有结构简单、设计方便、易于实施等特点并能大幅度地改善系统控制性能。

非线性炉群智能解耦的一种新算法

针对系统的非线性多变量耦合特性 ,提出了一种基于隶属函数的模糊神经网 (MFFNN)智能解耦的新算法 ,通过神经网络的自学习能力 ,调节隶属函数的形状及结论值 ,使 MFFNN具有自学习、自适应的能力 ,并用主机、接口及炉群组成系统验证了该算法 ,仿真及用于炉群智能解耦实测数据表明 。