快速收敛的神经网络非线性系统控制器模型

基于神经网络的非线性系统控制器 ,近年来已有不少学者对其进行了研究 .本文在其他研究者所做工作的基础之上 ,提出了一种新的控制器模型 .数值模拟实验表明 ,与以前的研究者提出的模型相比 ,新模型的收敛速度更快 .

动态异构冗余拟态安全控制器模型的仿真分析

本文主要基于SDN控制器层流规则,针对该控制器模型所受到的篡改攻击情况以及单点脆弱问题,提出可以构建动态异构冗余拟态安全控制器模型,展开对该控制器模型的系统化分析,并且采取针对性的判决机制,有效提升该控制器模型的稳定可靠性。由一系列的分布式冗余架构及相应的一致性完成了对该系统判决机制的稳定可靠性的决策。CFDA完成了系列性的完全数据处理及检测,以此提升了该控制器的稳定性和集群可拓展性、动态性。仿真研究结果显示,此种控制器很大程度地增强了系统的整体使用安全性、可靠性。

基于功能性磁共振成像技术的运动疲劳“中枢控制器模型”理论在体研究

目的:“中枢控制器模型”理论主张大脑是运动疲劳的关键调节器,而小脑和基底节为2个主要调定点,该假说为探究运动疲劳的中枢影响机制提供了新的理论基础和研究方向,但受限于研究手段一直无法在人体中得到验证。本研究拟通过功能性磁共振成像(functional magnetic resonance imaging,fMRI)技术探究与运动疲劳相关的大脑区域以及相应脑区之间的激活与功能连接状态,从而验证人体运动疲劳的“中枢控制器模型”理论。方法:招募20名800 m跑成绩≤2 min 3 s的男性运动员,对其进行最大摄氧量测试,根据测试结果最终遴选出相对最大摄氧量≥55 ml/(kg·min)的11名被试。实验前使用氢质子磁共振波谱(1H-magnetic resonance spectroscopy,1H-MRS)测试被试静息态脑区代谢物质的浓度;使用全脑血氧水平依赖功能磁共振成像(blood oxygen level dependent-functional Magnetic Resonance Imaging,BOLD-fMRI)测试被试静息态脑功能网络连接。随后进行递增负荷运动至疲劳实验,试达到疲劳状态后即刻进行与实验前一致的fMRI测试。结果:通过1H-MRS测试发现,运动疲劳发生后被试左侧基底节区(basal ganglia,BG)的Cho/Cr显著降低(P<0.05);通过BOLD-fMRI发现运动员递增负荷运动至疲劳后小脑(cerebellum)和初级运动区(primary motor areas,M1)、小脑和躯体感觉运动区(sensory motor cortex,SMC)、小脑和海马(hippocampus)/海马旁回(parahippocompalgyrus)之间的功能网络连接程度减弱(P<0.05)。结论:运动疲劳发生后基底节区的代谢物质下降,以小脑为中心的脑功能默认网络连接降低,基底节区和小脑可能是使人体出现运动疲劳状态的重要脑功能区,也初步验证了基底神经节和小脑作为2个监视系统来调控人体产生运动疲劳的“中枢控制器模型”理论假说。

PID级联控制器在转炉干法除尘系统中的应用与改进方案——FUZZY控制器模型的研究

在原有 PID 级联控制器的基础上,研究了模糊控制对于整个控制系统的影响,尝试在适当的阈值时加入模糊控制来改善系统的性能,减小了原系统的误差,提高了系统的控制精度和抗干扰能力。

向一线汽车厂商和OEM的开发团队提供虚拟微控制器模型

虚拟原型正成为一线汽车厂商和OEM开发流程的一个组成部分。来自新思科技的Marc Serughetti解释了虚拟微控制器模型为何变得越来越重要,以及新思科技如何与汽车半导体公司联手提供这些模型。

车辆轨迹模型预测控制器的算法研究

为提高无人驾驶汽车行驶控制中的跟踪精度和车辆稳定性,提出了一个改进的模型预测控制器(MPC)。首先,为解决高速转弯工况下轮胎侧偏刚度的强非线性特性导致的车辆失稳问题,建立了轮胎动态侧偏刚度估计器进行实时估计;在此基础上,利用改进粒子群算法对现有模型预测控制器的时域参数进行优化,以提高算法跟踪精度和稳定性;最后,为验证控制器的效果,选取合适的工况进行了联合仿真测试。结果表明,改进控制器在高速转弯的工况下,跟踪精度误差降为4.9%,横摆角误差降为2.6%,比传统模型预测控制器分别提高了67.8%和62.3%,比模糊控制算法优化的控制器分别提高了55.8%和58%。

一种新的云模型控制器设计

首先提出一种新型的云模型控制器结构模型.这种结构模型是一种本质非线性模型,可以很容易由一组不确定性推理规则构成.文中分析了云模型的非线性映射特性,同时给出了基于此结构模型的智能控制器的设计方法及仿真实例.*

基于信任度分配的小脑模型节点控制器改进算法及其收敛性分析

针对传统小脑模型节点控制器(CMAC)算法中的学习干扰现象,给出了一种基于信任度分配的CMAC改进算法(CA-CMAC).该算法将每个存储单元被激活次数的倒数作为该单元的信任度,误差的分配与该单元的信任度成正比.然后提出了信任度矩阵和信任度关联矩阵的概念,并根据线性方程组迭代理论,证明了改进算法在增量学习时的收敛性,给出了收敛条件并进行了验证.通过二自由度平面机器人臂逆动力学求解的仿真,比较了CA-CMAC与传统CMAC的性能,结果表明,CA-CMAC具有更快的收敛速度.

一维云模型控制器在轮式机器人中的应用

云模型控制理论是智能控制学科的新兴领域,该理论从提出至今,主要以理论研究和仿真实验为主。针对云模型理论的研究现状,提出了基于单片机的一维云模型控制器的设计方法,应用该方法设计的云模型控制器成功地对轮式机器人进行了实时定位控制。实验结果表明,一维云模型控制器可以保证轮式机器人定位系统具有良好的控制性能和较强的干扰性,证明了该设计的有效性和科学性,为今后云模型控制器设计提供了一定的参考。

基于推理映射的云模型控制器研究

介绍了云模型的基本概念和规则推理,分析了云模型推理映射关系,设计出基于线性映射关系的云模型智能控制器,并与相同推理规则的模糊控制系统进行了对比。仿真结果表明该控制器具有较强的鲁棒性。

一种状态自动划分的模糊小脑模型关节控制器值函数拟合方法

在庞大离散状态空间或连续状态空间中,强化学习(RL)需要进行值函数拟合以寻找最优策略.但函数拟合器的结构往往由设计者预先设定,在学习过程中不能动态调整缺乏自适应性.为了自动构建函数拟合器的结构,提出一种可以进行状态自动划分的模糊小脑模型关节控制(FCMAC)值函数拟合方法.该方法利用Bellman误差的变化趋势实现状态自动划分,并且探讨了两种选择划分区域的机制.汽车爬坡问题和机器人足球仿真平台中的实验结果表明新算法能有效拟合值函数,而且利用所提出的函数拟合器智能体可以进行有效的强化学习.

一维云模型控制器在平衡控制系统中的应用

云模型控制理论是智能控制学科的新兴领域,该理论从提出至今,主要以理论研究和仿真实验为主。针对云模型理论的研究现状,提出了基于单片机的一维云模型控制器的设计方法,应用该方法设计的云模型控制器成功实现了对轮式机器人平衡系统的控制。轮式机器人动态平衡实测数据表明,一维云模型控制器可以保证轮式机器人定位系统具有良好的控制性能和较强的干扰性,证明了该设计的有效性和科学性,为今后云模型控制器设计提供了一定的参考。

基于AMESim和Simulink的自动变速箱模型在环试验研究

在车辆控制器硬件在环测试中常采用单一环境建立复杂被控模型,但是所建模型精度与计算实时性存在矛盾等问题。为解决该问题,对在联合仿真环境中构建复杂的所需模型进行了研究。该模型由使用Simulink建立发动机、液力变矩器、车辆动力学模型和自动换挡控制器模型和使用AMESim建立的离合器、行星齿轮、液压系统、液力缓速器模型共同组成。在Veristand中创建了模型在环仿真控制界面,基于Veristand进行了NEDC工况下的模型在环仿真。仿真结果表明:所建模型运行稳定,计算量小,能准确地输出车辆换挡过程中各路信号,为基于硬件在环的车辆控制器测试提供了研究基础。

离散时间系统多模型切换控制器

基于离散时间系统模型，提出一种切换控制器，这种控制器可保证经过多次切换，系统的状态是Ｌｙａｐｕｎｏｖ 稳定的·同时针对被控对象参数不确定范围对被控对象建立多个模型，每一个采样时刻根据输出误差，选择最优模型及切换控制器，避免了切换控制器造成的切换频繁、过渡时间过长的弊端。

无模型控制器的应用

无模型控制器在炼油、化工、电力、轻工等领域应用获得了良好的效果。介绍了无模型控制器在各领域的一系列应用实例 ,并对在应用中取得良好效果的原因进行了分析。指出无模型控制器是一种结构自适应控制器 ,它是“建模与控制一体化” ,冲破P、I。

基于映射关系的云模型控制器研究

首先介绍了云模型的基本概念和规则推理,分析了云模型的线性映射关系和非线性映射关系,然后设计出基于多种映射关系的不同云模型智能控制器。最后与常规PID控制系统进行了对比,仿真结果表明了本文设计方法的有效性。

基于小脑模型关节控制器与PID复合的高速公路交通流密度控制

高速公路交通控制系统是一个复杂的非线性时变系统,传统的匝道控制方法难以取得满意的控制效果.为此,本文提出基于小脑模型关节控制器(CMAC)与PID复合的匝道控制方法.首先建立了二阶宏观动态交通流模型,然后研究了CMAC与PID复合控制算法,结合非线性反馈理论,设计了基于CMAC与PID复合的高速公路交通流密度控制器,该密度控制问题是一个输出跟踪和扰动抑制问题,最后采用两个仿真实例对该方法的有效性进行验证.结果表明,复合控制具有优越的密度跟踪性能和抑制噪声干扰的能力;复合控制方法能够有效地消除交通拥挤,并使主线车流趋于稳定.

无模型控制器的设计问题

介绍了非建模自适应控制器 ,又称无模型控制器 ,它是一种通过非经典的设计途径完成的。该途径的特点是 :建模和反馈控制一体化 ,打破PID概念的束缚 ,冲破经典控制器设计的线性框架 ,使设计出来的控制器具有一定的结构自适应性 ,并采用了功能组合设计方法。

基于小脑模型关节控制器的水下机械手复合运动控制的研究及仿真

水下机械手系统是一个高度非线性强耦合的作业系统,作业环境非常复杂且受到强干扰。考虑水动力对水下机械手的作用,推导了水下机械手的动力学模型;提出了一种基于小脑模型关节控制器与PID的复合控制算法,使水下机械手具有在线学习能力,能适应复杂的水下作业环境。以二关节水下机械手为例,利用MATLAB/Simulink对水下机械手的作业控制进行了仿真研究,结果证明,该控制方法和动力学模型可以有效地用于水下机械手的控制研究。

基于小脑模型关节控制器的电液伺服舵机加载系统多余力矩补偿器研究

针对电液伺服舵机加载系统存在多余力矩的问题,提出一种基于小脑模型关节控制器的多余力矩补偿器设计方法。仿真结果表明,小脑模型关节控制器多余力矩补偿器抑制多余力矩的效果要远远优于传统多余力矩补偿器,且具有良好的鲁棒性。