时变对象模糊控制稳态性能的提高

本文提出了两种提高模糊控制稳态精度的方法。一种方法是分档控制，暂态时用“粗调”控制器以加快响应速度，稳态时用“细调”控制器以提高稳态精度。另一种方法是通过推知被控对象的慢变规律，然后根据这个规律补偿对象增益的慢变以得到恒定的输出。对一个参数慢时变的二阶被控对象的仿真实验验证了上述方法的有效性，稳态精度大为提高，抗干扰性增强．

线性时变对象的鲁棒自适应控制

本文用鲁棒自适应律解决了线性慢时变对象的模型参考自适应控制问题。我们引入文献[1]的鲁棒自适应律来调节被控对象的控制器参数,并对任意有界初始条件,证明了自适应环中所有信号的有界性。与文献[2]相比,这种方案的优点是保证了对象参数关于时间已知时,跟踪误差趋于零。

时滞时变对象的单神经元PID控制

分析了常规时滞时变对象PID控制的优缺点。将单神经元的学习能力与常规PID结合。针对电阻炉对象进行了仿真研究。得出了单神经元PID控制算法中的初始权值,和权值学习速率系数的选择规律。对电阻炉对象进行了单神经元PID实时控制。获得了良好的控制性能。

一种时变对象加权概率辨识模型

以对象为基本检索单位的Web对象搜索技术正成为下一代智能搜索引擎的主要发展方向之一,而由于一些对象的部分属性具有时变性,高精度的时变对象辨识技术就成为实现高精度Web对象搜索的重要前提之一。从Web对象的不同属性具有对对象本质不同的表征能力、概率分布型属性值的演变大多服从某种分布以及确定型属性通常能比概率分布型属性更大程度地反映对象的区分度这些基本思想出发,提出了一种基于相似度计算的时变对象加权概率辨识模型。

时变对象的鲁棒自适应控制——降阶模型方案Ⅰ

本文提出了一种用于时变对象的降阶模型自适应控制方案,并从理论上分析了稳定性,同时通过算例验证了方案的可行性。

时变对象的鲁棒自适应控制——降阶模型控制方案Ⅱ

本文提出一种新的控制器结构,将其与适当的自适应算法相结合,则能够保证更广泛一类线性时变时象的闭环系统中所有信号对任意初始条件有界。

基于椭圆轨道的空间交会停靠全系数自适应控制方法研究

本文针对线性时变对象 ,用差分的方法对其离散化 ,证明了离散化后的对象的系数之和等于 1 ,并利用离散化对象的系数和微分方程的系数之间的关系 ,计算出离散化后对象的系数收敛值。这也是在时变对象和非线性领域内应用全系数自适应控制理论必须要解决的问题。并基于椭圆轨道的空间交会停靠的动力学方程为实际背景 ,用此方法和 PID方法进行了仿真比较 ,从仿真结果可以看出全系数控制方法的优越性。

基于DLF神经网络的非线性自适应PID控制器

针对非线性时变对象 ,将DLF神经网络与PID基本原理相结合 ,提出了基于DLF神经网络的非线性自适应PID控制器设计方法 ,并解决了此类控制器初始参数难以设置的问题 .