基于模型参考自适应系统算法的速度估算核的研制

在集成电路芯片设计中可重复使用核的范围日趋广泛与复杂,在保持各种核的通用性的同时,也越来越要求核的专用性。具有知识产权的核库的建设已成为芯片设计发展的一个重要目标。首先介绍了在无速度传感器控制系统中模型参考自适应的基本原理,最后以CPLD芯片为硬件基础研制了10bit和12bit两种精度的基于MRAS的速度估算核,并进行功能和时序验证,比较了它们所占用的芯片资源的大小。这种速度估算核可以作为一种嵌入式外设和裸MCU或DSP核制成电机控制专用芯片,应用于各种无速度传感器的电机闭环控制系统。

神经网络模型参考自适应控制算法研究

分析了基于BP算法的神经网络模型参考自适应控制器对大惯性环节被控对象的控制效果 ,发现该算法使控制器存在严重的“过学习”现象 .为避免这一现象 ,设计了一种新的误差函数结构 ,得到改进的BP算法 .针对一个存在大惯性环节的线性时变系统 。

基于模型参考自适应算法的非线性结构损伤识别

许多工程结构在遭受飓风、地震之类的动荷载时,存在迟滞非线性现象,因此,对其结构参数进行实时辨识显得尤为必要。针对迟滞非线性结构的力学性质,采用一种基于模型参考自适应算法的参数辨识方法。该方法能够追踪时变的参数,检测损伤,包括损伤的大小和位置,以及损伤发生的时刻。数值仿真的结果表明,该方法对参数变化具有敏感性,非线性结构的仿真结果证实了该方法能够有效检测结构的损伤。

模型参考自适应IIR递归滤波器辨识新算法

针对自适应IIR滤波器算法容易陷入局部极小点的缺陷,提出了一种新的自适应递归滤波辨识算法。该算法采用模型参考自适应系统设计了辨识参数自适应律,基于Lyapunov理论保证了自适应递归算法的稳定性,而且辨识参数收敛。仿真结果表明了该算法的可行性和滤波器结构的正确性。

用于组合式光学电流互感器的模型参考自适应算法

传统式电流互感器具有较高稳态电流测量精度 ,但存在饱和问题 ;光学电流互感器无磁饱和问题 ,但精度较低。本文提出的组合式光学电流互感器是这两种互感器的有机结合 ,达到优势互补。文中分析了其核心技术模型参考自适应算法的基本原理 ,提出几种可行算法对模拟信号作了仿真并进行了比较 ,对其中的最优算法进一步作了物理仿真实验 ,得到了较为满意的结果。

基于遗传算法的模型参考自适应控制

本文以连续搅拌反应釜（CSTR）这一非线性系统为例，介绍了根据参考模型的输出，运用遗传算法对控制系统的PID参数不断寻优，不断调整，以达到参考模型所要求的控制效果的自适应控制方法，并对改变遗传算法的几个参数对控制效果的影响进行了比较讨论．

对象不稳定的一种模型参考自适应控制算法

本文对被控对对象不稳定的非最小相位系统,应用使输出误差和加权输入的H^2空间范数极小,提出一种模型参考自适应控制算法.避免由于被控对象弱阻尼区零点和闭环系统极点对消使控制输入产生大幅值的跳动,克服性能指标中要预先选择加权函数存在的困难.算法较为简便,可以配置闭环零极点.仿真例子说明了良好的稳定性能和跟踪性能.

基于广义BP算法的模型参考自适应控制

改进了传统的神经网络BP算法,提出了基于广义BP算法的非线性不确定系统的神经网络模型参考自适应控制方案.并将其用于非线性不确定系统的控制,仿真实验表明了控制器具有良好的非线性控制性能.

改进型模型参考自适应Smith预估控制算法在合成氨中的应用

本文提出的改进型模型参考自适应预估控制算法是克服大时滞、有扰动及被控过程参数时变的有效新型算法。理论分析及对合成氨H_2/N_2控制的计算机仿真结果表明,该法在抗干扰能力及鲁棒性方面优于当前其它的自适应Smith预估控制算法。

基于BP神经网络的模型参考自适应PID控制器的研究

基于BP神经网络误差的传播机制,探讨建立在BP神经网络基础上的模型参考自适应控制与传统的PID控制相结合的控制方法,控制器通过在线的自学习不断进行适应性控制,以保证系统的输出符合期望的性能要求。用MATLAB软件仿真后表明,该方法具有方法简单,实时跟踪误差,易于实现等优点。

基于T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。

基于改进BP的神经网络模型参考自适应控制

由于传统BP算法存在收敛速度慢,容易陷入局部极小值等弊端,目前的BP优化算法又使得控制过程变得复杂,继而基于BP神经网络的模型参考自适应控制过程也存在实时性差,收敛性慢,精度不高等不足。现针对改进的BP算法和非线性系统的可逆性,分析设计了一种基于激励函数自寻优的BP网络模型参考自适应控制,并通过Matlab仿真结果表明,在满足控制精度的情况下控制系统中的辨识器和控制器效果都很理想。因此,对工程应用有很大的实际参考利用价值。

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化。仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出。

通用神经网络非线性系统模型参考自适应控制

针对任意复杂的具有最小相位,滞后环节和非最小相位特性的离散非线性系统,提出一种通用的直接神经网络模型参考自适应控制。采用具有在线学习功能的最近邻聚类算法训练RBF神经网络控制器,同时引入优化策略对聚类半径进行自动调整,并利用构造伪系统的方法构成一种对非最小相位同样有效的神经网络模型参考自适应控制器。仿真研究证明,该控制策略不仅能使多种非线性对象跟踪多种参考信号,而且抗干扰能力和鲁棒性也很好。

基于交互式模型参考自适应的模糊DTC系统

为了提高传统直接转矩控制系统的性能,分析了模糊控制和交互式模型参考自适应辨识器的基本工作原理。采用模糊控制器取代原来的磁链、转矩控制器,对不同的磁链误差、转矩误差选择不同的电压矢量,可以减小转矩误差;同时采用了一种基于交互式模型参考自适应理论的无速度传感器,可以通过变换参考模型和可调模型来辨识速度和定子电阻。结果表明,基于交互式模型参考自适应的模糊直接转矩控制系统的磁链和转矩的脉动小,提高了低速时的性能,同时可以实现对转速和电阻的辨识。因此,基于交互式模型参考自适应的模糊直接转矩控制与传统的直接转矩控制相比具有很大的优越性。

神经网络模型参考自适应控制在多机主从控制上的应用

讨论了基于神经网络的模型参考自适应控制算法的力矩跟随主从控制模式,在中厚板生产线上双边剪夹送辊传动系统中的应用,并利用SIEMENS6RA70系列直流传动控制器内附加的工艺软件S0 0实现了该算法。

船舶航向非线性系统的模型参考模糊自适应控制

考虑船舶航向控制系统模型中存在不确定非线性函数 ,并假设该函数是连续的 ,在以模糊系统对该函数进行逼近的基础上 ,利用 Lyapunov理论 ,提出了一种新的模型参考模糊自适应控制算法。其特点是 ,无论取多少条模糊系统规则 ,自适应学习的参数只有一个 ,便于工程实现 ,而且还确保闭环系统渐近稳定 ,并使系统的模型跟踪误差为零。最后以远洋实习船“育龙轮”为例 ,进行了船舶航向模型参考模糊自适应自动舵设计 ,并利用 Matlab工具箱进行了仿真研究 。

船舶发电机组转速神经网络模型参考自适应控制研究

将基于神经网络的模型参考自适应控制(NNMRAC)作为控制策略用于研究船舶发电机组的时变与非线性转速控制,以提高控制质量。研究中建立了船舶发电机组二阶传递函数模型,模型参考自适应控制的神经网络辨识器与控制器均采用多层前馈拓扑结构,网络训练采用量化共轭梯度反向传播优化学习算法。学习完成的神经网络模型参考自适应控制器与PID控制器并行作用于船舶发电机组,仿真数据表明船舶发电机组转速控制系统的调速快速性得到了提高、灵敏度得到了改善。

模糊神经网络模型参考自适应控制

给出了一种基于模糊神经网络的模型参考自适应控制方案,首先,构造了一种运用递推预报误差（RPE）算法的多层前向神经网络,并用其对被控对象建模,然后,又构造了一种模糊神经网络控制器（FNNC）,从而为一类难以建立精确数学模型的非线性被控对象提供了一种新的自适应控制方法,仿真结果验证了其有效性,

一类通用神经网络非线性系统模型参考自适应控制(英文)

针对任意复杂的具有最小相位,滞后环节和非最小相位特性的离散非线性系统,提出一种通用的直接神经网络模型参考自适应控制。并采用具有在线学习功能的最近邻聚类算法训练RBF神经网络控制器,同时引入优化策略对聚类半径进行自动调整,并利用构造伪系统的方法构成一种对非最小相位同样有效的神经网络模型参考自适应控制器。仿真研究证明,该控制策略不仅能使多种非线性对象跟踪多种参考信号,而且抗干扰能力和鲁棒性也很好。