基于超局部化时间序列的永磁同步电机无模型预测电流滑模控制策略

在复杂环境、多变负载工况中,由于时变电感参数、磁场耦合、铁心饱和等影响,电机控制精度及可靠性下降。为解决以上问题,该文充分利用时间序列模型反映电机电压、电流等状态变量之间关系,消除传统参数化建模的影响,提出基于超局部化时间序列的无模型预测电流滑模控制(SMC)方法。该方法将时间序列数据驱动模型超局部化,提升传统超局部模型精度,并采用递归最小二乘法(RLS)在线估计和更新模型中全部待定系数,实时精准响应当前系统工作状态。在此基础上,结合超局部时间序列模型,生成滑模控制函数,并设计Lyapunov方法验证函数趋近条件。实验结果表明,与传统控制方法相比,提出方法具有更强的鲁棒性、更优的电流质量和较低的系统噪声。

高速列车大功率操纵过程分数阶建模及速度时滞预测

针对现有司机操纵策略难以完整描述列车大功率操纵过程的微观变化,设计机理特性和数据驱动模型联合驱动的分数阶建模策略,来满足高速列车无级调速下安全平稳运行的要求。针对高速列车大功率操纵模式下的大惯性特性和司机反应时间,该文首先对大功率牵引系统和制动系统的时滞特性进行分析,进而对列车操纵策略设计精简冗余工序编码策略,从闭环控制角度实现速度时滞特性精准预测;其次提出了一种新的分数阶建模方法,并设计分数阶最小二乘算法对模型中的时变参数进行精细化辨识;最后基于现场实验数据验证了所提方法的有效性。

基于时间序列的永磁同步电机连续控制集无模型预测电流控制

时间序列数据驱动模型通过采样输入输出数据将被控对象在线拟合为离散传递函数,但在连续控制集(CCS)预测控制中直接应用存在困难。为了解决这个问题,该文结合最小二乘法,提出一种基于时间序列的永磁同步电机(PMSM)连续控制集无模型预测电流控制方法。该方法通过拉格朗日法合理设计回归矢量,在线估算模型待定系数,并建立数据驱动模型预测所需变量。不仅从根本上消除了模型预测控制(MPC)中先验模型对被控对象时变物理参数的依赖,而且所得模型符合电机运动特性,有更高的模型精度和良好控制性能。仿真和实验结果验证了提出方法的有效性,以及在动态性能、电流质量和系统噪声方面的优势。

基于LS-SVM的网络化控制系统自适应预测控制

针对网络化控制系统(NCS)中的随机时变时延,提出了一种用最小二乘支持向量机(LS-SVM)预估网络时延的方法。先将网络时延建模为非线性时间序列,再用径向基函数(RBF)作为LS-SVM的核函数,建立了网络控制系统的时延预测模型,然后用该模型预估的时延作为控制器的参数,对网络化控制系统的时延进行补偿和预测控制。仿真结果表明提出的时延预测方法,对网络控制系统的随机时变时延有较高的预测精度,根据该时延设计的控制器能使系统的输出很好地跟踪期望的输出。

网络控制系统的时延估计和自适应预测控制

提出了基于最小二乘支持向量机(LS-SVM)的网络时延预估网络控制系统(NCS)的自适应预测控制方法．先将网络时延转化为非线性时间序列,再用径向基函数(RBF)作为LS-SVM的核函数,建立NCS的时延预测模型．用通过该模型预测的时延设计自适应控预测制器,补偿和控制NCS的时延．仿真结果表明,该时延预测方法对NCS的随机时变时延有较高的预测精度,根据预测的时延设计的控制器能使系统的输出很好地跟踪期望的输出．

带时间约束和角色控制的工作流系统授权模型

分析传统RBAC授权模型直接用于工作流系统授权的不足之处,分析了传统授权模型对时间约束和责任分离约束支持的不足.构建了一个带有时间约束的基于角色的工作流系统授权模型,分析该模型对最小权限和责任分离要求的满足情况.

利用BP-NN算法的机器人臂重力补偿研究

利用反向传播神经网络(BP-NN)学习算法,对机器人臂的重力补偿进行了研究。给出了机器人臂各关节扭矩的重力项理论计算公式及其连杆参数识别方法,同时,对BP-NN算法进行了详细分析,利用BP-NN来处理机器人臂重力项并进行试验。试验结果表明,采用该学习算法得到的机器人臂重力项输出值和实测值基本一致,能有效减少机器人臂重力项计算量,达到实时控制的目的。

一种PID型神经网络控制器

针对非线性的时滞系统 ,采用一种将PID控制规律融进神经元网络的控制器 ,并应用基于最小二乘递推算法的最小方差预测值来克服时滞误差 .运用Lyapunov稳定性定理 。

应用于实时控制系统的线程池调度策略设计

在进行多任务实时控制系统设计时,采用线程池技术是一种有效的解决方法,但必须首先避免超时的发生。为了降低线程完成的超时发生率,采用Half-Sync/Half-Async线程池架构建立实时控制系统的线程池,利用最小二乘支持向量回归机(LSSVR)对线程执行时间进行预测估计,再基于估计结果对线程池线程的分配调度优先级别算法进行设计。性能测试以无线图像传感器网络节点为对象对所设计的LSSVR线程池及其他线程池在不同状态下的超时发生率做了比较,结果表明在大多数应用情况下LSSVR线程池在抑制超时方面具有明显的优越性。

Rossler超混沌系统的多变量广义预测控制

提出了一种改进的自适应多变量广义预测控制算法(β-MGPC),可实现输入输出维数不等时的超混沌控制。控制部分变量可将超混沌系统引导到指定的平衡点,仿真结果表明了该算法的有效性。这种方法无需求解丢番图方程,减少了控制算法的计算量。

多变量逆解耦自抗扰控制及其在精馏塔过程中的应用

化工生产是一类典型的多变量过程对象,该类对象具有时变性、耦合性、时滞性等特点,传统的单变量控制方法很难在此类系统中取得良好的控制效果.针对时变性,本文在假设对象模型未知的前提下,利用阶跃响应数据,研究了基于最小二乘的一阶、二阶时滞系统辨识方法.针对多变量系统存在耦合性的特点,采用逆解耦方法实现对象的解耦.再对解耦后的时滞子系统设计了自抗扰控制器.仿真实验中,以精馏塔的Wood-Berry模型和Ogunnaike-Ray模型为例,验证了算法的有效性.

二维完备无边黎曼流形上最短时间控制的存在性

研究了一类流形上的最短时间控制问题 ,证明了若从某一状态到另一状态存在系统的控制 。

基于视觉预测的运动目标实时跟踪系统

针对机器人控制系统中更高的视觉反馈实时性要求,提出一种基于最小二乘法预测的目标实时跟踪方法.该方法采用最小二乘法预测运动目标的位置,以限定目标搜索范围,从而提高跟踪速度.实验结果表明该方法能满足快速视觉伺服响应的实时性要求.

时域辨识在垂尾智能结构控制系统中的应用

采用时间序列建模法对1:2垂尾模型智能结构振动控制系统进行试验建模,应用最小二乘法建立了系统的ARX模型,并与其他方法进行比较和验证。试验结果表明,最小二乘法具有较高的辨识精度,适用于垂尾模型这种结构,此方法对结构的复杂程度依赖较弱,所建模型可靠。

基于LS-SVM预报的动态矩阵预测控制

针对实际工业过程中的非线性及时变特性,传统预测控制算法就难于建立精确的数学模型,从而提出了一种基于最小二乘支持向量机预报的动态矩阵预测控制模型。在整个过程中,首先建立基于最小二乘支持向量机的非线性动态矩阵预测控制结构,通过利用最小二乘支持向量机辨识被控对象模型,同时预测对象的未来输出,然后用动态矩阵控制算法进行滚动优化和反馈校正。仿真实例表明该模型对预测结果有很好的控制作用,有效消除输入干扰的影响,从而提高了预测精度。

基于PCC的水电站计算机监控系统设计

基于B&R2005系列可编程计算机控制器(PCC)设计了一种水轮机组现地控制系统。系统以具有高速数据处理能力和强通信能力的PCC为控制核心,采用ANSIC语言编写控制程序,基于最小二乘法对机组模拟量进行滤波,实现机组的开停机控制、模拟量采集、故障报警等功能,同时,基于帧驱动器实现控制系统同各种智能设备以及上位机的数据通信,以将各监控单元采集到的数据经过处理送到上位机监控系统以及人机界面,实现了系统的远程与现地监控。同时,介绍了系统结构及软件设计方案。该监控系统已在实际中应用,性能可靠稳定,验证了方案的可行性。

计算机控制光学抛光驻留时间求解中两类优化算法的分析

建立了基于矩阵计算的驻留时间计算模型,根据实际加工要求建立了最小二乘和最佳一致逼近最优化求解数学模型,总结了两类优化问题的求解方法。根据自研数学解法器,利用数值计算分析了这两类算法的计算特点。仿真结果显示,两种自研算法具有较高的计算精度,最小二乘逼近算法计算效率有待提高,对外界扰动和计算模型等误差不敏感,最佳一致逼近算法计算效率较高,但对误差比较敏感。实际加工时,如果面形精度已经比较高时,建议多采用最小二乘逼近算法。

站点驻留时间估计和预测方法研究

针对公交车站点驻留时间存在较大变异性的特点,为了准确地预测公交车在站点的驻留时间,提高公交信号优先控制的效果,首先尝试采用概率模型来对公交车站点驻留时间进行估计和预测,但通过对多个站点的大量数据相关系数的计算和分析发现,下车乘客数和车上的乘客人数之间并不存在一定的线性关系,不完全满足概率模型的假设条件,以此为基础,采用多重线性回归并排除不显著因素,最后采用加权最小二乘回归模型来产生精确的参数估计。文中利用大量的实际调查数据,采用各种统计分析方法验证提出的站点驻留时间估计和预测模型的正确性。

时滞工业对象的一种建模及控制方法

采用只有纯滞后的一阶惯性环节作为时滞工业对象的模型，给出了一种时滞工业对象的内模控制方案。根据对象的阶跃响应曲线，采用最小二乘法，准确获得对象模型的参数：比例增益、惯性时间常数和纯滞后时间。详细阐述了模刑的求取方法并对控制方案进行了仿真研究。仿真结果表明了这种控制方法的有效性。

一类非线性离散时间系统的自适应控制

针对一类非线性离散系统 ,利用Lyapunov方法和加权最小二乘估计设计了一种自适应控制器 ,在不对非线性加增长条件约束的情况下 ,得到了闭环系统的全局跟踪性能 .