Boost变换器PWM模糊滑模变结构控制器设计

针对Boost变换器的强非线性,传统控制方法不易取得良好的控制效果,设计了Boost变换器PWM模糊滑模变结构控制器。该控制器结合PWM调制、模糊推理和滑模变结构控制三者的优点,通过在线模糊逻辑推理调整滑模变结构控制的切换面参数,从而使系统状态点的滑模运动保持稳定,逐渐趋向平衡点,提高滑模变结构控制器的控制效果。通过Matlab仿真比较,该控制器较好地解决了系统抖振问题,具有良好的动态性和较强的鲁棒性。

基于模糊控制的锂动力电池快速充电技术研究与实现

锂动力电池充电过程和具有多变量、离散性和非线性等特点,传统的PID控制很难从它的数学模型出发进行控制,而模糊控制技术可以不要数学模型进行控制。将模糊控制技术应用于充电控制,提出了模糊PID的充电模型,并与PID控制模型进行对比。仿真实验证明该充电模型具有充电时间短、鲁棒性强等特点,具有重要的实际意义和推广价值。

基于模糊控制的发动机动力性能分布式测控系统

提出了一种发动机动力性能分布式自适应测控系统。给出了基于Profibus-DP总线和USS协议的测控系统的网络结构、软硬件设计方法及工作原理。采用SiemensMasterDriver矢量控制器和AFE整流单元,结合参数自适应模糊PID控制器,实现了对测控装置的精确控制。利用工控机和第三方软件实现了对多台测控装置的实时远程监控。实际应用表明,系统组态灵活、编程方便、自适应能力强、可靠性高。

基于PSO的二级倒立摆LQR最优控制器设计

根据微粒群算法的随机性、快速性、易于实现性等优点,针对LQR在二级倒立摆最优控制设计过程中对加权矩阵Q、R选择的盲目性,研究了基于PSO的LQR最优控制器的设计方法,该方法利用PSO算法的启发式全局优化特点对Q、R阵进行寻优,然后得到状态反馈控制律K。并设计了基于该方法的二级倒立摆的最优控制器,通过和基于遗传算法的LQR最优控制器比较,仿真结果表明:该方法所设计的最优控制器能使系统的响应时间更快,超调量更小,对二级倒立摆的控制效果更理想。

单体锂动力电池的携行电台供电电源直流变换控制技术

提出一种基于脉宽调制技术和滑模变结构控制技术相结合的新型直流变换电源控制策略,设计了一种连续电流模式下的升压直流变换电源滑模变结构控制器,将3.2 V单体锂动力电池变换为满足携行电台供电要求的12 V工作电源。通过Matlab/Simulink环境下构建控制器仿真模型,并对负载电阻和输入电压变化情况下的控制器性能进行仿真实验,结果表明该升压直流变换电源滑模变结构控制器在大范围扰动情况下的输出电压变化并不明显,稳态误差较小,动态性能良好,鲁棒性强。

基于微粒群算法的无刷直流电机单神经元自适应控制

为提高无刷直流电机速度控制性能,提出一种基于微粒群优化算法的单神经元自适应速度控制算法,该算法利用单神经元在线调整连接权值的能力,实现无刷直流电机速度的自适应控制。针对传统单神经元权值调整规则容易陷入局部最优等不足,利用微粒群优化算法良好的全局和局部寻优能力对单神经元连接权值进行在线调整,提高了单神经元的自学习、自适应能力。Matlab仿真和实验结果表明,系统超调量小、转速响应快、转速波动小,比传统PID速度控制具有更好的动态特性和鲁棒性。

智能控制技术在智能建筑空调系统中的应用

空调能耗占整个建筑物能耗的大部分,其能耗大小是评价智能建筑设计好坏的重要指标。基于目前国内外智能建筑节能技术的发展概况,分析了模糊控制、神经网络、专家系统等智能控制技术在智能建筑空调系统中的应用以及各自的优缺点。研究表明,智能控制技术能够解决空调系统中传统控制技术难以解决的问题,是智能建筑节能领域的一个重要发展方向。

基于DE-SVM的柴油机气门故障诊断方法及应用

针对柴油机故障诊断样本少的实际问题,结合支持向量机的特性和微分进化算法良好的全局优化性能,提出了一种微分进化算法优化支持向量机方法。利用柴油机气门振动信号实测数据,经小波变换作为诊断模型的故障特征,建立了基于微分进化算法优化支持向量机的柴油机气门间隙故障诊断模型,并与反向传播神经网络算法、基于遗传算法优化支持向量机和基于粒子群优化支持向量机的模型相比较,结果表明:应用微分进化算法优化支持向量机比其他三种算法具有更优性能,能够有效地进行柴油机的故障诊断。

基于改进的粒子群优化的神经网络故障诊断方法研究

针对BP(Back Propagation)神经网络易陷入局部极值的缺点,提出了一种粒子群PSO(Particle Swarm Optimization)神经网络,同时为避免PSO算法早熟,对部分粒子采用变异操作。应用于故障诊断系统的仿真结果表明,该算法能够大大提高故障诊断的精度。

基于DE优化SVR的锂离子电池剩余容量预测

在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法。DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数。将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较。仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法。

SVR优化算法及其在蓄电池容量预测中的应用

提出一种优化的支持向量机回归算法(SVR)并应用于阀控密封铅酸蓄电池(VRLA)的容量预测。选定径向基函数作为支持向量机回归算法的核函数,分别使用遗传算法和遗传退火算法对核参数进行寻优,在此基础上建立了蓄电池容量预测模型.比较了在遗传算法和遗传退火算法两种参数优化方法下支持向量机回归算法对VRLA容量预测的精准度。仿真结果表明,基于遗传退火算法寻优的支持向量机回归算法用于VRLA容量预测的性能优于单一的遗传寻优算法。

锂离子电池最优充电电流预测方法研究

为解决锂离子电池最优充电中电流设定的关键问题,提出蚁群算法(ACO)优化回归型支持向量机(SVR)核心参数,并将蚁群优化的回归型支持向量机(ACO-SVR)用于最优充电电流的预测。SVR核心参数C和g以节点值的形式在蚁群系统中体现,以交叉验证意义下误差作为目标函数更新节点信息素浓度,经过有限次迭代得到最优C和g值,使SVR性能最优。根据锂离子电池实测充电数据建立了ACO-SVR最优充电电流模型,结果表明ACO-SVR模型具有较少的寻优时间和较好的预测精度,通过理论分析和实验数据验证了该方法具有一定的实用性和有效性。

BDE-LSSVM在柴油机气门故障诊断中的应用

针对柴油机气门故障的诊断样本少和非线性数据特征等问题,最小二乘法的支持向量机(LSSVM)能够较好地进行诊断研究,但由于惩罚因子C和内核参数σ的选取对诊断结果影响较大,有必要对其进行参数优化,因此提出了基于二进制微分进化算法(BDE)的最小二乘法支持向量机算法。利用柴油机气门振动信号作为数据,经小波变换作为模型特征,建立了基于BDE-LSSVM故障诊断模型,并与基于遗传和基于粒子群算法的LSSVM模型进行柴油机气门故障诊断的性能对比。比较结果证明,基于BDE优化的LSSVM模型在故障特征选取前后具有更好的适应度值和稳定度,故障分类准确性高且运算速度更快。

改进Elman网络在锂离子电池容量预测中的应用

为了准确估算锂离子电池的荷电状态(SOC),在分析影响锂离子电池剩余容量时变特性的基础上,综合国内外几种常用的预测锂离子电池方法,将改进Elman网络应用到锂离子电池的容量预测和模型建立中。实验结果表明:该网络不仅局部泛化能力好,而且有较好的动态性能和逼近能力,能够满足电池容量预测的误差要求。

基于蚁群优化的Elman神经网络在故障诊断中的应用研究

指出普通Elman神经网络BP学习算法的不足,将蚁群算法和Elman神经网络相融合,采用信息素挥发因子ρ和信息素τ更新策略自动调整的自适应蚁群算法优化Elman神经网络的权阚值,并将其应用到柴油机涡轮增压系统故障诊断中。仿真实验表明,优化的Elman神经网络有较快的收敛速度和较高的故障诊断精度,可以有效地诊断柴油机涡轮增压系统的故障,能够更好地避免局部最小,实现了对柴油机涡轮增压系统故障的有效诊断。

粗糙集与改进的QPSO-RBF算法在柴油机气门故障诊断中的应用

针对气门故障,以缸盖振动信号的小波包能量谱作为故障特征参数,提出一种粗糙集(RS)与改进的量子微粒群径向基函数神经网络(QPSO-RBF NN)相结合的故障诊断方法.首先应用粗糙集对试验所得的特征参数进行属性约简,去掉冗余信息,简化RBF网络的结构;然后将带变异算子的QPSO算法引入到RBF网络的学习过程中,改进其现有的学习算法,进一步提高故障预测能力.通过对6135D型柴油机气门故障进行诊断,结果表明该方法提高了诊断的精度和效率.

GASA-SVM改进算法及其在柴油机供油系统故障诊断中的应用

针对目前支持向量机(SVM)参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法SA的概率突跳特性,提出一种改进的基于遗传退火算法(GASA)混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明:应用GASA-SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。

基于SMBus的智能锂动力电池总线系统的实现

介绍了系统管理总线SMBus(Smart Manegement Bus),SMBus是智能电池系统SBS(Smart Baterry System)中升压单元、电池充电单元、控制单元、锂动力电池及外设之间的互连接口,它能对电池的充放电电流、电压、温度、容量等重要参数进行监测和控制。

基于IDE-LSSVM的柴油机气门故障诊断算法研究

最小二乘支持向量机在柴油机故障样本少的情况下具有优越的学习能力和泛化能力,特别适合故障诊断,但同时也存在着参数设置等难题。针对最小二乘支持向量机参数设置问题,提出了一种改进微分进化算法优化最小二乘支持向量机方法。利用柴油机气门振动信号实测数据,经小波变换作为诊断模型的故障特征,建立了基于IDE-LSSVM的柴油机气门间隙故障诊断模型,并与基于遗传和基于粒子群算法的LSSVM模型进行比较,结果表明:基于IDE优化的LSSVM模型收敛速度快,故障识别率较高。

一种基于交流采样技术的内燃机电站电气性能测试系统

提出一种基于交流采样技术的内燃机电站电气性能测试系统。该系统按照内燃机电站通用试验方法,实时智能调节阻性、容性和感性负载,在负载变化的同时,利用准同步预测顺序交流采样技术对电站输出波形进行高速采样,在多处理器的协同工作下,DSP芯片完成电站输出波形的FFT分析、十六位单片机对数据进行综合分析,得到内燃机电站的连续运行能力、谐波含量、突加/卸载能力和瞬态电压调整率等多项电气性能参数,同时将分析结果反馈给智能可调负载柜进行负载闭环调节。实际运行结果表明,该系统为内燃机电站电气性能测试提供了一种可行方案。